B2B电子商务网站为采购方企业和供应商企业提供了一个交易平台,作为二者交易的第三方,为了更好地为采购商提供服务,对供应商的可信度进行分类是非常有必要的。针对B2B平台上供应商行为的数据量大且表达复杂的特点,本文尝试将数据挖掘技术应用于供应商的可信度分类中,从而获得可信度分类模型,为采购方企业提供有价值的供应商信息,具有重要的研究价值和现实意义。本文针对供应商的基本信息、交易信息和客户评价信息,采用分类指标统计分析与数据挖掘技术相结合的方法来开展对供应商样本数据的聚类及分类分析。论文重点研究了K-Means算法和ID3算法的算法原理及优缺点,并提出了其改进算法Wm-K-Means算法和J-ID3算法,采用Java语言在Eclipse开发平台上进行程序编写来实现改进的算法,并与传统的算法进行了实验对比。运用改进后的K-Means算法对供应商的样本数据进行聚类分析,针对聚类后形成的供应商组别,标记山每个供应商组的特征属性后,采用改进后的ID3算法对供应商的可信度进行分类,生成一棵决策树,产生分类规则,形成供应商可信度的分类模型。论文详细说明了从数据的预处理到对数据集进行聚类分析和分类预测的数据挖掘过程,对所挖掘的可信度分类结果进行了分析,并讨论了所获得的供应商分类模型的价值和意义。论文研究工作对于实际的B2B电子商务网站有一定的借鉴价值,同时对供应商本身可信度的提高方面也具有积极的作用。