文档介绍：电子商务电子商务论文范文:阐述数据挖掘技术在电子商务
推荐中的应用word版下载
导读：本论文是一篇关于数据挖掘技术在电子商务推荐中的应用的优秀论文范文,对正在写有关于电子商务论文的写作者有一定的参考和指导作用，论文片段：
摘要：nd Systems for E-Commerce)的正式定义由Resnick & Varian在1997年给出：''电子商务推荐系统是利用电子商务网站向用户提供产品信息和相关倡议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购物过程的系统”。
电子商务推荐系统如同“采购助手”，根据用户的兴趣爱好，向用户提供商品推荐，帮助用户在尽量短的时间找到所需商品，满足其个性化的需求，从而顺利完成购买过程。电子商务推荐系统不仅能为用户提供个性化的推荐服务，而且能给电子商务网站带来丰厚的商业利益。主要体现在以下几个方面：
将电子商务系统的浏览者转变为购买者。已有明确购物目标的客户也许会通过搜索功能找到自己需要的商品，但对于大多数的冲浪者和模糊的购买者，很难有耐心逐项查找是否有自己感兴趣的东西，如果这个时候推荐系统能够有针对性地向其提供合适的商品推荐，往往可以将一个浏览者变为购买者。
2）推动销售。电子商务推荐系统在用户购买过程中向用户推荐其它商品，用户能够从推荐商品中购买自己确实需要但又没想到的商品，从而有效提高销售量。比如向购买面包和黄油的顾客推荐牛奶，从而增加商品的销售，提高销售利润。
3）提高用户的满意度和忠诚度。与传统的商务模式相比，电子商务推荐系统分析用户的购买行为习惯，根据用户需求向用户提供有价值的商品推荐，用户容易的购买到自己需要的商品，那么用户会再次访问并推荐给其他人。
3电子商务推荐中的数据挖掘技术
数据挖掘按照其挖掘任务主要包括关联规则挖掘、聚类分析、分类和预测、回归发现和序列模式发现等技术。在选择某种数据挖掘技术之前，首先要将需要解决的理由转化成正确的数据挖掘任务，然后根据挖掘的任务来选择使用哪些数据挖掘技术。在电子商务推荐活动中，主要使用下面的一些数据挖掘技术。
1）关联规则（Association Rule）:关联规则的挖掘就是为了在交易数据库中发现两个或两个以上的商品（项）之间的有作用关联或相关联系，从而描述了一个事物中某些属性同时出现的规律和模式。关联规则挖掘的典型例子是购物篮分析或销售历史记录分析，其中的一个例子就是“90%的客户在购买面包的同时也会购买牛奶”，其作用就是顾客在购买某些商品的时候有多大可能会同时购买另外一些东西。显然，这种关联规则反映了顾客的购买习惯。如果商家能够充分利用这些购买习惯，就可以增加商品的销售，提高销售利润。
聚类分析(Clustering):聚类分析是将数据点集合分成若干类或簇，使得每个簇中的数据点之间最大程度地相似，而不同簇中的数据点最大程度地不同，从而发现数据集中有效的、新颖的、可以理解的数据模式分布。在电子商务数据挖掘应用中包含页聚类和用户聚
类。页聚类是将内容相关的页面归在一个网页组，常用于网上搜索引擎及提供上网帮助。用户聚类是将具有相似喜好特性的用户归在一起，从而动态地为用户定制观看的内容或提供浏览倡议。聚类分析可以方便用户查询和浏览，增强广告的作用，推动网