首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

Web数据挖掘在电子商务中的研究与应用

摘要第6-7页
Abstract第7页
第1章 绪论第14-18页
    1.1 课题研究背景及意义第14-15页
    1.2 研究现状及发展趋势第15-16页
        1.2.1 数据挖掘的研究现状第15页
        1.2.2 Web挖掘在电子商务中的现状第15-16页
        1.2.3 Web挖掘在电子商务中发展趋势第16页
    1.3 论文研究内容第16-17页
    1.4 论文组织结构第17-18页
第2章 数据挖掘与Web数据挖掘第18-26页
    2.1 引言第18页
    2.2 数据挖掘技术第18-21页
        2.2.1 数据挖掘概述第18页
        2.2.2 数据挖掘主要技术第18-20页
        2.2.3 数据挖掘应用领域第20-21页
    2.3 Web数据挖掘第21-23页
        2.3.1 Web数据挖掘概念第21页
        2.3.2 Web数据特点第21-22页
        2.3.3 Web数据挖掘分类第22页
        2.3.4 Web挖掘的新研究领域第22-23页
    2.4 面向电子商务的Web挖掘第23-25页
        2.4.1 面向电子商务的Web数据源第23-24页
        2.4.2 面向电子商务的Web挖掘技术第24-25页
    2.5 本章小结第25-26页
第3章 电子商务中推荐系统研究第26-34页
    3.1 引言第26页
    3.2 电子商务概述第26-27页
        3.2.1 电子商务的概念第26页
        3.2.2 电子商务的类型第26-27页
    3.3 电子商务的个性化推荐系统类型第27-29页
        3.3.1 基于协同过滤的个性化推荐系统第27页
        3.3.2 基于内容的个性化推荐系统第27-28页
        3.3.3 基于网络结构的个性化推荐系统第28页
        3.3.4 混合个性化推荐系统第28页
        3.3.5 基于Web挖掘的推荐系统第28-29页
    3.4 个性化推荐算法第29-33页
        3.4.1 协同过滤算法第29-30页
        3.4.2 聚类分析算法第30-31页
        3.4.3 贝叶斯网络第31-32页
        3.4.4 关联规则第32-33页
    3.5 本章小结第33-34页
第4章 基于模糊聚类的客户群划分第34-48页
    4.1 引言第34页
    4.2 聚类分析概述第34-36页
        4.2.1 聚类分析方法第34-35页
        4.2.2 聚类算法存在问题及改进方法第35-36页
    4.3 模糊C-均值聚类第36-41页
        4.3.1 FCM算法思想第36-38页
        4.3.2 变权划分熵第38-40页
        4.3.3 模糊加权指数第40-41页
    4.4 试验数据分析第41-47页
        4.4.1 数据来源第41-42页
        4.4.2 FCM核心代码第42-44页
        4.4.3 实验结果分析第44-47页
    4.5 本章小结第47-48页
第5章 基于网络的电商销售数据分析第48-64页
    5.1 引言第48页
    5.2 数据抓取技术第48-50页
        5.2.1 爬虫原理第48页
        5.2.2 数据抓取策略第48-49页
        5.2.3 安全策略第49-50页
    5.3 数据抓取模块第50-56页
        5.3.1 系统的整体架构第50-51页
        5.3.2 数据存储模块第51-53页
        5.3.3 爬虫模块第53-54页
        5.3.4 实时监控第54-56页
    5.4 电商销售数据分析第56-63页
        5.4.1 可视化和幂律分布第56-57页
        5.4.2 自相性分析第57-58页
        5.4.3 度分布第58页
        5.4.5 数据销量分布试验第58-63页
    5.5 本章小结第63-64页
结论与展望第64-66页
参考文献第66-69页
攻读学位期间发表的学术论文第69-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:单目视觉移动机器人SLAM方法建模与仿真分析
下一篇:基于爬虫和文本聚类分析的网络舆情分析系统设计与实现