论文部分内容阅读
【摘要】在电子商务管理系统的设计中应用数据挖掘技术，进行数据的预处理、数据挖掘和挖掘结果显示。电子商务系统具有数据量大、数据质量差和数据种类多的特点，在电子商务管理系统中设计了数据挖掘管理模块，运用数据挖掘技术，并采用J2EE的B/S架构将其实现。
【关键词】数据挖掘；电子商务系统
1.前言
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。它是一门涉及面很广的交叉学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术，数据挖掘是一个包含多个处理步骤的知识发现过程，其主要内容包括数据清洗、数据集成、数据选择、数据转换、数据挖掘、模式评估和知识表达输出等。
把数据挖掘技术应用到电子商务系统中，开发出基于数据挖掘技术的电子商务系统能够加深和加强对电子商务系统数据的分析功能，为电子商务企业管理人员提供电子商务的预期信息，从而能很好的保证电子商务网站的运行效果。
现在电子商务系统主要形式B2C，涉及的数据不仅包括客户在电子商务网站上的交易数据，还包括客户的注册信息数据和商品信息等数据。电子商务系统的数据有如下特点：
（1）数据量大；
（2）数据质量差；
（3）数据种类多。
2.电子商务系统功能模块结构设计
根据B2C电子商务系统设计的目标，管理业务流程，将这个B2C电子商务系统分为：会员注册管理、会员帐户管理、商品购买管理、会员管理、商品类别管理、商品管理、优惠券管理、订单管理、留言板管理、商品评论管理、库存管理、网站管理和数据挖掘管理等功能模块（如图1所示）。
3.数据挖掘管理模块的设计
B2C电子商务数据挖掘管理模块主要通过对电子商务企业当前的和历史的交易数据进行分析。挖掘出其中隐含的知识和从中发现隐含的趋势和规律。它主要包括数据预处理模块、数据挖掘模块和数据挖掘结果显示模块。B2C电子商务数据挖掘系统从电子商务运行商品数据库、客户信息数据库和交易数据库中获取数据，根据数据挖掘算法的需要进行数据预处理，并建立数据挖掘模型，供电子商务企业的用户挖掘时使用。用户只需要输入简单的一些参数，系统就会自动的根据已建立的模型输出预测结果。电子商务挖掘系统体系结构如图2所示。
3.1 数据预处理模块
数据挖掘的处理对象是大量的数据，这些数据一般存储在数据库系统中，是长期积累的结果。但往往不适合直接在这些数据上面进行挖掘，需要做数据预处理工作，其一般包括数据的选择、数据清理、数据集成和转换。数据预处理是否做好将影响数据挖掘的效率和准确度以及最终模式的有效性。这些处理技术在数据挖掘之前使用可以大大提高数据挖掘模式的质量，降低实际挖掘所需要的时间。原始数据通过数据选择、清理、集成和转换后生成数据挖掘库，为下一步的数据挖掘做好准备。
3.2 数据挖掘模块
数据挖掘的目的是生成可以据其所示的含义采取行动的知识，也就是建立一个现实世界的模型。数据挖掘的本质就是数学建模。在数据挖掘中，可以使用许多不同的模型，如分类模型、回归模型、时间序列模型、聚类模型和关联规则模型。针对同一模型，可以使用不同的算法进行数据挖掘。算法的目的就是找到适合于数据的模型。数据挖掘涉及到多步骤、各系统间的交互、特殊解决方案及各步骤间的反复过程。
B2C电子商务网站中商品介绍页面的摆放就好比商店里的货架，商品介绍的摆放位置也会影响客户对商品的购买率。而商品之间的关联性一般不是很容易看出来的，一般人很难联想到商品之间的关联性，只有实际上通过对大量的交易历史数据的分析，才可以挖掘出它们之间的关联性。在数据挖掘过程中对关联产品和服务进行深入挖掘，可以发现其中的关联规则，利用关联规则模型进行数据挖掘可以了解客户的购买行为，这对于改进B2C电子商务商业活动的决策很有帮助。例如，可以通过改进商品介绍位置的摆放（把顾客经常同时买的商品摆放在一起），帮助如何规划市场（互相搭配进货）等。而作为B2C电子商务网站。可以针对不同客户特点动态调整网站结构，使客户访问的有关联的网页文件的链接更加直接，让客户更容易访问到自己想要的东西。这样的网站更能吸引客户，提高客户的忠诚度，提高网站的效益。
B2C电子商务网站网页主要为顾客展示商品名称或图片，为顾客推荐与当前感兴趣商品更详细或相关的网页是个性化推荐的关键。根据客户的注册信息和订单信息，通过回归模型挖掘可以为不同的用户提供个性化服务，例如系统可以向客户显示那些可能引起客户感兴趣的新商品。
随着“以客户为中心”的经营理念不断深入人心，分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。通过对B2C电子商务系统收集的客户的交易数据进行聚类模型挖掘，可以确定不同类万方数据型客户的行为模式，电子商务企业便可以采取相应的营销措施，促使企业利润的最大化。
3.3 数据挖掘结果显示模块
数据挖掘结果的显示模块是将数据挖掘后得到的知识和结果用可视化形式表示出来，例如采用图形化界面把挖掘结果显示给电子商务企业的管理人员。在建立好相关数学模型后，把实际数据作为输入信息，通过挖掘模型的计算获得预测结果。B2C电子商务企业要根据不同的挖掘结果做出不同的反应。采取不同的措施，给顾客提供不同的服务，在为顾客服务的同时也为自己的B2C电子商务企业获取更多的利润。
4.结论
本文讨论了把数据挖掘技术应用于B2C电子商务系统中，并采用J2EE的B/S架构将其实现，系统采用客户端、中间服务器和后台数据库三层架构。利用数据挖掘技术可以提高B2C电子商务企业现代化管理水平方面发挥着积极的作用，它能够提高B2C电子商务企业对客户管理和商品管理方面信息的准确性和及时性，可以帮助B2C电子商务企业网站的开发人员及时、全面了解B2C电子商务企业网站运营情况和合理安排网页的页面布局，为不同浏览习惯的顾客提供个性化服务，为各项具体工作提供技术、信息支持；有效地减少各种失误并保证B2C电子商务企业网站的各项任务保质保量、按计划完成，从而提高电子商务企业网站的运作效率。
参考文献
[1]朱明.数据挖掘[M].合肥：中国科学技术大学出版杜（第2版），2008.
[2]寰方，王煜，等.PaoloGiudici.实用数据挖掘[M].北京：电子工业出版，2004.
[3]廖芹，郝志峰.数据挖掘与数学建模[M].北京：国防工业出版社，2010.
[4]邓丽明，张华.电子商务概论[M].北京：高等教育出版杜，2004.
[5]郭崇慧，田风占，靳晓明，等.Marsaret H.Duahem.数据挖掘教程[M].北京：清华大学出版，2005.
【关键词】数据挖掘；电子商务系统
1.前言
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。它是一门涉及面很广的交叉学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术，数据挖掘是一个包含多个处理步骤的知识发现过程，其主要内容包括数据清洗、数据集成、数据选择、数据转换、数据挖掘、模式评估和知识表达输出等。
把数据挖掘技术应用到电子商务系统中，开发出基于数据挖掘技术的电子商务系统能够加深和加强对电子商务系统数据的分析功能，为电子商务企业管理人员提供电子商务的预期信息，从而能很好的保证电子商务网站的运行效果。
现在电子商务系统主要形式B2C，涉及的数据不仅包括客户在电子商务网站上的交易数据，还包括客户的注册信息数据和商品信息等数据。电子商务系统的数据有如下特点：
（1）数据量大；
（2）数据质量差；
（3）数据种类多。
2.电子商务系统功能模块结构设计
根据B2C电子商务系统设计的目标，管理业务流程，将这个B2C电子商务系统分为：会员注册管理、会员帐户管理、商品购买管理、会员管理、商品类别管理、商品管理、优惠券管理、订单管理、留言板管理、商品评论管理、库存管理、网站管理和数据挖掘管理等功能模块（如图1所示）。
3.数据挖掘管理模块的设计
B2C电子商务数据挖掘管理模块主要通过对电子商务企业当前的和历史的交易数据进行分析。挖掘出其中隐含的知识和从中发现隐含的趋势和规律。它主要包括数据预处理模块、数据挖掘模块和数据挖掘结果显示模块。B2C电子商务数据挖掘系统从电子商务运行商品数据库、客户信息数据库和交易数据库中获取数据，根据数据挖掘算法的需要进行数据预处理，并建立数据挖掘模型，供电子商务企业的用户挖掘时使用。用户只需要输入简单的一些参数，系统就会自动的根据已建立的模型输出预测结果。电子商务挖掘系统体系结构如图2所示。
3.1 数据预处理模块
数据挖掘的处理对象是大量的数据，这些数据一般存储在数据库系统中，是长期积累的结果。但往往不适合直接在这些数据上面进行挖掘，需要做数据预处理工作，其一般包括数据的选择、数据清理、数据集成和转换。数据预处理是否做好将影响数据挖掘的效率和准确度以及最终模式的有效性。这些处理技术在数据挖掘之前使用可以大大提高数据挖掘模式的质量，降低实际挖掘所需要的时间。原始数据通过数据选择、清理、集成和转换后生成数据挖掘库，为下一步的数据挖掘做好准备。
3.2 数据挖掘模块
数据挖掘的目的是生成可以据其所示的含义采取行动的知识，也就是建立一个现实世界的模型。数据挖掘的本质就是数学建模。在数据挖掘中，可以使用许多不同的模型，如分类模型、回归模型、时间序列模型、聚类模型和关联规则模型。针对同一模型，可以使用不同的算法进行数据挖掘。算法的目的就是找到适合于数据的模型。数据挖掘涉及到多步骤、各系统间的交互、特殊解决方案及各步骤间的反复过程。
B2C电子商务网站中商品介绍页面的摆放就好比商店里的货架，商品介绍的摆放位置也会影响客户对商品的购买率。而商品之间的关联性一般不是很容易看出来的，一般人很难联想到商品之间的关联性，只有实际上通过对大量的交易历史数据的分析，才可以挖掘出它们之间的关联性。在数据挖掘过程中对关联产品和服务进行深入挖掘，可以发现其中的关联规则，利用关联规则模型进行数据挖掘可以了解客户的购买行为，这对于改进B2C电子商务商业活动的决策很有帮助。例如，可以通过改进商品介绍位置的摆放（把顾客经常同时买的商品摆放在一起），帮助如何规划市场（互相搭配进货）等。而作为B2C电子商务网站。可以针对不同客户特点动态调整网站结构，使客户访问的有关联的网页文件的链接更加直接，让客户更容易访问到自己想要的东西。这样的网站更能吸引客户，提高客户的忠诚度，提高网站的效益。
B2C电子商务网站网页主要为顾客展示商品名称或图片，为顾客推荐与当前感兴趣商品更详细或相关的网页是个性化推荐的关键。根据客户的注册信息和订单信息，通过回归模型挖掘可以为不同的用户提供个性化服务，例如系统可以向客户显示那些可能引起客户感兴趣的新商品。
随着“以客户为中心”的经营理念不断深入人心，分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。通过对B2C电子商务系统收集的客户的交易数据进行聚类模型挖掘，可以确定不同类万方数据型客户的行为模式，电子商务企业便可以采取相应的营销措施，促使企业利润的最大化。
3.3 数据挖掘结果显示模块
数据挖掘结果的显示模块是将数据挖掘后得到的知识和结果用可视化形式表示出来，例如采用图形化界面把挖掘结果显示给电子商务企业的管理人员。在建立好相关数学模型后，把实际数据作为输入信息，通过挖掘模型的计算获得预测结果。B2C电子商务企业要根据不同的挖掘结果做出不同的反应。采取不同的措施，给顾客提供不同的服务，在为顾客服务的同时也为自己的B2C电子商务企业获取更多的利润。
4.结论
本文讨论了把数据挖掘技术应用于B2C电子商务系统中，并采用J2EE的B/S架构将其实现，系统采用客户端、中间服务器和后台数据库三层架构。利用数据挖掘技术可以提高B2C电子商务企业现代化管理水平方面发挥着积极的作用，它能够提高B2C电子商务企业对客户管理和商品管理方面信息的准确性和及时性，可以帮助B2C电子商务企业网站的开发人员及时、全面了解B2C电子商务企业网站运营情况和合理安排网页的页面布局，为不同浏览习惯的顾客提供个性化服务，为各项具体工作提供技术、信息支持；有效地减少各种失误并保证B2C电子商务企业网站的各项任务保质保量、按计划完成，从而提高电子商务企业网站的运作效率。
参考文献
[1]朱明.数据挖掘[M].合肥：中国科学技术大学出版杜（第2版），2008.
[2]寰方，王煜，等.PaoloGiudici.实用数据挖掘[M].北京：电子工业出版，2004.
[3]廖芹，郝志峰.数据挖掘与数学建模[M].北京：国防工业出版社，2010.
[4]邓丽明，张华.电子商务概论[M].北京：高等教育出版杜，2004.
[5]郭崇慧，田风占，靳晓明，等.Marsaret H.Duahem.数据挖掘教程[M].北京：清华大学出版，2005.