论文部分内容阅读
进入21世纪后,随着网络的普及,电子商务的发展越来越多的引起研究者们的关注,期望能够在这种新型的商务模式下,利用它诸多的优点,获得更多的客户以提高收益。但是电子商务在加速社会电子化进程的同时,也使“数据爆炸”问题进一步加剧。电子商务模式下激烈的竞争趋势要求对这些信息进行实时和深层的分析。如何对网络上大量的信息进行有效组织利用,帮助海量数据的拥有者们找出真正有价值的信息和知识,以指导他们的决策行为。web数据挖掘就在这样的背景下与电子商务结合在一起,它是在Internet出现后产生的数据挖掘一个新的分支,主要研究在Internet网络上,对各种数据源,如web日志、用户登记信息、页面内容等,利用数据挖掘技术寻找网络上数据间各种隐含的知识模式和获取一些预测性信息。把web数据挖掘用于电子商务,可以帮助指导站点改进服务、调整结构和实施有针对性的商业行为,以更好地满足访问者的需求。 在电子商务模式下,保持老客户的同时获得新客户的难度更大,因此从客户关系管理(Customer Relationship Management,简称CRM)的各个方面建立起与客户的良好关系,提高客户的忠诚度显得非常的重要。而建立与客户的良好关系可以表现为了解用户偏好、向客户提供个性化的服务、推荐它们感兴趣的商品、帮助他们能够便捷地找到所需商品等方面。要能够做到这些,要求站点有一个能够分析用户偏好、行为等信息,并且自动根据这些信息向用户提供“推送”服务的推荐系统。构建这样一个推荐系统,是近几年来计算机技术在电子商务领域中研究的一个热点,本文正是基于这样一个背景开展研究的。 在本论文中,首先给出了国内外的研究现状和论文本身的意义,以及相关的理论支持。接着,考虑在Internet上web站点的各种特点、用户和数据多样性的特点以及网络处理的分布性,构建了一个基于web数据挖掘的商务网站推荐系统模型,并对系统中各模块的功能给予了详尽的说明,同时用CORBA规范集成各 基于web数据挖掘两务网站推荐系统的研究 摘要个模块为一个B/S三层结构的推荐系统,将其分成客户层、服务器层和数据层。在这个系统中重点描述了推荐引擎(Recommendation Engine)模块和会话期管理(SCSSIOll M啊*f)模块。 论文接下来阐述了利用web数据挖掘技术(包括web usage mining和webcontent mining)分析 web站点上的各种数据(包括服务器日志、商品数据库、用户数据库、购物车),获得有关用户对于商品的偏好、商品之间关系等的模式知识。另一方面,论文还讨论了非数据挖掘方法产生的另一种以规则形式存在的模式,在文中称为静态模式,它是站点经营人员营销思想的一个体现。基于这些模式,论文提出了针对站点注册用户和非注册用户的不同推荐策略,并产生了相应的某物品对于当前用户推荐值的推荐计算公式以及相应的推荐算法,由此得到针对某个用户的推荐。 然后,论文对推荐公式做了相关验证性试验,验证公式的客观描述能力,说明了推荐公式的有效性。此外,还编写了部分程序,以支持随意构造静态规则模式。最后是工作小结和未来展望。