一、课题的目的及意义：
在Internet时代，客户变得更具有决定权。客户通过Web创设的没有任何时间和空间限制的虚拟市场，能够很容易了解许多企业的产品情况、供应商的产品与服务情况以及供应商竞争对手的情况。从而能够以最低的价格购买到合适的产品。在某种意义上讲。Web给了客户巨大的能力来决定购买谁的产品。然而随着web站点的信息量及其复杂度的迅速上升，却导致了用户寻找信息的困难。使用个性化服务可以方便用户浏览和查询、增强广告的作用、促进网上销售、提高用户忠诚度，因此在这样的研究背景，对基于web挖掘的深入研究将有力促进电子商务个性定制，具有巨大的应用前景和经济效益。
二、研究内容：
研究数据挖掘技术在电子商务网站中的应用，需要包含以下几个方面：
1、充分理解网站数据挖掘的经典算法。目前常用的方法有：协同过滤、关联规则、web日志的聚类算法、序列分析等。在真实数据的基础上，对已有算法进行实现、横向对比和改良，可以得到更符合网站实际情况的结果。
2、对已有数据进行格式化、规范化、筛选，完成数据仓库的建立。数据准备阶段的工作做的越好，数据挖掘工作就越可能达到理想成果。
3、在有效数据的基础上，基于web数据挖掘算法的理解，主要使用聚类分析的最大最小距离聚类算法，从直观上看,属于同一类的客户事务对象在空间中应该互相靠近,而不同类的客户事务对象之间的距离会大得多,所以,距离越小客户间的相似性就越大。对符合相似性大的用户进行挖掘，识别用户的访问动机和访问趋势从而做出预测性分析，使用关联规则通过在不同属性特征,不同规模的数据集上进行测试检验传统的Apriori模型和FP-tree模型在生成频繁项集过程中的性能优劣和适用条件,为个性化推荐选择最优的模型。通过对支持度置信度和兴趣度的参数配置完成关联规则的提取并把提取的规则以关系数据的形式写入规则库中。
4、针对结果进行验证，交流。
三、研究方法：
借鉴目前web数据挖掘的方法，以SQLServer2008R2作为后台数据库，VisualStudio2010作为前端界面开发工具，以AnalysisServices作为主要算法实现工具，依次以挖掘结构、挖掘模型、挖掘模型查看器、挖掘准确性图表和挖掘模型预测五个步骤，对已有电子商务网站数据进行数据挖掘以期得出相应的结论。
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
