一、Web挖掘在电子商务中的应用（论文文献综述）
孟强[1]（2017）在《面向电子商务用户行为的Web数据挖掘模型与应用研究》文中研究说明互联网和信息技术的发展,促使不断产生新的商业模式,而电子商务这一全新的商业模式凭借互联网和信息技术飞速发展,传统企业纷纷转型走向电子商务发展道路。然而,随着电子商务的快速发展,电子商务网站平台所呈现给用户的商品信息量急剧增长,给用户带来了很多不便的同时,也严重阻碍了电子商务更好的发展。在大数据电子商务时代,企业如何将数据挖掘的思想和方法应用到电子商务中,利用Web数据挖掘技术的强大数据分析处理能力,从海量的Web数据中挖掘出潜在的、有价值的客户行为信息,并用来辅助企业进行正确的、高效的商务分析与决策,这已成为目前研究的热点问题。针对目前对构建与应用电子商务Web数据挖掘模型研究的不足,本文首先介绍了电子商务概述、用户行为的定义和分析内容,Web数据挖掘的定义、分类、流程及常用技术,个性化推荐系统的简介、作用及推荐方法;其次,介绍了 Web数据挖掘在电子商务中的应用背景、应用价值、Web数据分析的类型、数据来源及特点;再次,基于电子商务用户行为Web数据,按照CRISP-DM数据挖掘方法论,运用IBM SPSS Modeler数据挖掘软件,采用多种数据挖掘技术,分析并构建出了用户购买行为预测模型,商品推荐模型,用户细分模型和商品特征分析模型;最后,基于商品推荐模型,设计出了商品个性化推荐系统的总体框架、离线模块、在线模块和MQ数据库,并以MQ音像商城为例,进行设计和开发,最终实现了用户可自行选择设置推荐方法的MQ音像商品的个性化推荐。本文基于电子商务用户行为的Web数据,重点对Web挖掘模型的构建及其在电子商务个性化推荐系统中的应用进行了相关研究和探讨,这对电子商务企业应用Web挖掘模型具有一定的现实意义。
延丽平[2]（2016）在《Web数据挖掘技术在电子商务中的应用》文中进行了进一步梳理电子商务的迅猛发展产生了海量的Web数据,从电子商务的大数据中发现潜在的、有用的知识和信息,是电子商务健康发展的需要。在电子商务中应用Web数据挖掘技术,可实现从电子商务的Web文档和Web活动中抽取出隐藏的有用模式。本文通过介绍Web数据挖掘技术,分析其在电子商务中的挖掘流程,对其在电子商务中的具体应用进行了探讨。
张小兵[3]（2015）在《电子商务中数据库与Web挖掘技术的有效结合》文中研究指明随着电子商务的飞速发展,Web挖掘技术在电子商务中的应用也越来越广泛,在电力商务数据库中利用Web挖掘技术,能有效地挖掘出各种有用的数据信息,从而提高电子商务商家的市场竞争力。文章从Web挖掘技术的概述出发,分析了电子商务中数据库与Web挖掘技术的有效结合,从而为同类研究提供参考。
刘成轩,何运双[4]（2015）在《纺织业电子商务中的Web挖掘技术分析》文中指出纺织业是我国比较传统的产业,随着我国经济的发展,纺织业的发展也产生了很大的变化,当前纺织业逐渐向着多品种、高品质发展,要求企业具有较高的生产能力、高度自动化能力以及快速反应能力等。信息时代的发展,纺织行业逐渐开始开展电子商务来拓宽市场,Web数据挖掘有利于企业分析市场发展趋势,使企业处在有力的竞争地位。本文先简单分析Web数据挖掘技术,进而分析Web数据挖掘技术在纺织业电子商务中的作用,重点研究Web挖掘技术在纺织业电子商务中的应用,希望能为纺织业的发展提供一些参考。
桑志超[5]（2014）在《电子商务环境下的Web数据挖掘系统研究》文中研究指明网络技术的发展使我国电子商务有了很大的进步，网络市场竞争加剧，如何适应市场需求的变化、调整及优化服务方式和管理策略成为企业面临的问题。企业制定决策都要依据访问及交易数据，商家解决这些困境就要具有很强的信息处理、利用能力，进行Web数据挖掘是商家解决电子商务发展中问题的有效途径。本文进行电子商务环境下的Web数据挖掘系统的研究，主要工作内容如下。首先总结目前电子商务中进行Web挖掘的国内外研究现状并对其进行分析，提出该课题的研究内容及意义。分析我国电子商务的发展现状及趋势以及面对的挑战，同时研究Web数据挖掘技术的相关内容，并总结Web数据挖掘在网络交易活动中的应用。其次深入研究Web服务技术、移动Agent技术、软件架构理论及与实际电子商务操作相关的电子商务系统N层体系架构。在此基础之上，提出了一种基于移动Agent和Web服务技术的Web挖掘系统架构。最后进行电子商务环境下Web数据挖掘原型系统的实现来验证架构的性能，研究基于J2EE平台与.NET平台的系统实现技术并进行选择，分析电子商务挖掘系统的逻辑部署，提出系统的模块设计方案，并进行原型系统的实例运行。本文的最终目的是在分析目前电子商务活动中Web挖掘应用现状的基础上，对现有的Web挖掘系统的架构进行改善，提出一种具有更好的跨平台性和更高效的Web挖掘系统架构。
冯丽桥[6]（2014）在《基于Web挖掘技术的电子商务个性化推荐算法研究》文中认为进行些年来随着网络的迅速发展，B2C电子商务发展异常迅速。但是，电子商务网站为用户提供了越来越多的选择同时，在海量的商品信息下，用户经常会迷失自己，无法找到自己所需要的商品。在电子商务日益激烈的竞争中，个性化推荐系统越来越受到企业的追捧，成为电子商务研究的重要领域，它可以模拟销售人员向顾客推荐商品，使顾客可以根据自己的喜好来进行物品的搜索，快速、有效的完成购物，增强网站的竞争力。本文通过对数据挖掘技术、Web挖掘技术、模糊聚类技术、Markov技术以及对目前电子商务网站的个性化推荐系统的发展趋势进行分析研究，构建了基于Web挖掘的电子商务个性化推荐系统。第一、介绍了Web挖掘技术在国内外研究现状，以及Web挖掘在电子商务个性化研究意义。给出了本文的主要研究内容和方法。第二、对数据挖掘进行概述，介绍了数据挖掘的应用与过程；对Web挖掘技术进行了详细介绍，包括电子商务中Web挖掘数据源，数据特点，以及Web挖掘面临的挑战。第三、分析了电子商务网站的个性化推荐技术，传统的个性化推荐技术和基于Web挖掘的个性化推荐技术。构建了基于Web挖掘的个性化推荐系统，从离线部分和在线部分析推荐系统的流程。第四、介绍了模糊聚类分析主要方法，针对Web数据特点提出应用动态直接聚类算法对Web日志数据进行用户聚类和页面聚类，并指出该算法的优越性。第五，采用模糊聚类与Markov链模型结合的方式，先对Web挖掘的数据进行模糊聚类，在每一类中应用Markov模型中进行预测。对基于聚类的Markov链模型和单Markov链模型在预测准确率、时间消耗上进行实验分析，验证了基于聚类的Markov链模型的优越性和有效性，在提高预测精度的同时降低了运算的时间开销和空间开销。最后对论文工作进行总结，结合研究中的不足之处提出有待进一步研究的展望。
郝永宽,王威,聂维同,王德强[7]（2011）在《WEB挖掘与电子商务》文中研究表明数据挖掘是一种透过数理模式来分析企业内储存的大量资料,以找出不同的客户或市场划分,分析出消费者喜好和行为的方法,其使用统计学原理和人工智能等算法进行知识发现。WEB挖掘作为数据挖掘技术在WEB上的一种应用,为解决电子商务所面临的问题提供了有效途径。本文主要阐述WEB挖掘的一般技术和数据挖掘技术在电子商务领域中的应用。
周朕[8]（2011）在《面向电子商务的WEB数据挖掘研究》文中指出随着互联网的迅速发展,互联网上的信息量快速增长。大多数用户无法从庞大的互联网上获得自己想要的信息,很多电子商务网站也无法针对目标用户提供用户感兴趣的内容。当前,在电子商务领域,数据挖掘技术与Web技术正不断融合,利用Web挖掘技术,企业决策者能为用户提供更有效的资源,为企业获得更高的收益。Web挖掘的研究已经建立了较好的理论体系,也取得了一些应用成果,但是,在针对Web数据的挖掘智能化与站点设计基于商业知识发现的总体规划方面存在较多的问题,还需继续研究。本文是针对这一方面进行一些尝试性的研究工作,主要工作内容如下：理解了数据挖掘、Web挖掘相关的基本理论和主要技术；研究了在电子商务领域Web数据挖掘的主要应用以及面临的关键问题；具体分析了在电子商务领域数据挖掘的主要内容和数据源；设计了面向电子商务Web数据挖掘总体模型。详细阐述了基于电子商务Web数据挖掘预处理过程；运用算法描述了数据清洗与净化、用户识别、会话识别和事务识别等过程；研究在电子商务领域运用关联规则技术进行挖掘模式发现,通过实例分析详细探讨了Apriori经典关联规则挖掘算法的具体运用；提出了Apriori算法的不足并对其进行了算法优化；探讨了基于用户浏览兴趣进行用户模糊聚类分析；研究了聚类常用方法,分析了模糊聚类的步骤,研究了用户浏览兴趣的度量及其方法,通过实例分析研究实现了基于用户访问频繁页面次数和耗时的模糊聚类过程。
付海辰[9]（2011）在《现代电子商务与Web挖掘技术的契合》文中研究说明在简要介绍Web挖掘技术的基础上,具体分析了Web内容挖掘、结构挖掘、使用挖掘在现代电子商务中的应用,指出电子商务中的Web挖掘技术是企业发展信息化和智能化的需要。
庞英智[10]（2011）在《Web数据挖掘技术在电子商务中的应用》文中研究说明本文介绍了在电子商务中Web数据挖掘的过程、主要挖掘方法及应用。将数据挖掘技术应用于电子商务,对企业积累的海量数据进行处理,从这些数据中发现潜在的规律,把握客户动态、追踪市场变化,帮助企业制定今后的发展战略,使电子商务更具个性化和针对性。
二、Web挖掘在电子商务中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Web挖掘在电子商务中的应用（论文提纲范文）
（1）面向电子商务用户行为的Web数据挖掘模型与应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究述评 |
| 1.3 研究方法及技术路线 |
| 1.3.1 本文研究方法 |
| 1.3.2 本文技术路线 |
| 1.4 研究内容及创新点 |
| 1.4.1 主要研究内容 |
| 1.4.2 本文的创新点 |
| 第2章 相关理论概述 |
| 2.1 电子商务用户行为 |
| 2.1.1 电子商务概述 |
| 2.1.2 电子商务用户行为的定义 |
| 2.1.3 电子商务用户行为分析的内容 |
| 2.2 Web数据挖掘技术 |
| 2.2.1 Web数据挖掘的定义 |
| 2.2.2 Web数据挖掘的分类 |
| 2.2.3 Web数据挖掘的流程 |
| 2.2.4 Web数据挖掘的常用技术 |
| 2.3 个性化推荐系统 |
| 2.3.1 个性化推荐系统的简介 |
| 2.3.2 个性化推荐系统的作用 |
| 2.3.3 个性化推荐系统的推荐方法 |
| 2.4 本章小结 |
| 第3章 Web数据挖掘在电子商务中的应用 |
| 3.1 电商中应用背景及Web数据分析的类型 |
| 3.1.1 商业应用背景 |
| 3.1.2 Web数据分析的类型 |
| 3.2 电商中Web挖掘的数据来源及特点 |
| 3.2.1 Web挖掘的数据来源 |
| 3.2.2 Web挖掘的数据特点 |
| 3.3 电商中Web挖掘的应用价值 |
| 3.3.1 挖掘潜在客户 |
| 3.3.2 提供个性化服务 |
| 3.3.3 改进站点设计 |
| 3.3.4 聚类客户 |
| 3.3.5 搜索引擎的应用 |
| 3.3.6 广告效益评估 |
| 3.3.7 网络安全 |
| 3.4 本章小结 |
| 第4章 基于电子商务用户行为的Web挖掘模型构建 |
| 4.1 数据理解与准备 |
| 4.1.1 数据理解 |
| 4.1.2 数据准备 |
| 4.2 Web挖掘模型的构建与分析 |
| 4.2.1 使用分类分析构建用户购买行为预测模型 |
| 4.2.2 使用聚类分析构建商品推荐模型 |
| 4.2.3 使用决策树C5.0算法构建用户细分模型 |
| 4.2.4 使用关联分析Apriori算法构建商品特征分析模型 |
| 4.3 本章小结 |
| 第5章 商品推荐模型在MQ音像商城中的应用与实现 |
| 5.1 商品个性化推荐系统的设计 |
| 5.1.1 系统总体框架设计 |
| 5.1.2 离线模块系统设计 |
| 5.1.3 在线模块系统设计 |
| 5.1.4 数据表结构设计 |
| 5.2 商品个性化推荐系统的实现 |
| 5.2.1 开发平台和工具 |
| 5.2.2 主要运行界面 |
| 5.3 本章小结 |
| 第6章 全文总结与研究展望 |
| 6.1 工作总结与不足 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文 |
（2）Web数据挖掘技术在电子商务中的应用（论文提纲范文）
| 0 引言 |
| 1 Web数据挖掘 |
| 2 面向电子商务的Web数据挖掘 |
| 2.1 Web数据挖掘过程 |
| 2.2 Web数据挖掘在电子商务中的应用 |
| 3 结束语 |
（3）电子商务中数据库与Web挖掘技术的有效结合（论文提纲范文）
| 0 引言 |
| 1 Web 挖掘技术的概述 |
| 1.1 Web 挖掘技术的概念 |
| 1.2 Web 挖掘技术的类型 |
| 2 电子商务数据库中 Web 挖掘技术的有效应用 |
| 2.1 电子商务数据库中 Web 挖掘技术的挖掘对象 |
| 2.2 Web 挖掘技术在电子商务数据库中的应用 |
| 2.2.1 挖掘潜在客户 |
| 2.2.2 改进网站设计 |
| 2.2.3 客户聚类 |
| 3 总结 |
（4）纺织业电子商务中的Web挖掘技术分析（论文提纲范文）
| 1 Web数据挖掘技术概述 |
| 2 Web数据挖掘技术在纺织业电子商务中的作用 |
| 3 纺织业电子商务面向Web挖掘的新型架构 |
| 3.1 Web数据挖掘的流程 |
| 3.2 纺织业电子商务面向Web挖掘的新型架构 |
| 3.2.1 Web挖掘关键技术 |
| 3.2.2 Web挖掘平台设计 |
| 4 Web挖掘原型系统的实现 |
| 5 结束语 |
（5）电子商务环境下的Web数据挖掘系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 国内外研究现状 |
| 1.2.2 对现状的分析 |
| 1.3 课题研究的内容和意义 |
| 1.3.1 课题研究的内容 |
| 1.3.2 课题研究的意义 |
| 第2章 Web 挖掘的定义、分类、流程及其在电子商务中的应用 |
| 2.1 我国电子商务的发展及数据挖掘面临的挑战 |
| 2.2 Web 数据挖掘 |
| 2.2.1 数据挖掘 |
| 2.2.2 Web 数据挖掘的定义 |
| 2.3 Web 数据挖掘的分类 |
| 2.3.1 Web 内容挖掘 |
| 2.3.2 Web 结构挖掘 |
| 2.3.3 Web 使用挖掘 |
| 2.4 Web 数据挖掘的流程 |
| 2.4.1 数据源的收集 |
| 2.4.2 数据的预处理 |
| 2.4.3 数据的挖掘阶段 |
| 2.5 Web 数据挖掘在电子商务中的应用 |
| 2.5.1 电子商务中 Web 数据挖掘的资源 |
| 2.5.2 电子商务系统中 Web 数据挖掘的过程 |
| 2.5.3 将 Web 数据挖掘应用于电子商务的优势 |
| 2.6 本章小结 |
| 第3章 Web 服务技术、移动 Agent 技术、软件架构 |
| 3.1 Web 服务技术及其技术应用 |
| 3.1.1 Web 服务的定义及体系架构 |
| 3.1.2 Web 服务实现的主要技术 |
| 3.1.3 Web 服务合成技术 |
| 3.2 移动 Agent 技术及其应用环境分析 |
| 3.2.1 移动 Agent 技术的定义 |
| 3.2.2 移动 Agent 系统的组成 |
| 3.2.3 移动 Agent 的优势及其应用 |
| 3.3 软件架构 |
| 3.3.1 软件架构的定义 |
| 3.3.2 软件架构的作用 |
| 3.3.3 电子商务系统的 N 层体系架构 |
| 3.4 本章小结 |
| 第4章 基于移动 Agent 和 Web 服务的 Web 挖掘架构设计 |
| 4.1 移动 Agent 技术在 Web 服务中的应用 |
| 4.2 数据挖掘引擎设计 |
| 4.3 Web 数据挖掘系统总体架构设计 |
| 4.4 本章小结 |
| 第5章 电子商务环境下 Web 数据挖掘原型系统的实现 |
| 5.1 电子商务系统的实现技术 |
| 5.1.1 基于 J2EE 平台的实现技术 |
| 5.1.2 基于.NET 平台的实现技术 |
| 5.1.3 J2EE 平台与.NET 平台的直观比较 |
| 5.2 Web 数据挖掘流程与电子商务流程的融合 |
| 5.3 电子商务挖掘系统的功能模块设计 |
| 5.4 Web 数据挖掘原型系统的实现 |
| 5.4.1 开发工具介绍 |
| 5.4.2 数据挖掘原型系统的总体结构 |
| 5.4.3 数据库连接 |
| 5.4.4 参数文件格式 |
| 5.4.5 数据预处理 |
| 5.4.6 控制中心模块 |
| 5.4.7 管理算法模块 |
| 5.5 原型系统的实例运行 |
| 5.6 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（6）基于Web挖掘技术的电子商务个性化推荐算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 Web 挖掘在电子商务个性化领域应用背景 |
| 1.2 Web 挖掘在电子商务个性化领域应用意义 |
| 1.3 国内外研究现状 |
| 1.3.1 电子商务个性化推荐系统研究现状 |
| 1.3.2 基于 Web 挖掘的电子商务个性化研究现状 |
| 1.4 主要研究内容 |
| 第二章 数据挖掘技术概述 |
| 2.1 数据挖掘 |
| 2.1.1 数据挖掘概述 |
| 2.1.2 数据挖掘应用 |
| 2.1.3 数据挖掘过程 |
| 2.2 Web 挖掘概述 |
| 2.2.1 Web 挖掘的介绍 |
| 2.2.2 Web 挖掘的分类 |
| 2.2.3 Web 挖掘面临的挑战 |
| 2.3 电子商务与 Web 挖掘技术 |
| 2.3.1 Web 挖掘的数据源 |
| 2.3.2 电子商务中 Web 挖掘的优越性 |
| 第三章 基于 Web 挖掘技术电子商务个性化推荐系统 |
| 3.1 个性化推荐技术 |
| 3.1.1 传统个性化推荐技术 |
| 3.1.2 基于 Web 挖掘电子商务个性化系统 |
| 3.2 基于 Web 挖掘电子商务个性化系统 |
| 3.2.1 离线部分 |
| 3.2.2 在线部分 |
| 3.3 Web 挖掘流程 |
| 3.3.1 数据采集 |
| 3.3.2 数据清洗 |
| 3.3.3 模式发现 |
| 3.3.4 模式分析与验证 |
| 第四章 Web 用户聚类和 Web 网页聚类 |
| 4.1 聚类分析 |
| 4.1.1 聚类分析在电子商务中的应用 |
| 4.1.2 聚类分析常用方法 |
| 4.2 模糊聚类 |
| 4.2.1 最大树法 |
| 4.2.2 传递闭包聚类方法 |
| 4.2.3 动态直接聚类（DDFCA） |
| 4.3 动态直接聚类（DDFCA）算法 |
| 4.3.1 模糊相似矩阵 |
| 4.3.2 动态直接聚类算法过程 |
| 4.4 实例分析 |
| 4.4.1 基于 Web 用户聚类 |
| 4.4.2 基于 Web 页面聚类 |
| 4.4.3 模糊聚类方法评价 |
| 第五章 基于聚类的 Markov 链预测模型 |
| 5.1 Web 预测模型 |
| 5.2 Markov 预测模型 |
| 5.2.1 Markov 模型简介 |
| 5.2.2 Markov 模型预测过程 |
| 5.3 基于聚类方法的 Markov 预测分析 |
| 5.3.1 Markov 链预测模型 |
| 5.3.2 基于聚类方法的 Markov 链预测模型 |
| 5.4 实验分析 |
| 第六章 论文总结 |
| 6.1 总结 |
| 6.2 研究不足 |
| 6.3 对电子商务个性化推荐策略分析 |
| 参考文献 |
| 致谢 |
（7）WEB挖掘与电子商务（论文提纲范文）
| 1、引言 |
| 2、WEB数据挖掘在电子商务中的应用 |
| 2.1 留住老客户, 发掘潜在客户 |
| 2.2 优化站点, 设计个性化网站 |
| 2.3 聚类客户, 提高竞争力 |
| 2.4 提高系统效率, 保障安全服务 |
| 3、结语 |
（8）面向电子商务的WEB数据挖掘研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 数据挖掘在电子商务领域应用背景 |
| 1.2 数据挖掘面向电子商务应用意义 |
| 1.3 数据挖掘在电子商务领域发展现状 |
| 1.4 本文主要内容 |
| 第二章 数据挖掘与Web数据挖掘 |
| 2.1 数据挖掘 |
| 2.1.1 数据挖掘简介 |
| 2.1.2 数据挖掘应用 |
| 2.1.3 数据挖掘主要技术 |
| 2.1.4 数据挖掘过程 |
| 2.2 面向电子商务Web数据挖掘 |
| 2.2.1 Web挖掘概述 |
| 2.2.2 Web挖掘分类 |
| 2.2.3 面向电子商务的Web挖掘的数据源 |
| 2.2.4 电子商务中Web数据挖掘特点 |
| 2.2.5 电子商务中Web挖掘技术应用 |
| 2.2.6 Web数据挖掘的关键问题 |
| 2.3 小结 |
| 第三章 Web挖掘模型构建和数据预处理 |
| 3.1 基于电子商务Web挖掘模型构建 |
| 3.2 Web挖掘预处理 |
| 3.2.1 数据收集及日志导入 |
| 3.2.2 数据清洗与净化 |
| 3.2.3 用户识别 |
| 3.2.4 会话识别 |
| 3.2.5 事务识别 |
| 3.3 小结 |
| 第四章 面向电子商务关联规则挖掘模式发现 |
| 4.1 关联规则概述 |
| 4.2 关联规则的Apriori挖掘算法 |
| 4.3 Apriori算法实例分析 |
| 4.4 Apriori算法的不足与优化 |
| 4.4.1 Apriori算法的不足 |
| 4.4.2 Apriori算法的优化 |
| 4.5 小结 |
| 第五章 基于用户浏览兴趣的模糊聚类 |
| 5.1 聚类定义及常用方法 |
| 5.2 模糊聚类及模糊聚类分析步骤 |
| 5.3 用户浏览兴趣度量及其方法 |
| 5.4 基于用户访问频繁页面次数和耗时的模糊聚类 |
| 5.5 基于用户访问模糊聚类实例分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 6.2.1 发展趋势 |
| 6.2.2 进一步工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
（9）现代电子商务与Web挖掘技术的契合（论文提纲范文）
| 一、Web挖掘技术简介 |
| 二、Web挖掘技术在电子商务中的工作流程 |
| 三、Web挖掘技术在电子商务中的具体应用 |
| 1. 利用Web内容挖掘提取客户反馈信息, 改进电子商务服务。 |
| 2. 利用Web结构挖掘技术优化用户浏览路径, 提高访问量。 |
| 3. 利用Web使用挖掘技术可以为客户提供个性化服务, 挖掘新客户, 保持老客户。 |
| 四、结语 |
（10）Web数据挖掘技术在电子商务中的应用（论文提纲范文）
| 1 Web数据挖掘 |
| 1.1 Web结构挖掘 |
| 1.2 Web内容挖掘 |
| 1.3 Web使用挖掘 |
| 2 电子商务中的Web数据挖掘技术 |
| 2.1 路径分析技术 |
| 2.2 关联分析技术 |
| 2.3 聚类分析技术 |
| 2.4 分类分析技术 |
| 3 电子商务中Web数据挖掘的过程 |
| 3.1 数据收集 |
| 3.2 数据预处理 |
| 3.3 模式发现 |
| 3.4 模式分析 |
| 4 Web数据挖掘技术在电子商务中的应用 |
| 4.1 数据挖掘在客户关系管理中的应用 |
| 4.1.1 挖掘潜在客户 |
| 4.1.2 延长客户驻留时间 |
| 4.2 数据挖掘技术在优化电子商务网站设计中的应用 |
| 4.2.1 优化Web站点 |
| 4.2.2 系统改进 |
| 4.3 数据挖掘在电子商务网络营销中的应用 |
| 4.3.1 交叉销售 |
| 4.3.2 建立营销情报系统 |
| 5 结语 |
四、Web挖掘在电子商务中的应用（论文参考文献）
- [1]面向电子商务用户行为的Web数据挖掘模型与应用研究[D]. 孟强. 黑龙江大学, 2017(07)
- [2]Web数据挖掘技术在电子商务中的应用[J]. 延丽平. 计算机时代, 2016(03)
- [3]电子商务中数据库与Web挖掘技术的有效结合[J]. 张小兵. 网络安全技术与应用, 2015(04)
- [4]纺织业电子商务中的Web挖掘技术分析[J]. 刘成轩,何运双. 电子技术与软件工程, 2015(05)
- [5]电子商务环境下的Web数据挖掘系统研究[D]. 桑志超. 河北工程大学, 2014(03)
- [6]基于Web挖掘技术的电子商务个性化推荐算法研究[D]. 冯丽桥. 河北工业大学, 2014(03)
- [7]WEB挖掘与电子商务[J]. 郝永宽,王威,聂维同,王德强. 数字技术与应用, 2011(11)
- [8]面向电子商务的WEB数据挖掘研究[D]. 周朕. 中南大学, 2011(12)
- [9]现代电子商务与Web挖掘技术的契合[J]. 付海辰. 企业导报, 2011(06)
- [10]Web数据挖掘技术在电子商务中的应用[J]. 庞英智. 情报科学, 2011(02)