商务数据挖掘与可视化实现方法

doi:10.11925/infotech.1003-3513.2007.11.20

现代图书情报技术

2007, Vol. 2

Issue (11): 91-94 https://doi.org/10.11925/infotech.1003-3513.2007.11.20

应用实践

本期目录 | 过刊浏览 | 高级检索

商务数据挖掘与可视化实现方法

陈旭毅 (编译)

(中国移动通信集团贵州有限公司贵阳 550004)

Business Data Mining and Visualization Realization Way

Chen Xuyi (Compiler)

(China Mobile Guizhou Company，Guiyang 550004,China)

摘要
参考文献
相关文章
Metrics

全文: PDF (623 KB)
输出: BibTeX | EndNote (RIS)

摘要

较全面地讨论商务数据挖掘的系统结构、方法与技术。为了直观、方便地利用商务数据挖掘结果，采用可视化方法是一种优选方案。从商务数据特征值的抽取、处理流程与算法到特征库的建立、降维映射，直至可视化结果的生成都进行详细探讨。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈旭毅

关键词 ：电子商务, 数据挖掘, 可视化方法

Abstract：

This article fully discusses the system structure, methods and technology of commercial data mining. In order to use the results of commercial data mining directly and conveniently, it is optimal to adopt visualization method. This article covers taking feature value of commercial data, processing flow, algorithms, establishing feature bank, dimension reduction mapping, and generating visualized result. It probes into the theory of commercial data mining and its application profoundly through the mining of case data of Taobao net and realization of visualization way.

Key words： E-business Data mining Visualization way

收稿日期: 2007-08-24 出版日期: 2007-11-25

TP393

通讯作者: 陈旭毅 E-mail: chenxuyi@gz.chinamobile.com

作者简介: 陈旭毅 (编译)

引用本文:

陈旭毅 (编译). 商务数据挖掘与可视化实现方法[J]. 现代图书情报技术, 2007, 2(11): 91-94.
Chen Xuyi (Compiler). Business Data Mining and Visualization Realization Way. New Technology of Library and Information Service, 2007, 2(11): 91-94.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2007.11.20 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2007/V2/I11/91

［1］ http://www.alibaba.com/［EB/OL］. ［2007-08-01］.
［2］ http://www.amazon.com/［EB/OL］. ［2007-08-01］.
［3］ http://www.benq.com.cn/［EB/OL］. ［2007-08-01］.
［4］ http://www.taobao.com/［EB/OL］. ［2007-08-01］.
［5］ Peter Rob, Carlos Coronel.数据库系统设计、实现与管理［M］.陈立军等译. （第5版）. 北京：电子工业出版社，2004:523-526.
［6］（加）Jiawei Han, Micheline Kanbe. 数据挖掘：概念与技术［M］.范明，孟小峰译. 北京：机械工业出版社，2001:70-73.
［7］ Tom Soukup Ian Davidson. 可视化数据挖掘——数据可视化和数据挖掘的技术与工具［M］. 朱建秋，蔡伟杰译.北京：电子工业出版社， 2004:60-66.
［8］ TouchGraph Google Brower［EB/OL］.［2007-07-10］http://www.cs.umd.edu/hcil/spacetree/.
［9］ Space Tree:A Novel Node-link Tree Brower［EB/OL］. ［2007-07-10］.http://www.touchgraph.com/TGGoogleBrowser.html.

[1]	谢旺, 王丽珍, 陈红梅, 曾兰清. 基于空间序偶模式挖掘污染源与癌症病例的关系 ^*[J]. 数据分析与知识发现, 2021, 5(2): 14-31.
[2]	李晓峰,马静,李驰,朱恒民. 基于XGBoost模型的电商商品品名识别算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 34-41.
[3]	张勇,李树青,程永上. 基于频次有效长度的加权关联规则挖掘算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(7): 85-93.
[4]	陆泉,朱安琪,张霁月,陈静. *中文网络健康社区中的用户信息需求挖掘研究^——以求医网肿瘤板块数据为例**[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[5]	牟冬梅,法慧,王萍,孙晶. 基于结构方程模型的疾病危险因素研究^*[J]. 数据分析与知识发现, 2019, 3(4): 80-89.
[6]	李勇男. 贝叶斯理论在反恐情报分类分析中的应用研究^*[J]. 数据分析与知识发现, 2018, 2(10): 9-14.
[7]	牟冬梅, 王萍, 赵丹宁. 高维电子病历的数据降维策略与实证研究^*[J]. 数据分析与知识发现, 2018, 2(1): 88-98.
[8]	王宇, 李秀秀. 基于电子商务评论的商家信誉维度构建^*[J]. 数据分析与知识发现, 2017, 1(8): 59-67.
[9]	薛福亮, 刘君玲. 基于用户间信任关系改进的协同过滤推荐方法^*[J]. 数据分析与知识发现, 2017, 1(7): 90-99.
[10]	胡忠义, 王超群, 吴江. 融合多源网络评估数据及URL特征的钓鱼网站识别技术研究^*[J]. 数据分析与知识发现, 2017, 1(6): 47-55.
[11]	朱鹏, 赵笑笑, 伍薇. 移动电子商务消费者决策偏好影响因素实证研究^*[J]. 数据分析与知识发现, 2017, 1(3): 1-9.
[12]	江思伟, 谢振平, 陈梅婕, 蔡明. 混合特征数据的自解释归约建模方法^*[J]. 数据分析与知识发现, 2017, 1(12): 92-100.
[13]	牟冬梅,任珂. 三种数据挖掘算法在电子病历知识发现中的比较^*[J]. 现代图书情报技术, 2016, 32(6): 102-109.
[14]	李峰,李书宁,于静. 面向院系的高校毕业生图书馆记忆系统[J]. 现代图书情报技术, 2016, 32(5): 99-103.
[15]	赵静娴. 基于决策树的网络伪舆情识别研究[J]. 现代图书情报技术, 2015, 31(6): 78-84.

Viewed

Full text

Abstract

Cited

Shared

Discussed