论文部分内容阅读
【摘要】 本文首先对数据挖掘技术进行了分析，重点对数据挖掘技术中的协同过滤技术在电子商务推荐系统中的应用与实现进行了介绍与分析。希望能为促进电子商务推荐系统的发展提供一定的借鉴。
【关键词】 数据挖掘技术；电子商务；推荐系统；研究
随着计算机互联网技术在社会工作与生活中的普及，电子商务产业也获得了快速的发展。为了进一步扩大电子商务的市场，提高电子商务企业的经济效益，电子商务推荐系统被开发出来。而数据挖掘技术作为支持该系统运行的重要技术，对电子商务推荐系统的发展具有重要意义。本文将主要对其进行分析与研究。
一、数据挖掘技术概述
数据挖掘技术至今还没有一个统一的、确定的概念定义。归结起来，笔者认为数据挖掘的概念应主要包括以下三方面内容：①未知。一些学者也将其表述为新颖。这一方面内容强调的是数据挖掘技术能够清楚的揭示出许多数据之间的相互关联关系，并对于隐藏在这些数据信息后的隐含信息也能随之被呈现。通常来说，被挖掘出的信息越隐秘，那么其价值也就越大[1]。②可用。一些学者也将其表述为有效、支持决策等。数据挖掘技术的这一内容主要强调对数据信息可用性价值的需求。因为只有挖掘出了有价值的、能够被人们利用的数据信息，才能满足人们的需求，推动某些事物的发展。③可理解。一些学者也将这一内容解释为可解释。然而无论表述之间存在着怎样的差异，这一内容都主要对被挖掘出的数据信息的可理解状况提出了要求。只有那些通被商家与客户理解的数据信息才能够被最终应用，发挥其自身的价值，带动相关利益主体的进步与发展。
二、协同过滤技术
数据挖掘技术有许多种类，如关联规则、聚类、贝叶斯网络和协同过滤技术等[2]。其中协同过滤技术作为数据挖掘技术中最具有价值的一种技术，被广泛的应用到了现如今的电子商务推荐系统之中。
2.1协同过滤技术的实现
协同过滤技术的实现并不是一步就可以完成的，而需要经过多个步骤。经过归纳，笔者将其分为三个主要步骤：第一，人们需要事先对用户进行调查，以记录和收集他们对企业商品项目的评价信息；第二，对企业项目集的搜索结果进行生成操作；第三，对企业项目集推荐结果进行生成操作[3]。在进行第一个步骤时，人们经常使用显示评价法与人工调查法对商品项目的评价信息进行收集。在电子商务时代，传统的人工走访方式已经逐渐被取代，更多的是应用显示评价法对商品项目信息进行收集。
2.2基于用户的协同过滤技术
此种协同过滤技术主要通过惯性分析方式将电子商务企业的用户作为研究对象，这种数据挖掘技术是以用户为研究对象的。也就是说当电子商务企业的某两个用户对于某一商品的评价信息趋于一致时，那么系统就会推断这两个用户对商品的喜好品味是相同的，而商务推荐系统在以后的工作中在对某一商品进行推荐评价等工作时就会认为这两个用户也会对此商品有着同样的喜爱程度。
将基于用户的协同过滤技术应用到电子商务的推荐系统中，电子商务推荐系统能够更加轻松的对商品项目用户的喜好倾向进行搜集与挖掘，从而为相关的商家提供一定的数据信息支持其新产品的研发设计等。并且通过这一技术电子商务推荐系统还能够对并未购买过某商品的用户，但是与其有着相同喜好的用户已经购买过的关联用户进行商品推荐，以发掘更多的潜在购买用户，扩大企业的市场，增加产品的销量，从而获取更高的利益。
2.3基于项目的协同过滤技术
基于项目的协同过滤技术主要将商品项目作为其作用对象。若电子商务推荐系统要想将某件商品Y推荐给某个用户S。就应该首先将用户S已经购买并评价过的商品（Y1、Y2……Yn）进行统计，然后对电子商务企业需要推荐的商品Y和这n个已经评价过的商品之间的相似度进行计算与对比。找出这n个评价过商品中与待推荐商品Y相似度最大的商品项目，从而建立起与待推荐商品Y相似的商品集合（n1、n2……nk）。由于商品用户S对待推荐的商品Y的评价情况与用户S对（n1、n2……nk）中商品集合的评价情况相似度较高，因此电子商务推荐系统会用用户S对（n1、n2……nk）商品集合的评价值进行加权的方式来得出用户S对待推荐商品Y的评价值F。当F大于推荐平均值w时，电子商务推荐系统就会对用户S推荐商品Y。
三、结束语
本文主要对基于数据挖掘技术的电子商务推荐系统进行了研究，并重点对协同过滤技术对电子商务推荐系统的重要性作用进行了分析，希望能够进一步推动电子商务推荐系统的发展。
参 考 文 献
[1] 韩家炜.数据挖掘——概念与技术（范明，孟小峰译）[M].机械工业出版社，2011.
[2] 郭萌，王珏.数据挖掘与数据库知识发现：综述[J].模式识别与人工智能，2010，11（3）：292-299.
[3] 卞荣兵.基于网格密度的数据挖掘的研究与应用[D].南京气象学院硕士论文，2013，14（2）：12-19.
【关键词】 数据挖掘技术；电子商务；推荐系统；研究
随着计算机互联网技术在社会工作与生活中的普及，电子商务产业也获得了快速的发展。为了进一步扩大电子商务的市场，提高电子商务企业的经济效益，电子商务推荐系统被开发出来。而数据挖掘技术作为支持该系统运行的重要技术，对电子商务推荐系统的发展具有重要意义。本文将主要对其进行分析与研究。
一、数据挖掘技术概述
数据挖掘技术至今还没有一个统一的、确定的概念定义。归结起来，笔者认为数据挖掘的概念应主要包括以下三方面内容：①未知。一些学者也将其表述为新颖。这一方面内容强调的是数据挖掘技术能够清楚的揭示出许多数据之间的相互关联关系，并对于隐藏在这些数据信息后的隐含信息也能随之被呈现。通常来说，被挖掘出的信息越隐秘，那么其价值也就越大[1]。②可用。一些学者也将其表述为有效、支持决策等。数据挖掘技术的这一内容主要强调对数据信息可用性价值的需求。因为只有挖掘出了有价值的、能够被人们利用的数据信息，才能满足人们的需求，推动某些事物的发展。③可理解。一些学者也将这一内容解释为可解释。然而无论表述之间存在着怎样的差异，这一内容都主要对被挖掘出的数据信息的可理解状况提出了要求。只有那些通被商家与客户理解的数据信息才能够被最终应用，发挥其自身的价值，带动相关利益主体的进步与发展。
二、协同过滤技术
数据挖掘技术有许多种类，如关联规则、聚类、贝叶斯网络和协同过滤技术等[2]。其中协同过滤技术作为数据挖掘技术中最具有价值的一种技术，被广泛的应用到了现如今的电子商务推荐系统之中。
2.1协同过滤技术的实现
协同过滤技术的实现并不是一步就可以完成的，而需要经过多个步骤。经过归纳，笔者将其分为三个主要步骤：第一，人们需要事先对用户进行调查，以记录和收集他们对企业商品项目的评价信息；第二，对企业项目集的搜索结果进行生成操作；第三，对企业项目集推荐结果进行生成操作[3]。在进行第一个步骤时，人们经常使用显示评价法与人工调查法对商品项目的评价信息进行收集。在电子商务时代，传统的人工走访方式已经逐渐被取代，更多的是应用显示评价法对商品项目信息进行收集。
2.2基于用户的协同过滤技术
此种协同过滤技术主要通过惯性分析方式将电子商务企业的用户作为研究对象，这种数据挖掘技术是以用户为研究对象的。也就是说当电子商务企业的某两个用户对于某一商品的评价信息趋于一致时，那么系统就会推断这两个用户对商品的喜好品味是相同的，而商务推荐系统在以后的工作中在对某一商品进行推荐评价等工作时就会认为这两个用户也会对此商品有着同样的喜爱程度。
将基于用户的协同过滤技术应用到电子商务的推荐系统中，电子商务推荐系统能够更加轻松的对商品项目用户的喜好倾向进行搜集与挖掘，从而为相关的商家提供一定的数据信息支持其新产品的研发设计等。并且通过这一技术电子商务推荐系统还能够对并未购买过某商品的用户，但是与其有着相同喜好的用户已经购买过的关联用户进行商品推荐，以发掘更多的潜在购买用户，扩大企业的市场，增加产品的销量，从而获取更高的利益。
2.3基于项目的协同过滤技术
基于项目的协同过滤技术主要将商品项目作为其作用对象。若电子商务推荐系统要想将某件商品Y推荐给某个用户S。就应该首先将用户S已经购买并评价过的商品（Y1、Y2……Yn）进行统计，然后对电子商务企业需要推荐的商品Y和这n个已经评价过的商品之间的相似度进行计算与对比。找出这n个评价过商品中与待推荐商品Y相似度最大的商品项目，从而建立起与待推荐商品Y相似的商品集合（n1、n2……nk）。由于商品用户S对待推荐的商品Y的评价情况与用户S对（n1、n2……nk）中商品集合的评价情况相似度较高，因此电子商务推荐系统会用用户S对（n1、n2……nk）商品集合的评价值进行加权的方式来得出用户S对待推荐商品Y的评价值F。当F大于推荐平均值w时，电子商务推荐系统就会对用户S推荐商品Y。
三、结束语
本文主要对基于数据挖掘技术的电子商务推荐系统进行了研究，并重点对协同过滤技术对电子商务推荐系统的重要性作用进行了分析，希望能够进一步推动电子商务推荐系统的发展。
参 考 文 献
[1] 韩家炜.数据挖掘——概念与技术（范明，孟小峰译）[M].机械工业出版社，2011.
[2] 郭萌，王珏.数据挖掘与数据库知识发现：综述[J].模式识别与人工智能，2010，11（3）：292-299.
[3] 卞荣兵.基于网格密度的数据挖掘的研究与应用[D].南京气象学院硕士论文，2013，14（2）：12-19.