数据挖掘和算法作业.docVIP

论 文 题 目：数据挖掘算法在电子商务推荐系统的应用 学科、专业名称： 电子商务专业 考试科目： 数据挖掘算法 数据挖掘算法在电子商务推荐系统中的应用 摘要 在电子商务中，企业只有不断地扩张，才能在竞争中保持自己的优势。其中如何留住老顾客并不断吸引新顾客的加入是企业实现扩张和获取利润的一个重要方面。本文主要是针对电子商务企业中顾客的消费行为进行分析研究的基础上展开论述的。通过聚类算法，对具有不同消费行为的顾客进行分类，利用关联规则算法对顾客的购物篮进行分析，通过算法的组合提高推荐的精度和准确性，从而更好的为顾客服务，以达到留住老顾客和吸引新顾客的目的。 一、引言 电子商务规模的迅速增长在给用户带来更多选择机会的同时,也使得用户有哪些信誉好的足球投注网站所需商品的成本越来越高。电子商务推荐系统可以向用户提供商品推荐,帮助用户找到所需商品,满足用户个性化的需求,将用户从浏览者转变为购买者,通过网站与用户的互动提高了用户的忠诚度,从而增加企业的效益,同时将用户从繁重的有哪些信誉好的足球投注网站任务中解脱出来。目前几乎所有的大型电子商务网站都不同程度地使用电子商务推荐技术,比如Amazon、CDNow、ebay和dangdang等。 二、电子商务推荐系统概述 电子商务推荐系统的定义为:“利用电子商务网站向客户提供商品信息和建议, 帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程”。该定义现已被广泛引用[1]。1998 年 7 月, 由美国 AAAI 组织各学者在威斯康辛州专门召开了以推荐系统为主题的会议,集中讨论了推荐系统的发展问题。目前,推荐系统已广泛运用到各行业中,推荐对象包括书籍、音像、网页、文章和新闻等。推荐系统可以是根据其他客户的信息或是此客户的信息, 根据客户的购买频率、消费金额和购买模式预测未来的购买行为, 为客户提供个性化服务[2]。根据挖掘的客户行为模式和购买组合来获取新客户、保持老客户、细分客户和实现交叉销售。 电子商务推荐系统可以在网页的浏览者中发掘隐藏着的购买者，还可以促进消费，刺激浏览者的购买欲望，并分析购买者的购物习惯，产生推荐集合，留住客户。推荐系统是电子商务不可或缺的重要组成部分。它的个性化发展也直接对电子商务的发展产生影响[3]。至今在电子商务中研究个性化推荐系统也一直是数据挖掘领域与电子商务领域研究的热点问题所在。 推荐系统在电子商务网站中的作用主要有三方面: ①将电子商务网站浏览者转变为购买者; ②提高电子商务网站交叉销售能力; ③提高顾客对电子商务网站忠诚度。应用数据挖掘技术使推荐系统更智能化, 学习能力更强, 推荐效果更好; 其实质是为终端用户和电子商务营销决策者提供相关个性化和智能化服务。 电子商务推荐系统, 根据数据源选取大致可以分为基于顾客评分/评价和基于顾客购买历史两类。基于用户评分/评价的推荐系统比较多, 如 LIBRA, Item-Based Top- N recommendation 等。这类推荐系统缺乏通用性, 因为收集评分数据需要顾客一些额外配合, 这不是每个电子商务网站都能做到的; 其推荐结果也并不一定客观, 因为不能保证顾客评分能客观反映顾客购买兴趣。基于顾客购买历史的推荐系统则避免了上述不足, 具有良好的通用性。现在基于规则的推荐系统, 往往利用实际交易数据作为数据源, 它符合数据源通用性要求。基于关联规则的推荐系统特点是实现起来比较简洁、推荐效果良好, 并能动态地把客户兴趣变化反映到推荐结果中[4]。目前，国内在网上购物个性化推荐上的发展状况还基本停留在采用一些简单的推荐策略阶段，比如分类浏览、销售排行、热卖商品、热门新闻等等，并没有实现真正意义上的个性化智能推荐。因此，从某种程度而言，网上购物网站，特别是国内的各网上购物网站的效用并没有得到最大化的发挥，用户的购买潜力也没有得到全部地激发和挖掘。所以，推行网上购物中的个性化推荐技术和应用势在必行。个性化推荐系统是一个非常值得我们关注和研究的方向。各种数据挖掘方法如关联规则挖掘技术[5,6]、聚类挖掘技术[7,8]被广泛的应用于个性化推荐中以提高推荐精度。 三、数据挖掘的概述 商业智能的关键成员包括数据挖掘、联机分析处理（Online Analytical Processing）、企业报表和 ETL（数据抽取、转换和加载）[6]。其中，作为关键成员之一的数据挖掘指的是分析数据，使用自动化或半自动化的工具来挖掘数据中隐含的模式。 企业在日常的运营过程中，需要借助一些商业软件来完成，经过这些软件的不断收集和