基于數(shù)據(jù)倉庫和移動Agent的智能電子商務(wù)研究與應(yīng)用.pdf

1、網(wǎng)絡(luò)技術(shù)與信息技術(shù)的飛速發(fā)展以及3G（Third Generation）的推廣普及使得電子商務(wù)、網(wǎng)上貿(mào)易已經(jīng)深入到企業(yè)管理、社會生活的各個方面。電子商務(wù)憑借著Internet平臺，給人們帶來了極大的便利和取之不盡、用之不竭的資源。但是，資源的豐富性同時也給用戶和電子商務(wù)企業(yè)帶來了很多難以解決的問題：如何為電子商務(wù)客戶提供個性化服務(wù)、如何洞察客戶的消費(fèi)行為、如何提高廣大中小電子商務(wù)企業(yè)的競爭力。這些都是智能電子商務(wù)IEC（Intellig

2、ent E-Commerce）必須面對和解決的問題。
　　 本文通過數(shù)據(jù)倉庫和移動Agent技術(shù)，建立了IEC的體系結(jié)構(gòu)：通過數(shù)據(jù)倉庫，進(jìn)行挖掘分析，形成預(yù)測和知識，以便于企業(yè)業(yè)務(wù)決策；借助于移動Agent，實(shí)現(xiàn)與加盟網(wǎng)站的信息交互，以提高網(wǎng)站的信息豐富度和競爭力。具體工作如下：
　　 （1）提出了RMFRM（Refining Maximal Forward Reference Mode）算法用于獲取用戶事務(wù)序列。結(jié)合網(wǎng)

3、站的有效頁面編碼，將用戶事務(wù)序列轉(zhuǎn)化為二進(jìn)制向量。對傳統(tǒng)的蟻群聚類算法的六條規(guī)則進(jìn)行改進(jìn)，提出了改進(jìn)蟻群聚類算法，用于二進(jìn)制向量的聚類，從而實(shí)現(xiàn)用戶的聚類，為個性化服務(wù)和推薦做好了準(zhǔn)備。
　　 （2）預(yù)測了電子商務(wù)交易量。鑒于電子商務(wù)的交易量對電子商務(wù)的運(yùn)作有著決定性的影響，給出了預(yù)測前的數(shù)據(jù)完整性檢查算法。通過極端學(xué)習(xí)算法預(yù)測了電子商務(wù)的交易量，取得了較高的預(yù)測精度。
　　 （3）提出了集成有序加權(quán)平均OWA（Orde

4、red Weighted Averaging）和粗糙集求解電子商務(wù)客戶流失權(quán)重。探討了電子商務(wù)客戶生命周期及其流失預(yù)測模型。針對客戶流失給電子商務(wù)企業(yè)帶來的嚴(yán)重?fù)p失，從專家和用戶二個角度出發(fā)，通過OWA和粗糙集，全面細(xì)致地討論了流失權(quán)重的計算過程。通過案例，指出退貨及售后服務(wù)是導(dǎo)致客戶流失的主要原因，給出了相應(yīng)的補(bǔ)救措施。
　　 （4）構(gòu)建了基于移動Agent的電子商務(wù)聯(lián)盟體系結(jié)構(gòu)。給出了基于模糊支持向量機(jī)SVM（Support