基于數(shù)據(jù)倉(cāng)庫(kù)和移動(dòng)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(huì)生活的各個(gè)方面。電子商務(wù)憑借著Internet平臺(tái)，給人們帶來(lái)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(shí)也給用戶(hù)和電子商務(wù)企業(yè)帶來(lái)了很多難以解決的問(wèn)題：如何為電子商務(wù)客戶(hù)提供個(gè)性化服務(wù)、如何洞察客戶(hù)的消費(fèi)行為、如何提高廣大中小電子商務(wù)企業(yè)的競(jìng)爭(zhēng)力。這些都是智能電子商務(wù)IEC（Intellig

2、ent E-Commerce）必須面對(duì)和解決的問(wèn)題。
　　 本文通過(guò)數(shù)據(jù)倉(cāng)庫(kù)和移動(dòng)Agent技術(shù)，建立了IEC的體系結(jié)構(gòu)：通過(guò)數(shù)據(jù)倉(cāng)庫(kù)，進(jìn)行挖掘分析，形成預(yù)測(cè)和知識(shí)，以便于企業(yè)業(yè)務(wù)決策；借助于移動(dòng)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(jìng)爭(zhēng)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(hù)事務(wù)序列。結(jié)合網(wǎng)

3、站的有效頁(yè)面編碼，將用戶(hù)事務(wù)序列轉(zhuǎn)化為二進(jìn)制向量。對(duì)傳統(tǒng)的蟻群聚類(lèi)算法的六條規(guī)則進(jìn)行改進(jìn)，提出了改進(jìn)蟻群聚類(lèi)算法，用于二進(jìn)制向量的聚類(lèi)，從而實(shí)現(xiàn)用戶(hù)的聚類(lèi)，為個(gè)性化服務(wù)和推薦做好了準(zhǔn)備。
　　 （2）預(yù)測(cè)了電子商務(wù)交易量。鑒于電子商務(wù)的交易量對(duì)電子商務(wù)的運(yùn)作有著決定性的影響，給出了預(yù)測(cè)前的數(shù)據(jù)完整性檢查算法。通過(guò)極端學(xué)習(xí)算法預(yù)測(cè)了電子商務(wù)的交易量，取得了較高的預(yù)測(cè)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(hù)流失權(quán)重。探討了電子商務(wù)客戶(hù)生命周期及其流失預(yù)測(cè)模型。針對(duì)客戶(hù)流失給電子商務(wù)企業(yè)帶來(lái)的嚴(yán)重?fù)p失，從專(zhuān)家和用戶(hù)二個(gè)角度出發(fā)，通過(guò)OWA和粗糙集，全面細(xì)致地討論了流失權(quán)重的計(jì)算過(guò)程。通過(guò)案例，指出退貨及售后服務(wù)是導(dǎo)致客戶(hù)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(dòng)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