本文研究商务智能中的利润挖掘算法与应用,包括如下几个方面:商品选择、商品促销、市场细分、目录细分和信用评估。本文从利润的角度出发,应用数据挖掘方法来帮助企业提升利润。本文从利润角度考察数据挖掘在商务中的应用框架,此框架能够帮助企业进行决策从而提升企业的利润,帮助企业选择合理的商品组合从而布置店铺,帮助企业设计合理的目录从而吸引更多的顾客进入店铺,帮助企业挑选优化的高端人群定制高端目录从而获取更高的利润,帮助银行依据申请人的条件进行判别从而发放合适额度的贷款。本文对商品选择问题,提出了基于链接分析的算法FullRank,给出算法的三种表示方法,并讨论衰减因子的边界值,给出了算法的收敛性证明,并提出了算法的三种随机解释。实验结果表明,该算法能取得更好的利润度。对于此问题还给出了DualRank算法和SALSARank算法。实验结果比较了各算法的优缺点。本文对面向顾客的目录细分问题,提出了基于TFP-Tree的MaxCover算法,以获得最多的顾客覆盖率。在面向顾客的目录细分问题上加入利润约束,提出了双重约束的目录细分问题,并给出了一个算法DCCS,分析了该算法的复杂度,并与其它算法进行比较,得到的结果表明算法能够针对高利润人群从而获得更高的利润。本文对信用评估问题,提出了HACS算法、HubAvgCS算法和ATkCS算法,应用链接分来寻找合适的权威矩阵,然后使用支持向量机来进行识别,实验表明了该方法的有效性。本文构建了一个专业的利润挖掘在商务中的应用工具,通过本文提出的算法进行决策分析,对企业的策略给出合理的建议。