摘要：隨著我國經濟的快速發展以及互聯網智能技術的普及，電子商務平臺以及網絡營銷作為一種新興技術得以迅速發展起來。相較于傳統的營銷手段以及交易平臺，網絡營銷和電子商務平臺充分發揮了互聯網的交互性及快捷性，為人們的日常生活提供了極大的便利。本文介紹了數據挖掘技術的基本概念，并對數據挖掘技術在電子商務網絡營銷中的應用進行分析和探討。

關鍵詞：數據挖掘技術；電子商務；網絡營銷

1.數據挖掘技術介紹

數據挖掘技術就是指通過一定的信息儲備以及信息分析，在龐大的數據庫中搜尋到與某個主體相匹配的信息以及數據。近年來，隨著生活水平的提高以及網絡智能的普及，數據挖掘技術在電子商務平臺被廣泛地應用。具體來說，用戶在進行一次電子商務平臺相關商品瀏覽之后，其瀏覽記錄就會成為一條數據，被上傳至該電子商務交易平臺的數據庫里。在用戶經過多次的數據瀏覽之后，這些瀏覽記錄所包含的內容就會被存儲于這個賬號的數據庫里。然后，通過電子商務平臺的人工智能分析技術，能夠大致對該用戶的生活需求、習慣愛好以及品味做出初步判斷，電子商務平臺人工智能端為其推薦出符合該用戶瀏覽習慣的商品。這種從數據記錄開始，歷經數據存儲以及人工智能分析，最終達到對用戶進行個性化商品推薦的過程，就可以被看作是一項數據挖掘技術。現階段，人工智能技術以及網絡云端儲存技術得到了快速發展，使得數據挖掘技術被廣泛應用到電子商務交易平臺以及網絡營銷等方面。應用數據挖掘技術對全部電子商務平臺客戶進行數據統計以及數據分析，能夠幫助工作人員對于各項數據之間存在的相互關系進行分析，歸納并總結出各個年齡段、各種職業的瀏覽習慣以及用戶購買愛好等重要結論。通過數據挖掘技術，能夠幫助電子商務平臺優化產品結構、掌握市場需求以及最新動向，分析各種商品的銷售利潤和經營數量。近年來，通過數據挖掘技術所取得的數據，能夠對市場競爭對手的經營動向等做出分析，從而實現對其客戶的流量吸引，最終保證該電子商務平臺在市場競爭中處于領先地位。

2.現階段網絡營銷使用的數據挖掘方法

2.1借助信息關聯性進行數據分析

關聯分析，是指通過對于電子商務平臺云端信息存儲的大量數據進行統計以及分析，從而得到這些數據之間的相互聯系。在電子商務平臺及網絡營銷的實際應用中，關聯分析以其對信息處理的高效性和明確性被廣泛應用。具體來說，通過分析客戶在某種商品的瀏覽記錄，平臺人工智能技術能夠通過信息的關聯分析，在用戶進行下次瀏覽時自動推薦與該種商品有一定使用連接關系的商品。

一、Web數據挖掘技術簡介

要了解Web數據挖掘技術，首先就必須要了解數據挖掘技術。數據挖掘是指從大量不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、有用的信息和知識的過程。它的表現形式為概念（Concepts）、規則(Rules)、模式(Patterns)等形式。數據挖掘技術是人們長期對數據庫技術進行研究和開發的結果。起初各種商業數據是存儲在計算機的數據庫中的，然后發展到可對數據庫進行查詢和訪問，進而發展到對數據庫的即時遍歷。數據挖掘技術是人們長期對數據庫技術進行研究和開發的結果。起初各種商業數據是存儲在計算機的數據庫中的，然后發展到可對數據庫進行查詢和訪問，進而發展到對數據庫的即時遍歷。Web數據挖掘是一種綜合的技術，它主要是使用數據挖掘技術在互聯網挖掘各種有用的、有趣的、隱藏起來的信息或者是有用的模式。與傳統的數據挖掘相比，Web數據挖掘所挖掘的信息更加的海量，這些信息具有異構和分布廣的特點。對于服務器上的日志與用戶信息的挖掘仍然屬于傳統的數據挖掘。Web數據挖掘由于Web的邏輯結構其所挖掘到的模式有可能是關于Web內容的，也有可能是關于Web結構的。同時有些數據挖掘技術也不能直接運用到Web數據挖掘中。Web數據挖掘的研究范圍十分廣泛，它的研究主要包括了數據庫技術、信息獲取技術、統計學、神經網絡等。Web數據挖掘根據所處理的對象可以分為三類：Web文檔的內容挖掘、Web文檔的結構挖掘、Web使用的挖掘。Web文檔的內容挖掘指的是從Web文檔及對其的描述內容中獲取到有用的信息，即是對Web上大量的各種文檔集合的內容進行處理，例如摘要、分類、聚類、關聯分析等。同時內容挖掘還可以對各種多媒體信息進行挖掘。Web上的內容摘要是用簡潔的語言和方式對文檔的內容進行描述和解釋，讓用戶在不用瀏覽全文的情況下就可以對全文的內容和文章寫作的目的有一個總體的了解。文章寫作的目的有一個總體的了解。而Web內容挖掘的這種方式非常有用，例如應用到檢索結果的顯示中。Web分類則指的是根據已經確定好的類別，為每一個獲得的Web文檔確定一個大類。聚類則是指的在沒有確定類別之前，將相似度高的文檔歸為一類。關聯分析指的是從文檔集合中找出不同語詞之間的具有的關系。Web文檔的結構挖掘指的是從互聯網的整體結構和網頁之間的相互鏈接以及網頁本身的結構中獲取有用的信息和知識。目前為止針對結構的挖掘主要還是鏈式結構模式。對于Web結構的挖掘主要源于對引文的分析，引文分析的主要內容就是通過對網頁的鏈接數和被連接數以及對象的分析來建立一個鏈接結構模式，這種模式可以用來對網頁進行歸類，同時還可以獲取網頁之間的相似度和關聯度等信息。Web使用的挖掘一般情況下指的是對Web日志的挖掘。其挖掘的對象是用戶與互聯網交互過程中所抽取出來的各種信息，例如訪問記錄、用戶名、用戶注冊信息以及用戶所進行的操作等。在這一方面的研究已經比較成熟，同時也有很多較為成熟的產品例如NETPERCERPION公司的Netpercerptions，Accrue公司的AccrueInsight和AccrueHitList等都是技術較為成熟的產品。

二、Web數據挖掘技術的工作流程

Web數據挖掘技術的主要工作流程可以分為以下幾個步驟：第一步，確立目標樣本，這一步是用戶選取目標文本，以此來作為提取用戶的特征信息；第二步，提取特征信息，這一步就是根據第一步得到的目標樣本的詞頻分布，從現有的統計詞典中獲取所要挖掘的目標的特征向量，并計算出其相應的權值；第三步，從網絡上獲取信息，這一步是利用通過搜索引擎站點選擇采集站點，然后通過Robot程序采集靜態的Web頁面，最后再獲取這些被訪問站點的網絡數據庫中的動態信息，然后生成WWW資源庫索引；第四步，進行信息特征匹配，通過提取源信息的特征向量，去和目標樣本的特征向量進行匹配，最后將符合閾值條件的信息返回個用戶。

三、Web數據挖掘技術在高校數字圖書館中的應用

高校數字圖書館為師生主要提供以下功能：查找圖書、期刊論文、會議文獻等數字資源；圖書借閱、歸還等服務；圖書信息、管理制度；導航到圖書光盤、視頻資源等數據庫系統。師生時常登錄到網站中查找其需要的信息，根據師生所學專業、研究方向不同，關注目標也不同。通常這類師生會到常用的圖書館網站上，查找自己所需要的特定領域的資源；瀏覽一下有哪些內容發生變化，是否有新知識增加，而且所有改變常常是用戶所關注的內容；另外，當目標網頁所在的位置有所改變或這個網站的組織結構、層次關系有所變動時，所有這些問題只要稍加改動，容易使用戶難以找到所需內容。本課題采用Web挖掘技術與搜索技術相結合。首先允許用戶對感興趣的內容進行定制，構造數據挖掘的先驗知識，然后通過構造瀏覽器插件，捕獲用戶在瀏覽器上的行為數據，采用Web數據挖掘的方法，深入分析用戶的瀏覽行為數據，獲得用戶的信息資料集，最終為用戶提供不同的個性化服務頁面，并提供用戶對站內信息進行搜索功能，同時可以滿足師生對于圖書館資源進行查找訪問的需求，實現高校圖書館網站資源真正意義上的個性化服務。

1、為開發網絡信息資源提供了工具

摘要：如何將消費者在網絡行為中產生的海量數據進行充分的挖掘并加以合理的利用，使之有效地為網絡營銷服務，是企業應該積極思考的問題。本文結合數據挖掘的有關概念，闡述了數據挖掘技術在網絡營銷中的應用策略。

關鍵詞：數據挖掘技術；網絡營銷；應用策略

0引言

網絡營銷是企業整體營銷戰略中的一個組成部分，是基于互聯網的一種營銷方式。在當前互聯網影響不斷擴大的趨勢下，網絡營銷已成為眾多企業廣泛采用的營銷手段。在網絡營銷活動中，企業借助網絡來最大程度地滿足消費者的需求，進而在營銷中獲得最大化收益，而急劇攀升的網上消費人數以及企業營銷策略的轉變，也使網絡營銷有了廣闊的發展前景。當前形勢下消費者在網上消費行為的背后隱藏著大量有價值的商業信息，這些信息能為企業從事商業活動提供可靠的數據支持，企業可以利用數據挖掘技術有針對性地對數據進行處理，使其成為企業重要的資源，從而促進網絡營銷活動的有效開展。

1數據挖掘技術的概念

1.1含義

數據挖掘，又稱數據庫中的知識發現，是指從大量的、不完全的、有噪聲的、模糊的、隨機的實際數據中，提取隱含在其中的、人們所不知道的、但是又是潛在有用信息和知識的過程。數據挖掘技術是一種新型的商業信息處理技術，其主要特點是對商業數據庫中的大量業務數據進行抽取、轉化、分析和模式化處理，從中提取輔助商業決策的關鍵知識。

一、web數據挖掘技術簡介

要了解web數據挖掘技術，首先就必須要了解數據挖掘技術。數據挖掘是指從大量不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、有用的信息和知識的過程。它的表現形式為概念（Concepts）、規則(Rules)、模式(Patterns)等形式。數據挖掘技術是人們長期對數據庫技術進行研究和開發的結果。起初各種商業數據是存儲在計算機的數據庫中的，然后發展到可對數據庫進行查詢和訪問，進而發展到對數據庫的即時遍歷。數據挖掘技術是人們長期對數據庫技術進行研究和開發的結果。起初各種商業數據是存儲在計算機的數據庫中的，然后發展到可對數據庫進行查詢和訪問，進而發展到對數據庫的即時遍歷。Web數據挖掘是一種綜合的技術，它主要是使用數據挖掘技術在互聯網挖掘各種有用的、有趣的、隱藏起來的信息或者是有用的模式。與傳統的數據挖掘相比，web數據挖掘所挖掘的信息更加的海量，這些信息具有異構和分布廣的特點。對于服務器上的日志與用戶信息的挖掘仍然屬于傳統的數據挖掘。Web數據挖掘由于web的邏輯結構其所挖掘到的模式有可能是關于web內容的，也有可能是關于web結構的。同時有些數據挖掘技術也不能直接運用到web數據挖掘中。Web數據挖掘的研究范圍十分廣泛，它的研究主要包括了數據庫技術、信息獲取技術、統計學、神經網絡等。Web數據挖掘根據所處理的對象可以分為三類：web文檔的內容挖掘、web文檔的結構挖掘、web使用的挖掘。Web文檔的內容挖掘指的是從web文檔及對其的描述內容中獲取到有用的信息，即是對web上大量的各種文檔集合的內容進行處理，例如摘要、分類、聚類、關聯分析等。同時內容挖掘還可以對各種多媒體信息進行挖掘。Web上的內容摘要是用簡潔的語言和方式對文檔的內容進行描述和解釋，讓用戶在不用瀏覽全文的情況下就可以對全文的內容和文章寫作的目的有一個總體的了解。文章寫作的目的有一個總體的了解。而web內容挖掘的這種方式非常有用，例如應用到檢索結果的顯示中。Web分類則指的是根據已經確定好的類別，為每一個獲得的web文檔確定一個大類。聚類則是指的在沒有確定類別之前，將相似度高的文檔歸為一類。關聯分析指的是從文檔集合中找出不同語詞之間的具有的關系。Web文檔的結構挖掘指的是從互聯網的整體結構和網頁之間的相互鏈接以及網頁本身的結構中獲取有用的信息和知識。目前為止針對結構的挖掘主要還是鏈式結構模式。對于web結構的挖掘主要源于對引文的分析，引文分析的主要內容就是通過對網頁的鏈接數和被連接數以及對象的分析來建立一個鏈接結構模式，這種模式可以用來對網頁進行歸類，同時還可以獲取網頁之間的相似度和關聯度等信息。

Web使用的挖掘一般情況下指的是對web日志的挖掘。其挖掘的對象是用戶與互聯網交互過程中所抽取出來的各種信息，例如訪問記錄、用戶名、用戶注冊信息以及用戶所進行的操作等。在這一方面的研究已經比較成熟，同時也有很多較為成熟的產品例如NETPERCERPION公司的Netpercerptions，Accrue公司的AccrueInsight和AccrueHitList等都是技術較為成熟的產品。

二、Web數據挖掘技術的工作流程

Web數據挖掘技術的主要工作流程可以分為以下幾個步驟：第一步，確立目標樣本，這一步是用戶選取目標文本，以此來作為提取用戶的特征信息；第二步，提取特征信息，這一步就是根據第一步得到的目標樣本的詞頻分布，從現有的統計詞典中獲取所要挖掘的目標的特征向量，并計算出其相應的權值；第三步，從網絡上獲取信息，這一步是利用通過搜索引擎站點選擇采集站點，然后通過Robot程序采集靜態的web頁面，最后再獲取這些被訪問站點的網絡數據庫中的動態信息，然后生成www資源庫索引；第四步，進行信息特征匹配，通過提取源信息的特征向量，去和目標樣本的特征向量進行匹配，最后將符合閾值條件的信息返回個用戶。

三、Web數據挖掘技術在高校數字圖書館中的應用

1、為開發網絡信息資源提供了工具

摘要：企業運營管理中，人資管理對企業競爭力的穩固與提高發揮著重要的作用，現代科技推動下，數據挖掘技術在企業人資管理中應用日益廣泛，取得了顯著成就。基于此，本文主要論述了企業人資管理中，數據挖掘技術應用相關知識。

關鍵詞：數據挖掘技術；企業人資管理；應用

引言

企業內部組織管理中，人、財及物等資源是管理的主要對象，即統籌管理人與人的工作行為，調動的生產與工作積極性，發揮人盡其才的效果，以此提高企業生產力與綜合競爭力。數據挖掘技術則是數據統籌并分析人的社會與經濟活動，獲得企業人資管理信息，形成新社會與經濟活動，并將兩者結合起來，對企業人資管理效用的提高至關重要。

一、數據挖掘技術優勢分析

大數據時期，數據信息量日益增加，此種情況下，如何獲得所需信息，已成為企業面臨的首要問題，作為大數據的核心，數據挖掘技術主要指挖掘海量數據中的相關信息，通常可根據數據統計、分析、信息檢索與經驗法則等途徑實現，檢索相關信息。社會大環境中，各行業領域廣泛應用該技術，且在商業領域取得了很大的成果，比如零售與餐飲行業等應用的客戶挖掘與需求分析技術，另外，還能幫助企業合理制定營銷方案、選擇市場并處理危機風險。面對海量復雜、不完整且隨機性的模數數據，利用數據挖掘技術，方便企業歸納推斷，再借助該技術詳細分析企業內部與所處市場環境，從而及時調整市場發展戰略、分析客戶與競爭對手行為，更好的規避經營風險，以此便于企業管理者理性的樹立經營與市場觀，基于市場環境對決策正確性進行分析，實現穩定發展。企業人資管理中，管理系統不健全、人才流失與工作流程繁瑣等問題依然存在，工作效率受到了嚴重的影響，管理資源造成了很大的浪費，針對這些問題，企業必須要重視數據挖掘技術的應用，發揮其價值，協調內外部環境，工作質量與效率得到提高，為企業人資管理水平的提升奠定基礎。

二、數據挖掘技術在企業人資管理中的具體應用

摘要:隨著科學技術的快速發展以及數據挖掘技術的不斷改進，各個學校的教學管理系統中都已存儲了大量的數據信息，本文主要對目前教師在教學評價中的現狀進行了研究，并以教學評價的體系為數據挖掘的基礎平臺，利用數據挖掘技術對教師教學相關的數據進行挖掘和分析。重點對數據挖掘技術在教師教學評價中的應用進行研究，從而可促進學校教學的質量，對教師教學評價有重大的意義。

關鍵詞:教師；教學評價；數據挖掘

0引言

隨著新一代社交網絡、數字城市等大規模互聯網應用的迅猛發展。大數據的特點為：（1）彈性服務。（2）按需服務。（3）資源池化。（4）服務可計費。（5）泛在接入。大數據主要就是云架構計算技術，并且云架構計算是分布式計算、互聯網技術以及大規模資源管理等技術的發展與融合，其應用和研究涉及資源虛擬化、信息安全、海量數據處理等亟待處理的重要問題。隨著科學技術的快速發展以及數據挖掘技術的不斷改進，各個學校的教學管理系統中都已存儲了大量的數據信息，對存儲的大量的數據信息都是進行簡單的數字處理，不能對這些數據進行更深入的研究和分析[1]。本文主要對目前教師在教學評價中的現狀進行了研究，并以教學評價的體系為數據挖掘的基礎平臺，利用數據挖掘技術對教師教學相關的數據進行挖掘和分析，對教師教學評價有重大的意義。

1數據挖掘技術

數據挖掘主要就是云架構計算技術，并且云架構計算是分布式計算、互聯網技術以及大規模資源管理等技術的發展與融合，其應用和研究涉及資源虛擬化、信息安全、海量數據處理等亟待處理的重要問題。數據挖掘其可用于發現的模式類型主要有以下6種：（1）挖掘中的頻繁項集的關聯以及相關模式。（2）概念和類相關的描述，主要包含特征化和區分兩個方面。（3）通過聚類對已有的數據進行類標記和分析。（4）對數據進行聚類和預測，通過對比分析建立一個概念模型。（5）對建立的模型進行演變分析，模擬數據的演變過程。（6）對數據中的表現異類的數據進行深入的分析，即對離群點進行分析。

2利用數據挖掘技術進行教師教學評價研究的流程

摘要：隨著信息技術的不斷發展與教育制度的深化改革，越來越多的教學資源涌入高校校園中，這就對高校教學管理工作提出了新的要求。數據挖掘技術的推廣與應用是新形勢下高校教學管理信息化的探索，具有重要的現實意義。文章簡要概述了數據挖掘技術的定義，并分析其應用方法與要點，進而對數據挖掘技術在高校教學管理信息化中的應用進行深入研究與探討，以期推動教育事業的發展。

關鍵詞：數據挖掘技術；高校教學管理；信息化

在新形勢下，信息化管理模式逐漸在各高校中得到推廣與肯定，紛紛構建了教學管理信息系統，然而，隨著教學管理信息系統使用時間與所管理學生數量的增加，大量的教學管理數據被累積，如何更好挖掘累積數據的利用價值，優化教學資源配置，提高教學資源的利用率，成為了當前廣大教育事業工作者共同面對的新課題[1]。

1數據挖掘技術概述

所謂數據挖掘技術，指的是將數據進行分析與處理，從大量隨機的數據中篩選有價值的數據，簡化繁雜的數據庫，促進資源的有效運用。通過數據挖掘技術，能夠使長期積累的數據內容得到合理的處理，將不完整的、隨機的數據進行全面、準確的收集，并深入分析與統計，形成一套更便于利用的統計數據系統，以達到使用者能夠更好地應用與提取數據的目的。數據挖掘技術主要有發掘新知識、表現系統局部特征與規律以及實時更新的特點。通過對數據庫中的知識進行分析，提取其中使用者需要的信息，信息的形式可以是模式、規則、概念、規律等不同種類；其次，根據累計數據預測未來趨勢，并做出前瞻性決策；同時，數據挖掘技術能夠根據信息獲取原則實時更新。現階段，數據挖掘技術被廣泛運用于各行業中，尤其在高校教學管理系統中占據著重要的地位，對了解學生基本信息、掌握學生學習特征、合理設置教學課程具有良好的積極作用[2]。

2基于數據挖掘技術的高校教學管理技術流程與操作方法

2.1技術流程

［摘要］作為圖書館管理信息系統的重要支撐技術，數字挖掘技術的高效化應用至關重要。其不僅有助于讀者圖書資源獲取效率的提升，更對圖書館管理的信息化、現代化建設具有重大影響。文章在闡述數據挖掘技術與圖書館信息管理系統內涵的基礎上，對其應用優勢進行系統分析，并指出數據挖掘技術在圖書館管理信息系統中的具體應用內容，以期有利于數據挖掘技術應用質量的提升，繼而推動圖書館管理信息系統的進一步發展。

［關鍵詞］數據挖掘技術；圖書館管理；信息系統；應用內容

0前言

隨著社會文化建設事業的不斷推進，我國圖書館的建設數目不斷增加，且圖書館藏書量日益擴大。其在滿足人們閱讀需求，提升文化層次的同時，也帶來了較大的圖書資源獲取難度。基于此，進行圖書館管理的信息化建設已成為的當前圖書館發展的重要趨勢。數據挖掘技術是圖書館信息化管理的重要支持，當前環境下，提升數據挖掘技術的應用質量對于圖書館管理信息系統的規范化建設具有重大影響。本文由此展開分析。

1數據挖掘技術與圖書館管理信息系統

1．1數據挖掘技術的基本內涵

數據挖掘技術是一種現代化的信息搜尋技術，其基于大量的數據資料而產生，在分析并研究相關資源的基礎上，實現了資料隱性知識及規律的探究發現。其不僅保證了人們數據信息獲取的效率，更有效地提升了數據獲取的質量。工作實踐中，人們長期兩種方式進行數據挖掘技術的具體區分：其一，預測性數據分析法。從應用過程來看，該分析方式需要進行大量資料的初步分析，并以此獲得指導性結論，從而確保未來預測的準確實現。一般情況下，分類型數據預測和統計回歸型預測是其常見的兩種應用形態。其二，描述性數據分析。該數據挖掘方法是對收集資料的系統描述，其為后續的資料搜尋和查找做好了準備。實踐過程中，描述性數據分析可具體分為關聯分析、序列分析以及聚類分析。