摘 要

数据挖掘是互联网迅猛发展和人们研究科学技术给各行各业积累的大量的数据的结果，聚类算法在此基础上帮助浓缩数据，并以一系列算法帮助人们分析出数据之间的联系和分类。面对如今浩如烟海的信息，如何帮助电商有效地从海量数据中提取其所需要的信息，更关键的是如何帮助电商在日益增多的信息中挖掘出客户最喜爱购买的产品关键词，使之能够根据挖掘的关键词提供精准的营销信息，减少对客户鲜少购买产品的生产，从而能有效地针对市场并节约家具行业的资源。

根据对数据挖掘的深入研究，将电商家具中挖掘出来的热销家具关键词进行分层聚类，通过MATLAB和UCINET软件进行建模和运用，并进行聚类分析，采取中心性分析法和对凝聚子群的研究，揭示出这些关键词之间的亲疏关系，进而分析电商家具多指标性能的聚类特性，从而有利于电商发现大多数客户更倾向于的家具产品及其性能描述，为精准营销提供有益参考。

关键词：电子商务；家具产业；共词聚类算法；数据挖掘

E-commerce with furniture products based on data mining of the common word clustering algorithm research

ABSTRACT

Data mining is the result of rapid development of Internet and the science and technology research results of all walks of life to the accumulation of large amounts of data, clustering algorithms help concentration on the basis of this data, and the links between a series of algorithms to help people analyze data and classification. Face now voluminous of information, how help electric business effective to from mass data in the extraction its by need of information, more key of is how help electric business in increasingly increased of information in the mining out customer most love purchase of products keywords, makes of can according to mining of keywords provides precision of marketing information, reduced on customer fresh less purchase products of production, to can effective to for market and save furniture industry of resources.

According to on data mining of in-depth research, will electric businesses with in the mining out of hot furniture keywords for layered poly class, through MATLAB and UCINET software for built die and using, and for poly class analysis, take center sex analysis method and on condensed child group of research, reveals out these keywords Zhijian of affinities relationship, then analysis electric business furniture more index performance of poly class characteristics, to conducive to electric business found most customer more tendencies Yu of furniture products and performance description, for precision marketing provides useful reference.

Key words: e-commerce;furniture industry;common word clustering algorithm;data mining

目 录

1 绪论 - 1 -

1.1 研究背景 - 1 -

1.2 数据挖掘国内外研究现状 - 3 -

1.2.1 数据挖掘国外研究现状 - 3 -

1.2.2 数据挖掘国内研究现状 - 4 -

1.3 研究的目的及意义 - 5 -

1.4 研究方法及思路 - 6 -

1.5 论文研究框架 - 6 -

2 电子商务中的数据挖掘 - 8 -

2.1 电子商务 - 8 -

2.1.1 电子商务概述 - 8 -

2.1.2 家具电子商务的发展现状和前景 - 9 -

2.1.3 家具电商目前存在的问题 - 11 -

2.1.4 家具电商中的数据挖掘技术应用 - 12 -

2.2 以林氏木业为例进行数据挖掘的过程分析 - 12 -

2.2.1 林氏木业家具旗舰店简介 - 12 -

2.2.2 挖掘林氏木业热销家具数据应用的基本步骤 - 13 -

3 基于数据挖掘的电商林氏木业家具关键词算法研究 - 14 -

3.1 共词聚类算法概述 - 14 -

3.1.1 共词聚类算法的发展历程 - 14 -

3.1.2 共词聚类分析法的基本原理 - 14 -

3.1.3 共词聚类算法的过程与方式 - 15 -

3.2 基于数据挖掘的电商家具实例研究 - 16 -

3.2.1利用淘宝指数对林氏木业热销家具进行挖掘 - 16 -

3.2.2聚类分析法分析关键词 - 17 -

4 MATLAB建模与UCINET软件的使用 - 18 -

4.1 MATLAB建模及程序 - 18 -

4.1.1 MATLAB运用概述 - 18 -

4.2 UCINET软件应用 - 19 -

4.2.1 社会网络分析简介 - 19 -

4.2.2 UCINET软件概述 - 19 -

4.2.3 UCINET运行步骤 - 20 -

4.3数据分析 - 22 -

4.3.1 MATLAB数据分析 - 22 -

4.3.2社会网络中心性分析 - 24 -

5 从林氏木业到整个电商家具产业的探究 - 31 -

6 总结与展望 - 33 -

6.1研究结论 - 33 -

6.2 研究的创新点和局限性 - 33 -

6.3 研究展望 - 34 -

致谢 - 35 -

参考文献 - 36 -

1 绪论

1.1 研究背景

当今时代，由于科技的进步，在互联网等技术数据、挖掘、云计算发展的推动下，数据发生了“大爆炸”^[1]。2006年，全世界共产生了 161EB(1EB=1024PB)的数据，2007年产生了280EB数据，2011年产生了1.8ZB(1ZB=1024EB)的数据。据有相关机构预测，到2020年，全世界的数据总量将高达到 35.2ZB。中国数据的增长量也达到了令人吃惊的程度。数据时代刚被提出时，经统计，2013年中国生出多于0.8ZB的数据量（等同于8亿TB），是2012年的两倍。预计到2020年时，中国将创造和复制的数据总量会高于8.5ZB。

对于数据的储存、管理、传播和分析等方面，大数据的应用还存在一些难点，但是，大数据也给世界带来了巨大的机会和发展前景。2011 年，英国《自然》杂志就指出，如果能够有效地组织和使用大数据，对其进行科学的挖掘，其将产生我们无法估计的价值，给社会的发展带来无与伦比的影响。这种海量的数据即被称为“大数据”(Big Data)。大数据改变了人们的生活方式和思考模式，是产生新的发明和创造的源泉，同时开始了一个新的纪元。数据被赋予了全新的价值，不再只是数据本身所包含的意义。人们开发出了数据内含的潜在的价值，并使其应用于未来，而这价值超越数据原本的作用，并能成为未来高速发展的强力武器。这是一次翻天覆地的改变，具有划时代的意义。它使企业重新认识了数据，并对数据的利用有了更为清晰的思考，利用对数据进行分析所得到的结果，应用于企业的发展经营之中，创新企业经营模式。 我们可以用4V来表示大数据的特点，即Volume(数量大)、Velocity(速度快)、Variety(品种多)、和 Value(价值高)。近年来，研究数据的热潮已经涌现，众多的企业开始利用大数据这一工具来进行市场和产品的分析，对大数据的研究也越来越深入和精细。一方面，越深入的利用大数据，其可以对企业产生的经济价值也就越大；另一方面，大数据对全球的各个方面都在发生着潜移默化的影响，从政治到经济，从教育到人文，从医疗到科技，包含了社会生活的所有方面。在大数据时代，应从多领域大数据应用中发现具有挑战性的科学问题，并寻求正确的解决之法。