Ⅰ 幫我翻譯論文摘要，人工翻譯，不要用什麼金山詞霸的。
Electronic Commerce is one kind of business affairs pattern new and developing , is under network environment opening to the outside world in Internet, owing to that the browser/ server applies way, pattern realizing consumer's web shopping , merchant trading on the net between the family and paying in line electron to grow late-model commerce once being in motion and doing business. Electronic Commerce is the direct outcome that Internet go off style develops , is that brand-new that the network technology applies develops direction. The Web data excavates same action once growing the technology new and developing , it is that same Web the tradition data is excavated combines mainly latent useful pattern and the information concealing being a document from Web and taking out a consumer in Web activity being interested in. Web already becomes enterprise Electronic Commerce basis. Help the Electronic Commerce operator to get really valuable knowledge in the information from great capacity for liquor, to guide their decision-making in applying thought and method that the data excavates to Electronic Commerce. The main body of a book is emphasized having set forth Electronic Commerce , the Web data excavating the technology and Web data application in excavating in Electronic Commerce.
Ⅱ web挖掘怎麼實現
截止到今天為止，我尚不知道有什麼有價值的web挖掘系統存在，不過您可以參考檢索引擎的挖掘演算法，比如Apache的lucene等
http://lucene.apache.org/java/docs/index.html
-------------
並為您附錄以下信息：
近年來，隨著 Internet/Web技術的快速普及和迅猛發展，使各種信息可以以非常低的成本在網路上獲得，由於Internet/WWW在全球互連互通，可以從中取得的數據量難以計算，而且Internet/WWW的發展趨勢繼續看好，特別是電子商務的蓬勃發展為網路應用提供了強大支持，如何在WWW這個全球最大的數據集合中發現有用信息無疑將成為數據挖掘研究的熱點。
Web挖掘指使用數據挖掘技術在WWW數據中發現潛在的、有用的模式或信息。Web挖掘研究覆蓋了多個研究領域，包括資料庫技術、信息獲取技術、統計學、人工智慧中的機器學習和神經網路等。
2．Web挖掘流程
與傳統數據和數據倉庫相比，Web上的信息是非結構化或半結構化的、動態的、並且是容易造成混淆的，所以很難直接以Web網頁上的數據進行數據挖掘，而必須經過必要的數據處理。典型Web挖掘的處理流程如下[3]：
1．查找資源：任務是從目標Web文檔中得到數據，值得注意的是有時信息資源不僅限於在線Web文檔，還包括電子郵件、電子文檔、新聞組，或者網站的日誌數據甚至是通過Web形成的交易資料庫中的數據。
2．信息選擇和預處理：任務是從取得的Web資源中剔除無用信息和將信息進行必要的整理。例如從Web文檔中自動去除廣告連接、去除多餘格式標記、自動識別段落或者欄位並將數據組織成規整的邏輯形式甚至是關系表。
3．模式發現：自動進行模式發現。可以在同一個站點內部或在多個站點之間進行。
4．模式分析：驗證、解釋上一步驟產生的模式。可以是機器自動完成，也可以是與分析人員進行交互來完成。
Web挖掘作為一個完整的技術體系，在進行挖掘之前的信息獲得IR（Information Retrieval）和信息抽取IE(Information Extraction)相當重要。信息獲得（IR）的目的在於找到相關Web文檔，它只是把文檔中的數據看成未經排序的片語的集合，而信息抽取(IE)的目的在於從文檔中找到需要的數據項目，它對文檔的結構合表達的含義感興趣,它得一個重要任務就是對數據進行組織整理並適當建立索引。
信息獲得（IR）和信息抽取(IE)技術的研究已近有很長時間，隨著Web技術的發展，基於Web技術的IR、 IE得到了更多的重視。由於Web 數據量非常大，而且可能動態變化，用原來手工方式進行信息收集早已經力不從心，目前的研究方向是用自動化、半自動化的方法在Web上進行IR和IE。在 Web環境下既要處理非結構化文檔，又要處理半結構化的數據，最近幾年在這兩方面都有相應的研究成果和具體應用，特別是在大型搜索引擎中得到了很好的應用。
3．Web挖掘分類及各自的研究現狀及發展
根據對Web數據的感興趣程度不同，Web挖掘一般可以分為三類：Web內容挖掘（Web Content mining）、 Web結構挖掘（ Web structure mining）、 Web 用法挖掘（Web usage Mining）
3．1、Web內容挖掘：
指從Web內容/數據/文檔中發現有用信息，Web上的信息五花八門，傳統的Internet由各種類型的服務和數據源組成，包括WWW、FTP、Telnet等，現在有更多的數據和埠可以使用，比如政府信息服務、數字圖書館、電子商務數據，以及其他各種通過 Web可以訪問的資料庫。Web內容挖掘的對象包括文本、圖象、音頻、視頻、多媒體和其他各種類型的數據。其中針對無結構化文本進行的Web挖掘被歸類到基於文本的知識發現（KDT）領域，也稱文本數據挖掘或文本挖掘，是Web挖掘中比較重要的技術領域，也引起了許多研究者的關注。最近在Web多媒體數據挖掘方面的研究成為另一個熱點。
Web內容挖掘一般從兩個不同的觀點來進行研究。從資源查找（IR）的觀點來看，Web內容挖掘的任務是從用戶的角度出發，怎樣提高信息質量和幫助用戶過濾信息。而從DB的角度講Web內容挖掘的任務主要是試圖對Web上的數據進行集成、建模，以支持對Web數據的復雜查詢。
3．1．1從資源查找（Information Retrival）的觀點挖掘非結構化文檔：
非結構化文檔主要指Web上的自由文本，包括小說、新聞等。在這方面的研究相對比較多一些，大部分研究都是建立在詞彙袋（bag of words）或稱向量表示法（vector representation）的基礎上，這種方法將單個的詞彙看成文檔集合中的屬性，只從統計的角度將詞彙孤立地看待而忽略該詞彙出現的位置和上下文環境。屬性可以是布爾型，根據詞彙是否在文檔中出現而定，也可以有頻度，即該詞彙在文檔中的出現頻率。這種方法可以擴展為選擇終結符、標點符號、不常用詞彙的屬性作為考察集合。詞彙袋方法的一個弊端是自由文本中的數據豐富，詞彙量非常大，處理起來很困難，為解決這個問題人們做了相應的研究，採取了不同技術，如信息增益，交叉熵、差異比等，其目的都是為了減少屬性。另外，一個比較有意義的方法是潛在語義索引（Latent Semantic Indexing），它通過分析不同文檔中相同主題的共享詞彙，找到他們共同的根，用這個公共的根代替所有詞彙，以此來減少維空間。例如： 「informing」、「information」、「informer」、「informed」可以用他們的根「inform」來表示，這樣可以減少屬性集合的規模。
其他的屬性表示法還有詞彙在文檔中的出現位置、層次關系、使用短語、使用術語、命名實體等，目前還沒有研究表明一種表示法明顯優於另一種。
用資源查找（Information Retrival）的觀點挖掘半結構化文檔：
與非結構化數據相比，Web上的半結構化文檔挖掘指在加入了HTML、超連接等附加結構的信息上進行挖掘，其應用包括超連接文本的分類、聚類、發現文檔之間的關系、提出半結構化文檔中的模式和規則等。
3．1．2從資料庫（Database）的觀點挖掘非結構化文檔：
資料庫技術應用於Web挖掘主要是為了解決Web信息的管理和查詢問題。這些問題可以分為三類：Web信息的建模和查詢；信息抽取與集成；Web站點建構和重構。
從資料庫的觀點進行Web內容挖掘主要是試圖建立Web站點的數據模型並加以集成，以支持復雜查詢，而不止是簡單的基於關鍵詞的搜索。這要通過找到Web文檔的模式、建立Web數據倉庫或Web知識庫或虛擬資料庫來實現。相關研究主要是基於半結構化數據進行的。
資料庫觀點主要利用OEM(Object Exchange Model)模型將半結構化數據表示成標識圖。OEM中的每個對象都有對象標識（OID）和值，值可以是原子類型，如整型、字元串型、gif、html 等，也可以是一個復合類型，以對象引用集合的形式表示。由於Web數據量非常龐大，從應用的角度考慮，很多研究只處理辦結構化數據的一個常用自集。一些有意義的應用是建立多層資料庫（MLDB），每一層是它下面層次的概化，這樣就可以進行一些特殊的查詢和信息處理。對於在半結構化數據上的查詢語言研究也得到了人們的重視並做了專題研究。
由於在資料庫觀點下數據的表示方法比較特殊，其中包含了關系層次和圖形化的數據，所以大部分建立在扁平數據集合之上的數據挖掘方法不能直接使用，目前已經有人針對多層資料庫挖掘演算法進行研究。
3．2、Web結構挖掘：
Web結構挖掘的對象是Web本身的超連接，即對Web文檔的結構進行挖掘。對於給定的Web文檔集合，應該能夠通過演算法發現他們之間連接情況的有用信息，文檔之間的超連接反映了文檔之間的包含、引用或者從屬關系，引用文檔對被引用文檔的說明往往更客觀、更概括、更准確。
Web結構挖掘在一定程度上得益於社會網路和引用分析的研究。把網頁之間的關系分為incoming連接和 outgoing連接，運用引用分析方法找到同一網站內部以及不同網站之間的連接關系。在Web結構挖掘領域最著名的演算法是HITS演算法和 PageRank演算法。他們的共同點是使用一定方法計算Web頁面之間超連接的質量，從而得到頁面的權重。著名的Clever和Google搜索引擎就採用了該類演算法。
此外，Web結構挖掘另一個嘗試是在Web數據倉庫環境下的挖掘，包括通過檢查同一台伺服器上的本地連接衡量 Web結構挖掘Web站點的完全性，在不同的Web數據倉庫中檢查副本以幫助定位鏡像站點，通過發現針對某一特定領域超連接的層次屬性去探索信息流動如何影響Web站點的設計。
3．3、Web用法挖掘（Web usage Mining）：
即Web使用記錄挖掘，在新興的電子商務領域有重要意義，它通過挖掘相關的Web日誌記錄，來發現用戶訪問 Web頁面的模式，通過分析日誌記錄中的規律，可以識別用戶的忠實度、喜好、滿意度，可以發現潛在用戶，增強站點的服務競爭力。Web使用記錄數據除了伺服器的日誌記錄外還包括代理伺服器日誌、瀏覽器端日誌、注冊信息、用戶會話信息、交易信息、Cookie中的信息、用戶查詢、滑鼠點擊流等一切用戶與站點之間可能的交互記錄。可見Web使用記錄的數據量是非常巨大的，而且數據類型也相當豐富。根據對數據源的不同處理方法，Web 用法挖掘可以分為兩類，一類是將Web使用記錄的數據轉換並傳遞進傳統的關系表裡，再使用數據挖掘演算法對關系表中的數據進行常規挖掘；另一類是將Web 使用記錄的數據直接預處理再進行挖掘。Web 用法挖掘中的一個有趣的問題是在多個用戶使用同一個代理伺服器的環境下如何標識某個用戶，如何識別屬於該用戶的會話和使用記錄，這個問題看起來不大，但卻在很大程度上影響著挖掘質量，所以有人專門在這方面進行了研究。通常來講，經典的數據挖掘演算法都可以直接用到Web 用法挖掘上來，但為了提高挖掘質量，研究人員在擴展演算法上進行了努力，包括復合關聯規則演算法、改進的序列發現演算法等。
在[4]中，根據數據來源、數據類型、數據集合中的用戶數量、數據集合中的伺服器數量等將Web 用法挖掘分為五類：
●個性挖掘：針對單個用戶的使用記錄對該用戶進行建模，結合該用戶基本信息分析他的使用習慣、個人喜好，目的是在電子商務環境下為該用戶提供與眾不同的個性化服務。
●系統改進：Web服務（資料庫、網路等）的性能和其他服務質量是衡量用戶滿意度的關鍵指標，Web 用法挖掘可以通過用戶的擁塞記錄發現站點的性能瓶頸，以提示站點管理者改進Web緩存策略、網路傳輸策略、流量負載平衡機制和數據的分布策略。此外，可以通過分析網路的非法入侵數據找到系統弱點，提高站點安全性，這在電子商務環境下尤為重要。
●站點修改：站點的結構和內容是吸引用戶的關鍵。Web 用法挖掘通過挖掘用戶的行為記錄和反饋情況為站點設計者提供改進的依，比如頁面連接情況應如何組織、那些頁面應能夠直接訪問等。
●智能商務：用戶怎樣使用Web站點的信息無疑是電子商務銷售商關心的重點，用戶一次訪問的周期可分為被吸引、駐留、購買和離開四個步驟，Web用法挖掘可以通過分析用戶點擊流等Web日誌信息挖掘用戶行為的動機，以幫助銷售商合理安排銷售策略。
●Web特徵描述：這類研究跟關注這樣通過用戶對站點的訪問情況統計各個用戶在頁面上的交互情況，對用戶訪問情況進行特徵描述。
4．結束語
盡管Web挖掘的形式和研究方向層出不窮，但我認為隨著電子商務的興起和迅猛發展，未來Web挖掘的一個重要應用方向將是電子商務系統。而與電子商務關系最為密切的是用法挖掘（Usage Mining），也就是說在這個領域將會持續得到更多的重視。另外，在搜索引擎的研究方面，結構挖掘的研究已經相對成熟，基於文本的內容挖掘也已經有許多研究，下一步將會有更多的研究者把多媒體挖掘最為研究方向。
Ⅲ 在電子商務下有沒有個性化的服務的感受
一、個性化信息服務
個性化信息服務的研究起源於1995年卡內基．梅隆大學的RobertArmstrong等人在美國人工智慧協會上提出個性化導航系統，由此掀起了世界范圍內的個性化學術研究的熱潮，現在許多公司也紛紛推出各自的個性化系統，提供其個性化服務。國內學者認為，個性化信息服務是指能夠滿足用戶個體信息需求的服務，是根據用戶提出的明確服務要求，或通過對用戶個性，使用習慣的分析而主動向用戶提供其可能需要的信息服務。目前，個性化信息服務是全世界信息服務的研究熱點，傳統的通用信息服務正在逐漸向個性化信息服務過渡。
二、電子商務環境下的個性化服務的內涵
電子商務環境下的個性化服務是個性化信息服務在電子商務中的拓展，也是個性化信息服務目前的重點應用、發展和研究的領域。電子商務環境下的個性化服務是指在電子商務模式下，商家可以通過客戶訪問其站點來獲取客戶的資料信息及訪問信息等，然後利用Web數據挖掘技術對這些信息進行分析處理，指導企業的商業決策，使商家根據自己用戶的需求有針對性地開展電子商務活動，從而實現個性化信息服務，提高客戶的關注度和滿意度，實現商家和客戶雙贏的局面。電子商務環境下的個性化服務的實質是一種以客戶需求為中心的Web服務，如圖1所示，其中的「客戶分析模塊」的主要功能是學習客戶的特性，創建客戶的訪問模型，並且通過相關技術處理和Web資源為客戶提供個性化的服務。
三、電子商務環境下可提供的個性化服務
電子商務環境下的所能提供的個性化服務可以分為以下幾種，具體參看圖2所示。
1．個性化界面的定製。界面個性化是客戶根據自己的需求與
喜好，對電子商務網站的個人使用界面進行個性化的設計，主要包括模塊的布局、功能模塊的顯示與隱藏、按鈕的樣式，圖片的選擇、界面色彩的設計以及商品顯示的方式等。根據調查顯示，對
163《商場現代化》2009年3月（上旬刊）總第568期
客戶提供的個性化界面的設計可以提高對電子商務網站的關注度。目前，雅虎，網易和新浪已推出了類似的服務。
2．個性化商品的定製。當前社會是一個突顯個性的社會，電子商務網站可以根據自己的產品的特點，給用戶提供個性化產品的設計。例如，Nike公司為滿足消費者的個性要求，推出了產品的個性化定製，客戶可以自由選擇運動鞋的款式和配色，可以將自己的名字和喜歡的數字製作在鞋面上，非常有個性而且不會與別人重復。在網站上提交自己設計好的樣品後在網上支付貨款，要不了多久客戶所設計的獨一無二的鞋子就會寄到的家中。個性化的商品已經成為新一代潮流的選擇，而自由訂制或者DIY商品又將成為最具潛力和發展空間的項目。
3．個性化服務的定製。電子商務網站可以根據客戶的個性特點和需求，提供多種服務方式，例如在線咨詢、電子郵件、手機簡訊、電話服務、專家咨詢、服務軟體（天氣軟體、新聞軟體等）等服務方式。客戶可以通過這些個性化的服務方式了解待售商品的更新、價格和品種等信息。此外，還可以根據客戶反饋的信息和要求，提供一些特別的服務，例如可以向客戶提供交互的多媒體信息服務，如商品的三維動畫模型、動畫影像資料、聲音、文字等多媒體信息。
4．商品的個性化推薦。電子商務網站在為用戶提供越來越多選擇的同時，其站點結構也變得更加復雜，用戶經常會遇到「數據超載」和「信息迷航」，很難順利找到自己所需的商品。電子商務網站的個性化推薦系統可以不斷地學習客戶的特性為其創建相應的訪問模型，在推薦之前根據客戶的訪問模型，直接與用戶交互，模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購物過程。在日趨激烈的電子商務競爭環境下，個性化推薦系統能有效吸引用戶，提高客戶忠誠度與商品的銷售量。
5．商品的個性化檢索。在Internet上有成千上萬家電子商務網
站，要找一個既便宜又滿足需求的網站購買相關產品並不容易。商品的個性化檢索服務可以較好的解決這個問題，使客戶可以在更大程度上享受網路購物的便利與實惠。商品的個性化檢索服務是根據用戶的興趣和特點進行檢索，提供兩種方式：全網檢索和網站內部搜索。客戶可以通過檢索服務，在短時間內找到Internet上眾多電子商務網站和本網站內的相關商品，還可以將商品的圖像、市場價、會員價、簡單介紹和來源網站在瀏覽器上看到。用戶可以直接通過點擊來源網站名的鏈接訪問提供商品的網站的最終頁面，實現在線購物。例如，8848網上購物搜索引擎為中國地區的商品提供了檢索服務。
6．個性化決策支持服務。向客戶提供能夠用於決策支持、智能查詢、科學研究、解決問題等知識服務方面的規則和模式，目前還處於研究階段，此項服務的開展可以提高電子商務網站的競
爭力，使其更具生命力。
四、實現電子商務個性化服務的關鍵技術
1．Web數據挖掘。基於Web的數據挖掘技術是實現電子商務
電子商務
的個性化服務的關鍵技術，通過Web數據挖掘技術完成收集用戶的各種信息，然後分析用戶數據，進而創建符合用戶特性的訪問
Web數據挖掘的是指將數據挖掘應用於Web，從大量的Web文檔和服務中自動發現潛在的、有用的模式或信息。根據數據挖掘的行為不同，可以將Web數據挖掘分為Web內容挖掘、Web結構挖掘和Web使用挖掘三類。電子商務個性化服務主要採用Web使用挖掘，即通過挖掘相應站點的日誌文件和相關數據來發現該站點上客戶的行為模式，處理流程如圖3所示。
再談我國電子商務發展的思路和戰略
高雲志張慶明西南科技大學
［摘要］目前，電子商務在我國已經取得了一定的成績，以力，但是如何更好的發展適合我國國情的電子商務，為電子商務的發展提供一個可行的發展思路和戰略，更好的參與國際電子商務，是我們值得探討的問題。本文從我國的實際出發，分析了發展我國電子商務的思路，並從政府和企業兩個層面提出了發展的戰略。
數據挖掘的方法包括路徑分析、關聯規則、序列模式、分類規則、統計分析、依賴關系建模和聚類分析等。
2．是迄今為止應用最成功的個性化推薦技術，主要是通過相關演算法分析用戶對商品的評價和感興趣程度，得出興趣相近的用戶和具有相似關系的項目，用來指導推薦。其基本出發點是：客戶是可以按興趣分類的；客戶對不同信息的評價包含了客戶的興趣信息；客戶對一個未知信息的評價將和其相似（興趣）客戶的評價基於最近鄰技術、基於項目評分預測的協同過濾演算法等。3．網站設計技術。對於一個電子商務網站的從設計到運行包括網站的規劃，所採用的開發技術，網站創建後的推廣技術，網站的管理、維護與安全等，每一個環節都不容忽略。網站設計要以用戶需求為導向，設計方便的網站導航，網頁下載速度盡可能快，網頁布局合理並且適合保存、列印、轉發，網站信息豐富、有效，有助於用戶產生信任；網站設計要便於積累網路營銷網站資源（如互換鏈接、互換廣告等）；網站設計要充分體現網站的網路營銷功能，使得各種網路營銷方法可以發揮最大效果，網站便於日常信息更新、維護、改版升級，便於獲得和管理注冊用戶資源，便於獲取用戶的興趣、愛好和相關信息等。
歡迎登錄長風網獲取最新物流資訊。
Ⅳ 如何通過用數據挖掘技術來分析Web網站日誌
1、數據預處理階段根據挖掘的目的，對原始Web日誌文件中的數據進行提取、分解、合並、最後轉換為用戶會話文件。該階段是Web訪問信息挖掘最關鍵的階段，數據預處理包括:關於用戶訪問信息的預處理、關於內容和結構的預處理。
2、會話識別階段該階段本是屬於數據預處理階段中的一部分，這里將其劃分成單獨的一個階段，是因為把用戶會話文件劃分成的一組組用戶會話序列將直接用於挖掘演算法，它的精準度直接決定了挖掘結果的好壞，是挖掘過程中最重要的階段。
3、模式發現階段模式發現是運用各種方法和技術從Web日誌數據中挖掘和發現用戶使用Web的各種潛在的規律和模式。模式發現使用的演算法和方法不僅僅來自數據挖掘領域，還包括機器學習、統計學和模式識別等其他專業領域。
模式發現的主要技術有：統計分析（statistical analysis）、關聯規則（association rules）、聚類（clustering）、歸類（classification）、序列模式（sequential patterns）、依賴關系（dependency）。
（1）統計分析（statistical analysis）：常用的統計技術有：貝葉斯定理、預測回歸、對數回歸、對數-線性回歸等。可用來分析網頁的訪問頻率，網頁的訪問時間、訪問路徑。可用於系統性能分析、發現安全漏洞、為網站修改、市場決策提供支持。
（2）關聯規則（association rules）：關聯規則是最基本的挖掘技術，同時也是WUM最常用的方法。在WUM中常常用在被訪問的網頁中，這有利於優化網站組織、網站設計者、網站內容管理者和市場分析，通過市場分析可以知道哪些商品被頻繁購買，哪些顧客是潛在顧客。
（3）聚類（clustering）：聚類技術是在海量數據中尋找彼此相似對象組，這些數據基於距離函數求出對象組之間的相似度。在WUM中可以把具有相似模式的用戶分成組，可以用於電子商務中市場分片和為用戶提供個性化服務。
（4）歸類（classification）：歸類技術主要用途是將用戶資料歸入某一特定類中，它與機器學習關系很緊密。可以用的技術有：決策樹（decision tree）、K-最近鄰居、Naïve Bayesian classifiers、支持向量機（support vector machines）。
（5）序列模式（sequential patterns）：給定一個由不同序列組成的集合，其中，每個序列由不同的元素按順序有序排列，每個元素由不同項目組成，同時給定一個用戶指定的最小支持度閾值，序列模式挖掘就是找出所有的頻繁子序列，即子序列在序列集中的出現頻率不低於用戶指定的最小支持度閾值。
（6）依賴關系（dependency）：一個依賴關系存在於兩個元素之間，如果一個元素A的值可以推出另一個元素B的值，則B依賴於A。
4、模式分析階段模式分析是Web使用挖掘最後一步，主要目的是過濾模式發現階段產生的規則和模式，去除那些無用的模式，並把發現的模式通過一定的方法直觀的表現出來。由於Web使用挖掘在大多數情況下屬於無偏向學習，有可能挖掘出所有的模式和規則，所以不能排除其中有些模式是常識性的，普通的或最終用戶不感興趣的，故必須採用模式分析的方法使得挖掘出來的規則和知識具有可讀性和最終可理解性。常見的模式分析方法有圖形和可視化技術、資料庫查詢機制、數理統計和可用性分析等。
Ⅳ html技術與web技術在電子商務中所起的作用是什麼
最佳答案檢舉 隱藏 計算機技術對電子商務的作用
電子商務是指通過互聯網完成的商務交易。作為依託互聯網發展起來的商業運作模式,與傳統商業比較給人們曾帶來過很多欣喜，但是隨著電子商務交易的不斷發展，暴露出了一些技術問題，如EDI（Electronic Data Interchange）中的問題等，使電子商務一度陷入舉步為艱的地步。
一、EDI在電子商務中的應用
聯合國EDIFACT培訓指南認為：「EDI指的是在最少的人工干預下，在貿易夥伴的計算機應用系統之間的標准格式數據的交換」。 EDI主要由UN/EDIFACT的基礎標准體系和開放式EDI基礎標准兩部分組成。它是EDI的核心標准體系。EDI主要是為完成企業間的數據交換而產生和應用的。雖然EDI的應用使企業之間大大減少了在交易中的時間、效率上的開銷，但是傳統的EDI卻仍然存在不少的缺陷：
1.實現EDI的成本過於昂貴
EDI通信方式有兩種：一種是在貿易夥伴之間建立專用網；另一種是增值網路(VAN)方式，建立專用網的費用是不言而喻的，而VAN是一套私有網路，它的租用、維護費用也是很昂貴的。對於中小型企業來說，這兩種方式的費用都是很難承受的。有數據顯示：全球使用EDI進行電子商務的企業98%來自世界前1000強。這樣也就限制了中小型企業加入到電子商務行列中的步伐，並有礙於電子商務全球化的進程。
2.EDI標准結構的靈活性較差
EDI使用的是一套預先定義好的報文標准，在與其他企業集成時不能隨業務環境的變化而進行自動的調整。這些不利於企業業務的發展。
3.EDI不能通過構建Web Service來跨越多個應用程序和供應商進行通信
在Web Service持續發展的今天，越來越多企業認識到了Web Service的巨大潛力,開始把它運用到他們的組織中，可是原有的EDI技術模式使企業無法利用EDI去實現這一目標。
4.EDI難以實現電子商務中的數據挖掘
EDI主要通過單證傳遞來完成企業之間信息交流，現在的電子商務已經不僅僅是停留在數據的傳遞上，而且要通過Web收集大量的、各種商業數據來進行數據挖掘，從中得到有利於企業戰略決策的信息。
二、XML在電子商務中的應用
1.XML的簡介
XML（eXtensible Markup Language）是W3C於1998年2月發布的一種標准，它是SGML的簡化子集，將SGML的功能和HTML的易用性結合到Web的應用中，以一種開放的自我描述方式定義數據結構，在描述數據內容的同時能突出對結構的描述，從而體現出數據之間的關系。
2.XML的特點
(1)XML成為不同格式數據向標准化格式數據轉換的「橋梁」。由於處於Web中的電子商務，其中涉及的很多數據源都是異構的，XML在各種數據源之間建立了一個數據格式的中間標准，利用XML中的XSLT技術實現了不同格式的數據與XML文檔之間的雙向轉換與傳輸，並方便地進行Web應用。
(2)文檔管理功能。XML中的XLL（eXtensible Linkage Language）技術是表示XML文檔之間的鏈接方法，XLL與HTML中的超鏈接相似，但功能更強，例如可以鏈接文檔的特定部分。此方法使文檔更易於檢索等，也可以使很多公司從海洋一樣的文書工作中解脫出來。
(3)XML可以成為信息存儲和管理的方式。XML可以很輕松地完成與很多類型的企業資料庫的交互操作，例如從SQL查詢中檢索XML數據以及修改XML數據記錄。這就使XML如同傳統的資料庫技術一樣，易於操作。
(4)XML可以完成企業之間業務數據的傳輸。各種業務數據是以XML格式在企業之間傳輸。與EDI相比，不僅可以完成從一種票據格式到另一種票據格式的轉換，還有多種企業需要的基於票據各種操作，而且過程簡單、快捷，成本低廉。
(5)可以完成基於Web的數據挖掘。主要分為數據挖掘和挖掘表示兩個部分。數據挖掘就是利用合適的挖掘演算法和已有的知識庫知識對統一的XML 文檔進行數據提取,可以採用諸如特徵抽取、關聯分析、屬性分類、聚類分析等方法實現。挖掘表示是指對挖掘出的Web 數據經過模式評估和解釋用適當的形式表現出來,例如圖形，以便於用戶理解和使用。
3.XML的缺點
雖然XML很好地解決了EDI技術中的一些缺陷，並且XML已經成為Internet上數據交換事實上的標准。主要基於它的優點：擴展性、自描述性、系統無關性、健壯性、形式與內容分離等。但通過實踐證明，它仍然不能構建Web服務來跨越多個應用程序和供應商進行通信。這也就促成了ebXML的誕生。
EML-EDI在電子商務中的應用：如果基於XML技術的諸多優點，而直接用它來完全替代原來的EDI，顯然會給企業帶來多方面的不利，比如：資金上、技術上等的影響。因此，產生了過度技術模式——XML-EDI。在EML-EDI的模式中，為了保護原有投資，大企業之間依舊採用原有的EDI系統，採用EDI/VAN交換數據。
ebXML在電子商務中的應用:ebXML是由UN/CEFACT和OASIS 兩家組織發起和制定的一個規范集, 這些規范共同實現了模塊化電子商務框架。ebXML的目標是實現跨行業的B2B、B2C商業貿易，甚至全球性的電子商務市場,使得不同規模和不同地區的企業可以通過交換基於XML格式的消息來合作和進行商業活動。
ebXML體系架構由許多部分組成,其主要有:
（1）消息服務:消息組成了商業夥伴間的交易對話,是商務過程的基礎。ebXML可以創建各種類型的消息,對各種消息提供支持,以確保安全可靠的交換有效負載。
(2)注冊庫或知識庫:是ebXML 體系結構的核心,用來注冊和存儲商業流程和商業信息模型等,它使得ebXML工作所需要的各種數據能夠統一存放,以便復用和保持一致性。
(3)貿易夥伴信息:描述貿易夥伴參與貿易活動所必須的信息,也是雙方進行電子商務的技術細節,包含貿易夥伴個人信息CPP 和CPP 基礎上雙方協商出來的CPA。
(4)商務流程規范:ebXML是建立在商務流程建模的基礎上,ebXML規范體系集中包含著定義描述商務流程和信息模型的標准機制BPSS（Business Process Specification Schema）,是企業雙方進行電子商務的商業細節。當企業要進行電子商務並決定採用ebXML 框架時,首先通過在注冊庫中查找,找到符合自己條件的商業模型,並下載ebXML的技術規范；然後按照該規范在本地系統上構建ebXML的應用實現,並創建一個合作夥伴概要CPP來描述企業系統的實現細節和提供的功能信息服務,可以加入新的商務流程,也可以只是引用已有的流程,隨後將其注冊到注冊中心。這樣其他採用ebXML標準的企業就可以通過注冊庫查找該企業的CPP,雙方系統在CPP的基礎上自動協商,最終達成CPA等交互協議約定,以後雙方便在此基礎上進行交易。
電子商務經歷了以上三種主要的、一種過度的計算機技術的發展，逐步走向完善。另外，從中我們可以看到，ebXML的開放性以及接納現有標准和方法的做法,使得它很易於被人們接受 ,而且ebXML 允許商家以不同的方式進行商業活動,因此具有更廣泛的市場和應用前景。
參考文獻：
[1]宋沛軍:電子商務概論[M].西安：西安電子科技大學出版社，2005
[2]陳堯妃倪應華:基於XML個性化數據挖掘框架設計[J].現代電子技術，2007 No.2
[3]沈世銘尹紹宏:基於XML在異構數據之間轉換的研究[J].儀器儀表用戶， 2007 No.1
[4]ebXML overview,http://ebXML.xml.org/overview.
[5]郝萍饒若楠:一種基於MDA 的ebXML[J].計算機應用與軟體,2005 No.3
Ⅵ 電子商務中常用的數據挖掘數據源有哪些
一、 流量1、 搜索流量工具：搜索診斷助手
A—基礎條件：不違規，可在「賣家工作台」-「搜索診斷助手」-「寶貝診斷里」檢查。
B—相關性：類目屬性相關性、標題關鍵字相關性。C—人氣分：是否櫥窗推薦、是否加入消保、DSR評分、支付寶使用率、旺旺效應速度、拍貨與發貨的時差。
D—圖片：很多賣家在優化主搜流量時，經常會忽略圖片的優化，然而圖片點擊率的差距，直接影響了最後的搜索流量。買家不是直接搜索進來的，而是被圖片吸引進來的，優化圖片就顯得非常重要。建議可以用直通車來測試圖片(方法下文會介紹到)。
E—價格與銷量：銷量相當的產品，價格高的有更多展示的機會;價格相同的產品，銷量高的有更多展示機會。而檢查該項指標主要檢查自己與直接競爭對手的差距，尤其是7天銷量的差距，以做調整。
F—標題優化：在銷量相對低的時候多使用長尾詞，銷量高的時候多使用泛詞、中心詞，並反復測試，得出搜索流量 搜索轉化率的最大值。
2、 付費流量工具：各付費工具的數據報表、店查查。
—淘客：淘客診斷只要看自己與競爭對手的銷量和傭金有何差距即可。
二、 轉化1、 轉化率工具：店查查
A— 內頁：首先看銷量，其次看評價質量，再來看單品轉化率、頁面停留時間和詢單率。如果連基礎銷量都沒有，評價很差，轉化率是不可能好的。兩個先決條件解決了，再看單品轉化率、頁面停留時間和詢單率是否不低於行業均值(或店內賣的好的寶貝)。若低於，則一一優化USP賣點、邏輯順序(是否都做到圍繞USP)、展現內容多樣化、展現方式。
B—訪問深度：由於80%的顧客入店都是從內頁進來，所以主要優化內頁可導流的位置，分別為店招、寶貝頁關聯、寶貝頁側邊欄、店尾進行優化。再優化首頁。
C—支付率：是否做到了80%以上。
D—營銷活動：定期舉辦營銷活動可提升轉化率。
E—客服詢單轉化率：是否至少做到了行業均值。查看工具：如店查查等第三方工具。優化方法：顧客的每一個問題都建立標准答案。2、 DSR工具：淘寶DSR評分計算器。優化辦法：a、淘寶原有服務的升級(7天無理由升級為30天、3天發貨升級為24小時發貨等);b、淘寶未有服務的創新(圍繞客戶與商家接觸點的創新，如SNS、游戲)。3、 CRMCRM主要查看老客戶佔比、老客戶轉化率、二次購買率、客戶分組短彩郵的ROI。工具：賣家工作台-會員關系管理、數雲、客道等第三方軟體。優化的辦法：建立老客戶分組，根據分組創建老客戶的不同特權。越高級的客戶擁有越高級的特權。
Ⅶ web數據挖掘技術在電子商務中有哪些應用
數據挖掘在電子商務中主要應用於數據分析，區別於傳統的資料庫，只進行簡單的查詢功能，數據挖掘對過往數據進行分析得到在電子商務所需要的數據
Ⅷ 電子商務中數據挖掘及分析的重要性有哪些
數據挖掘是一種新的商業信息處理技術,其主要特點是對商業資料庫中的大量業務數據進行抽取、轉換、分析和其它模型化處理,從中提取輔助商業決策的關鍵性數據.利用功能強大的數據挖掘技術,可以使企業把數據轉化為有用的信息以幫助決策,從而在市場競爭中獲得優勢地位。
Ⅸ 如何利用挖掘大數據對應電子商務
數據挖掘能發現電子商務客戶的的共性和個性的知識、必然和偶然的知識、獨立和關聯的知識、現實和預測的知識等，所有這些知識經過分析，能對客戶的消費行為如心理、能力、動機、需求、潛能等做出統計和正確地分析，為管理者提供決策依據。具體應用如下：
1.分類與預測方法在電子商務中的應用
在電子商務活動中，分類是一項非常重要的任務，也是應用最多的技術。分類的目的是構造一個分類函數或分類模型，通常稱作分類器。分類器的構造方法通常由統計方法、機器學習方法、神經網路方法等。這些方法能把資料庫中的數據映射到給定類別中某一個，以便用於預測，也就是利用歷史數據記錄，自動推導出給定數據的推廣描述，從而對未來數據進行預測。
2.聚類方法在電子商務中的應用
聚類是把一組個體按照相似性原則歸成若干類別。對電子商務來說，客戶聚類可以對市場細分理論提供有力的支持。市場細分的目的是使得屬於同一類別的個體之間的距離盡可能小，而不同類別的個體之間的距離盡可能大，通過對聚類的客戶特徵的提取，電子商務網站可以為客戶提供個性化的服務。
3.數據抽取方法在電子商務中的應用
數據抽取的目的是對數據進行濃縮，給出它的緊湊描述，如求和值、平均值、方差值、等統計值、或者用直方圖、餅狀圖等圖形方式表示，更主要的是他從數據泛化的角度來討論數據總結。數據泛化是一種把最原始、最基本的信息數據從低層次抽象到高層次上的過程。可採用多維數據分析方法和面向屬性的歸納方法。在電子商務活動中，採用維數據分析方法進行數據抽取，他針對的是電子商務活動中的客戶數據倉庫。在數據分析中經常要用到諸如求和、總計、平均、最大、最小等匯集操作，這類操作的計算量特別大，可把匯集操作結果預先計算並存儲起來，以便用於決策支持系統使用。
4.關聯規則在電子商務中的應用
管理部門可以收集存儲大量的售貨數據和客戶資料，對這些歷史數據進行分析並發現關聯規則。如分析網上顧客的購買行為，幫助管理者規劃市場，確定商品的種類、價格、質量等。通常關聯規則有兩種：有意義的關聯規則和泛化關聯規則，有意義的關聯規則，即滿足最小支持度和最小可信度的規則。最小支持度，它表示一組對象在統計意義上的需滿足的最低程度，如電子商務活動中的客戶數量、客戶消費能力、消費方式等。後者即用戶規定的關聯規則的最低可靠度。第二是泛化規則，這種規則更實用，因為研究對象存在一種層次關系，如麵包、蛋糕屬西點類，而西點又屬於食品類，有了層次關系後，可以幫助發現更多的有意義的規則。
5、優化企業資源
節約成本是企業盈利的關鍵。基於數據挖掘技術，實時、全面、准確地掌握企業資源信息，通過分析歷史的財務數據、庫存數據和交易數據, 可以發現企業資源消耗的關鍵點和主要活動的投入產出比例, 從而為企業資源優化配置提供決策依據, 例如降低庫存、提高庫存周轉率、提高資金使用率等。通過對Web數據挖掘，快速提取商業信息，使企業准確地把握市場動態，極大地提高企業對市場變化的響應能力和創新能力，使企業最大限度地利用人力資源、物質資源和信息資源，合理協調企業內外部資源的關系，產生最佳的經濟效益。促進企業發展的科學化、信息化和智能化。
6、管理客戶數據
隨著「以客戶為中心」的經營理念的不斷深入人心, 分析客戶、了解客戶並引導客戶的需求已成為企業經營的重要課題。基於數據挖掘技術，企業將最大限度地利用客戶資源，開展客戶行為的分析與預測，對客戶進行分類。有助於客戶盈利能力分析，尋找潛在的有價值的客戶，開展個性化服務，提高客戶的滿意度和忠誠度。通過Web資源的挖掘，了解客戶的購買習慣和興趣，從而改善網站結構設計，推出滿足不同客戶的個性化網頁。利用數據挖掘可以有效地獲得客戶。比如通過數據挖掘可以發現購買某種商品的消費者是男性還是女性,學歷、收入如何, 有什麼愛好,是什麼職業等等。甚至可以發現不同的人在購買該種商品的相關商品後多長時間有可能購買該種商品, 以及什麼樣的人會購買什麼型號的該種商品等等。在採用了數據挖掘後, 針對目標客戶發送的廣告的有效性和回應率將得到大幅度的提高, 推銷的成本將大大降低。同時，在客戶數據挖掘的基礎上，企業可以發現重點客戶和評價市場性能，制定個性化營銷策略，拓寬銷售渠道和范圍，為企業制定生產策略和發展規劃提供科學的依據。通過呼叫中心優化與客戶溝通的渠道，提高對客戶的響應效率和服務質量，促進客戶關系管理的自動化和智能化。