web版電商erp

　　web挖據(jù)指使用數(shù)據(jù)挖翻技術(shù)在們w數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的模式或信息的過程。Web挖把研究覆蓋了多個研究領(lǐng)域,包括數(shù)據(jù)庫技術(shù)、信息獲取技術(shù)、統(tǒng)計學、人工智能中的機器學習和神經(jīng)網(wǎng)絡(luò)等。

　　Wab挖掘的過程

　　網(wǎng)絡(luò)挖掘的處理流程如下所示：

　　各種數(shù)據(jù)--)信息檢索-一->信息提取-->概括一->分析-->知識

　　2.信息憐索(InfcrtianRetrical)，IR自動提取所有相關(guān)文檔，同時確保不相關(guān)的文悄盡量的少.當前ER的研究包括建模、文檔分類、聚類、用戶接口、數(shù)撼町視化等.

　　2.2信總提取正(Trfartmtian Fxtractian)，IE是把IR數(shù)得到的文檔集合轉(zhuǎn)化成為利于摘要和分析的信息.側(cè)重的是從文檔中抽取相關(guān)信息，而IR則是為了獲取相關(guān)文檔.

　　2.3概括(泛化)，將模式識別和機器學習技術(shù)和窠類方法等應(yīng)用到處理大規(guī)模文檔集合方面，可以在同一個站點內(nèi)部或在多個站點之間進行.

　　2.4分析“分析”)、通過IR和IE已經(jīng)獲得大‘有用的信息。這一過程用于驗證、解釋上步驟產(chǎn)生的模式.

電商3.png

　　3.網(wǎng)絡(luò)挖掘的分類

　　根據(jù)對數(shù)據(jù)的感興趣程度不同，Web挖掘般可以分為三類：Web內(nèi)容挖制、Web內(nèi)容挖掘(網(wǎng)絡(luò)挖掘：WebO5)

　　內(nèi)容挖知指從內(nèi)容.數(shù)據(jù).文銷中發(fā)現(xiàn)有用信恩的過程，·一般從卜面兩個不同的觀點來進行研究.

　　3.l.1從資源查找(信息檢索“的觀點挖斑非結(jié)構(gòu)化文檔非結(jié)構(gòu)化文檔主要指Wob上的自由文本，包括小說、新聞等.這種方法只從統(tǒng)計的角度將詞汀孤立地看特而忽略該詞匯出現(xiàn)的位置和上下文環(huán)境.它的個弊端是訶匯最非常大.處理起來很困難，為解決這個向題采取了不同技術(shù)如伯息增益，交叉炳、差異比等，其日的都是為了硬少屬性.另一個有意義的方法是潛在語叉索引(拉丁語義索引)。

　　3.1.2從數(shù)器庫“數(shù)據(jù)庫”的觀點挖掘非緒構(gòu)化文檔

　　從數(shù)據(jù)庫的觀點進行內(nèi)容挖瓢主要是試圖建立WCB站點的數(shù)據(jù)模型并加以集成.以支持復(fù)爾查詢，而不止是簡單的基于關(guān)鍵詞的搜紫.數(shù)據(jù)庫技術(shù)應(yīng)用于挖掘主要是為了解決挖掘主要是為了解決信息的管理和醛詢問題.這些問題可以分為三類：信息的建模和含詢:信息拍取與集成：Web站點建構(gòu)和重構(gòu)。這要通過找到EB文檔的模式、建討WCB數(shù)據(jù)倉厙或WCB數(shù)據(jù)庫或虛擬數(shù)據(jù)陣來賣現(xiàn)，相關(guān)研究主要是基于半結(jié)構(gòu)化數(shù)據(jù)進行的.

　　3.2Web結(jié)構(gòu)挖慰(WebStruetureing：WebSM)

　　結(jié)構(gòu)挖國的對象是Wobr身的超連接，即剩Web文檔的結(jié)構(gòu)進行花掘。在結(jié)構(gòu)挖掘領(lǐng)域最著名的算法是訪問算法和PageRank算法。他們的共同點是使用一定方法計算.貞面之問超連接的質(zhì)景，從而得到頁面的權(quán)重.網(wǎng)絡(luò)結(jié)構(gòu)挖制另一個蕓試是在網(wǎng)絡(luò)數(shù)臀倉庫環(huán)境下的挖掘。

　　3.3WCB川法挖搖“Web使用挖掘：WCB UM

　　EB用法挖湘即使用記錄挖掘.它通過挖掘相關(guān)的Feb日志記錄呵，可識別用戶的喜好、滿意度，以便發(fā)現(xiàn)潛在用戶.增強站點的服務(wù)競予力.

　　4.在電子商務(wù)中的應(yīng)用。

　　[電子商務(wù)erp中中挖掘的方法針對不同的挖掘“標町以采用不同的數(shù)據(jù)花掘方法，主些有統(tǒng)計分析(”數(shù)據(jù)分析“、知識發(fā)現(xiàn)、預(yù)測模型等三種類型.

　　第一.繞計分析.統(tǒng)計分析主要用于檢在數(shù)據(jù)中的數(shù)學規(guī)律，并利用統(tǒng)計模型和致學模型來解鄆這些規(guī)律.通常使用的方法有線性分析和非線性分析、連續(xù)網(wǎng)歸分析和邏輯回婦分析、單變敏利多變試分析，以及時間序列分析等.繞計分析方法有助于查找大量數(shù)據(jù)間的關(guān)系.

　　第二.知識發(fā)現(xiàn).知識發(fā)現(xiàn)源于人工智能和機器學習，它利用-種數(shù)髯搜尋過程.從數(shù)據(jù)中抽取信息，幫助商業(yè)分析人員進行知識發(fā)現(xiàn).

　　第三.預(yù)測模型.預(yù)測模型基于消費者的消費行為具有-定的重復(fù)性和規(guī)律性這樣·-個假設(shè)，這使得商家可以通過分析收集存儲在數(shù)據(jù)庫中的交易信息，預(yù)測消費者的消費行對.

電商.png

　　4.2web挖掘的作用

　　4.2.1發(fā)現(xiàn)潛在客戶，延長客戶的駐留時間

　　通過挖掘，獲得訪問者的個性興握資料，從面更加充分的了解客廣需要，這樣既可以留住老頗客，也町以挖癡潛在的客戶，且町以提高客戶的駐留時何.對--個電子商務(wù)erp網(wǎng)站來說就意味著效益的增加.

　　4.2優(yōu)化CB姑點，設(shè)計個性化網(wǎng)站強調(diào)個性化信息，商家根據(jù)訪問者的信息米設(shè)計和修改網(wǎng)站的結(jié)構(gòu)和外觀，使客戶能后根據(jù)自己真歡的方式訪問網(wǎng)站，以實現(xiàn)個性化的山場服務(wù).

　　4.2.3增強電子商務(wù)ERP安全“網(wǎng)絡(luò)的內(nèi)容挖制還包括挖掘存有客戶登記信息的后臺交易數(shù)據(jù)率.客戶登記信息在電子商務(wù)erp活動中起著非常重要的作用，特別是在安全方面，或者在對客戶.可訪問信息的限制方面.。

　　4.24降低運營成本。提高企業(yè)競爭力通過挖拋，分析潛在的H標市場，從而優(yōu)化商務(wù)網(wǎng)站的經(jīng)營模式，提高廣告的針對性，進行有針對性的電子商務(wù)erp營銷活動，從而降低公司的運營成

　　電子商務(wù)erp就是將就是將挖掘技術(shù)與電子商務(wù)erp結(jié)合起來，數(shù)據(jù)挖掘的結(jié)果可以幫助商家了解客戶，從而達到贏得競爭的目的。網(wǎng)絡(luò)內(nèi)容挖掘的用數(shù)據(jù)庫觀點挖掘非結(jié)構(gòu)化文檔，由于網(wǎng)絡(luò)數(shù)據(jù)量非常龐大，現(xiàn)階段很多研究只處理半結(jié)構(gòu)化數(shù)據(jù)的一個常用自集。而一些有意義的應(yīng)用是建立多層數(shù)據(jù)庫(MLDB)。對一些特殊的查詢和信息作處理，這一方面值得我們繼續(xù)研究.另外，Web用法挖掘中的一個問題是在多個用戶使用同一個代理服務(wù)器的環(huán)境下如何標識某個用戶，如何識別屬于該用戶的會話和使用記錄，這個問題看起來不大，但卻在很大程度上影響著挖掘質(zhì)量.所以這方面的研究仍在繼續(xù).

發(fā)布：2021-05-31 14:16 編輯：泛普軟件 · hujian [打印此頁] [關(guān)閉]

相關(guān)欄目：