基于數(shù)據(jù)挖掘的B2B供應(yīng)商可信度的分類.pdf

1、B2B電子商務(wù)網(wǎng)站為采購方企業(yè)和供應(yīng)商企業(yè)提供了一個(gè)交易平臺(tái)，作為二者交易的第三方，為了更好地為采購商提供服務(wù)，對(duì)供應(yīng)商的可信度進(jìn)行分類是非常有必要的。針對(duì)B2B平臺(tái)上供應(yīng)商行為的數(shù)據(jù)量大且表達(dá)復(fù)雜的特點(diǎn)，本文嘗試將數(shù)據(jù)挖掘技術(shù)應(yīng)用于供應(yīng)商的可信度分類中，從而獲得可信度分類模型，為采購方企業(yè)提供有價(jià)值的供應(yīng)商信息，具有重要的研究價(jià)值和現(xiàn)實(shí)意義。
　　 本文針對(duì)供應(yīng)商的基本信息、交易信息和客戶評(píng)價(jià)信息，采用分類指標(biāo)統(tǒng)計(jì)分析與數(shù)據(jù)挖

2、掘技術(shù)相結(jié)合的方法來開展對(duì)供應(yīng)商樣本數(shù)據(jù)的聚類及分類分析。論文重點(diǎn)研究了K-Means算法和ID3算法的算法原理及優(yōu)缺點(diǎn)，并提出了其改進(jìn)算法Wm-K-Means算法和J-ID3算法，采用Java語言在Eclipse開發(fā)平臺(tái)上進(jìn)行程序編寫來實(shí)現(xiàn)改進(jìn)的算法，并與傳統(tǒng)的算法進(jìn)行了實(shí)驗(yàn)對(duì)比。運(yùn)用改進(jìn)后的K-Means算法對(duì)供應(yīng)商的樣本數(shù)據(jù)進(jìn)行聚類分析，針對(duì)聚類后形成的供應(yīng)商組別，標(biāo)記出每個(gè)供應(yīng)商組的特征屬性后，采用改進(jìn)后的ID3算法對(duì)供應(yīng)商的可