学校网站建设 效果黑客软件

信息系统对决策支持的程度可以划分为事务处理、分析处理和商务智能三个层次.

数据仓库

人们要求信息 系统具有对多方面数据进行综合分析的能力，这就要求建立一个面向分析的、集成存储大量历 史数据的新型数据管理机制，这一机制就是数据仓库 (Data WareHouse,DW)、决策支持系统 (DSS) 和联机分析应用数据源的结构化数据环境，其特征在于面向主题、集成性、稳定性和时 变性。
数据仓库系统至少应该包含数据获取、数据存储、数据访问三个关键部 分。

数据挖掘

数据挖掘是通过挖掘数据仓库中存储的大量数据，从中发现有意义的新的关联模式和趋势 的过程。
根据知识类型将数据挖掘划分为以下几类：
(1)概念描述(归纳或简约)。包括对概念的识别和比较，它通过对数据进行一般化汇总 或将可能矛盾的数据的特征进行说明，
(2)关联规则。发现数据之间的关联性、相关性和因果关系，从而进一步得出不同信息之 间潜在的逻辑规律，为业务运作提供参考和决策支持。
(3)分类和预测。对数据按类进行划分，挖掘出每类数据的描述和模型，根据已有信息和 模式，来预测未来或未知的属性值。
(4)聚类。将数据按照某种标准进行汇总，形成新的类。聚类和分类不同，在分类中，数 据事先是给出类标记的，然后选择分类算法对这些类进行划分，是一种监督学习的方式；而聚 类则是将数据集合按特定属性测度的相似性进行聚合，并没有事先给定类别，是一种非监督学 习的方式。
(5)时间序列数据分析。这是统计方法的直接应用，主要包括趋势和偏差分析、用户定义 的模式匹配分析及周期数据分析。

数据挖掘在电子商务中的应用

• 数据挖掘的具体应用方面
  • 找到潜在客户
  • 实现客户驻留
  • 改进站点的设计
  • 进行市场预测
• 面向电子商务的数据挖掘过程
  • 准备数据
  • 发现模式
  • 分析、解释模式

数据挖掘在应用中面临的问题

• 数据挖掘分析变量的选择
• 数据抽取的方法的选择
• 数据趋势的预测
• 数据模型的可靠性
• 数据挖掘涉及数据的私有性和安全性
• 数据挖掘结果的不确定性

Web 数 据 挖 掘 技 术

Web 数据挖掘主要包括三种数据挖掘任务：
( 1 ) 对Web 内容的挖掘。
( 2 ) 对Web 结构的挖掘。
( 3 ) 对Web 访问的挖掘。

Web 挖掘技术与流程

(1)查找资源。
(2)模式发现。
(3)模式分析。

Web 数据挖掘技术在电子商务中的应用

(1)服务器端数据的收集(Server Level Collection)。

(2)包监测技术(packet sniffing technology)。

(3)后台数据库里的原有数据。

Web 数据挖掘技术实现的总体流程如下：

• 确立目标样本，即由用户选择目标文本，作为提取用户的特征信息。

• 提取特征信息，即根据目标样本的词频分布，从统计词典中提取出挖掘目标的特征向 量并计算出相应的权值。

• 网络信息获取，即先利用搜索引擎站点选择待采集站点，再利用Robot 程序采集静态 Web页面，最后获取被访问站点网络数据库中的动态信息，生成WWW 资源索引库。

• 信息特征匹配，即提取索引库中的源信息的特征向量，并与目标样本的特征向量进行 匹配，将符合阈值条件的信息返回给用户。