面向电子商务的Web挖掘系统模型研究

在电子商务网站中,Web使用挖掘可以通过分析Web日志等数据源来获取与用户访问模式相关的信息。本文主要研究电子商务中的Web挖掘技术,提出一个面向电子商务站点的Web挖掘系统模型。     

Web挖掘在电子商务中的应用研究

主要介绍了Web挖掘的定义，并对日志挖掘进行详细的说明，介绍了常用的Web挖掘方法，本文还讨论了分类算法的实际应用，最后总结了Web挖掘在电子商务中的应用。     

Web挖掘在电子商务中的应用研究

主要介绍了Web挖掘的定义，并对日志挖掘进行详细的说明，介绍了常用的Web挖掘方法，本文还讨论了分类算法的实际应用，最后总结了Web挖掘在电子商务中的应用。     

基于用户聚类的电子商务个性化推荐系统研究

从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,有助于企业提供个性化信息服务和开展有针对性的电子商务活动。本文基于Web挖掘的聚类技术,提出了一种电子商务中个性化推荐系统的具体实现方案。     

电子商务中Web页面个性化推荐系统的架构

电子商务中实现个性化推荐意味着一个用户访问Web站点时能够得到个性化的服务,网站根据用户的聚类特征,向用户在线推荐一些用户可能比较感兴趣的页面。本文给出了电子商务个性化推荐的系统结构,分析了在Web日志挖掘中应用协同过滤技术,讨论了Web页面的个性化推荐过程和推荐算法。推荐算法综合考虑了用户聚类中页面的权值和用户对页面的平均评价值两个推荐因素,实现在线页面的推荐。     

基于蚁群算法的群体用户兴趣导航路径发现

在电子商务的发展进程中,如何准确理解用户访问网站的行为是一个紧迫的问题.Web使用挖掘是解决该问题的重要研究方法.发现用户的兴趣导航模式是Web使用挖掘的一个重要研究领域,也是优化Web站点框架设计的根本方法.在本文中,我们把Web用户看成是人工的蚂蚁,应用蚁群算法来发现用户的导航模式.首先,建立了一个Web站点模型;然后基于蚁群算法和Web日志数据建立了一个用户导航模型;最后,设计了一个算法,将所有的访问用户视为整体来挖掘他们偏好的导航路径.实验结果表明该方法能准确反映出用户的浏览兴趣.     

基于结构化工作流网的隐含任务挖掘方法

过程挖掘是一种客观、自动化的过程分析技术,它通过挖掘过程日志来得到业务过程的结构模型,是传统过程分析手段的重要补充.如何正确挖掘包含隐含任务的不完整过程日志,是过程挖掘需要解决的难题之一.现有的一些算法如基因算法、α#算法等解决了部分类型隐含任务的挖掘问题,但仍有许多类型的隐含任务无法被正确挖掘.针对这一问题,本文在α#算法的基础上提出了一种基于结构化工作流网的挖掘算法,该算法能够较为完整地挖掘各类包含隐含任务的结构化工作流网模型.通过理论分析和实验验证,该算法的正确性和有效性得到了证明.     

Web日志挖掘中的用户浏览序列模式识别

用户浏览模式识别是现阶段Web日志挖掘的主要目标之一,研究Web日志挖掘中的序列模式识别问题,针对传统关联规则算法中阈值固定不变、大序列的数目与序列长度成反向增长的问题,对传统的关联规则算法进行改进,提出IAx算法,使长序列只需较小的支持度计数就能达到阈值,从而发现更多有意义的序列模式,同时运用理论证明该方法的正确性.     

Web使用挖掘在网站优化中的应用研究

针对互联网用户访问Web服务器产生的日志,结合Web使用挖掘相关理论,采用Apriori算法挖掘用户的频繁访问模式.首先进行数据预处理以保证数据的质量及提高挖掘的效率;然后对预处理后的数据采用Apriori算法进行关联规则挖掘,找出其中的频繁访问模式;最后分析结果,总结规则,提出建议.     

面向电子商务的Web使用挖掘及其应用研究

随着电子商务的深入发展,了解用户访问模式显得非常重要。从Web使用挖掘应用目标出发,综述了Web使用挖掘的数据源收集与数据预处理技术、模式发现与模式分析技术,最后介绍了Web使用挖掘在电子商务中的应用。