臺灣博碩士論文加值系統

摘要
在這個網際網路與電子商務快速發展的年代，人們已逐漸利用電腦來銷售與購買各種商品。近幾年來，資料探勘(Data Mining) 技術已轉趨成熟，而且資料探勘主要的目的，便是要從擁有大量的交易記錄資料庫中，精準並有效地找出連專家老闆都不知道的有價值商業資訊。
由於網際網路的發達，各行各業跟網路已產生了聯繫，各行各業不限於只是使用報紙、雜誌或電視台等媒體來銷售企業商品，然而目前的電子商務網站，已經能從log檔中去分析使用者感興趣的商品，也能利用購物網站的瀏覽紀錄，讓業者能夠更有系統、更有效率地幫消費者找到理想的商品，如何有效運用這些瀏覽資訊並挖掘其潛在有用的資訊，經相關部門針對該模型的評估後，再提供給相關決策單位作為使用。
本論文主要使用商業智慧中一項極為重要的資料挖掘的分析技術，與書商合作取得銷售的資料庫以及會員資料庫，並使用資料挖掘的關聯法則模型，從資料中挖掘出重要商品的排序，共同購買商品的組合關聯性，並從中找出它們之間重要的因子，找出顧客與商品之間的相依性網路來建構出所有商品的關聯網絡、主從關係，因此將本篇論文所獲得的商業智慧知識應用在促銷、行銷、獲利的商業行為上面，最後將此論文得到的結果提供給書商做為參考依據。

關鍵字：商業智慧、資料探勘、關聯法則、電子商務、網路書店

Abstract
In the age of rapid development of the Internet and electronic commerce, people are used to utilizing computers to sell or buy a variety of goods. In recent years, the data mining technology has become mature. The purpose of data mining is to find valuable business information accurately and effectively, which experts and bosses unaware of, in database transactions containing huge amounts of data.

Because the Internet is developed, all walks of life are more or less linked to it and sell corporate goods without limitation to newspapers, magazines or television and other media. Current electronic commerce websites can analyze your log files to know what goods you may be interested in and use your browsing history at shopping sites to have vendors help consumers find their ideal commodities more systematically and efficiently. Therefore, how to use browsing history and dig out potentially appropriate information will form a model. After evaluating the model by relevant departments, they are provided for decision-making units.

This essay will use data mining, one of the most important technologies in business intelligence, to analyze sales databases and member databases from a cooperated bookseller. With association rule model in data mining, we can dig out important products sort order, the association among products bought together, factors among products bought together and dependency network between customers and products, which builds associated networks and causal relationships of all products. The application of business intelligence knowledge about promotion, marketing and business practices for profits, acquired in this paper, will be provided as a reference for booksellers.

Keyword: business intelligence, data mining, association rule, electronic commerce, online bookstore

目錄
Abstract v
目錄 vi
表目錄 viii
圖目錄 ix
第一章 緒論 1
1.1 研究背景 1
1.2 動機與目的 2
1.3 研究限制 3
1.4 論文架構 3
1.5 論文流程本研究流程見圖所示 4
第二章 文獻探討 4
2.1 資料探勘 5
2.1.1 資料探勘之定義 5
2.1.2資料探勘之 7
2.1.3 資料探勘之應用 10
2.2 資料前置處理 13
2.2.1 資料清理(Data Cleaning) 15
2.2.2 資料整合(Data Integration) 16
2.2.3 資料轉換(Data Transformations) 18
2.3 關聯法則(Association Rule Mining) 19
2.4 網頁探勘 24
2.4.1網頁內容探勘(web content mining)： 24
2.4.2網頁結構探勘(web structure mining)： 25
2.4.3網頁使用行為探勘(web usage mining)： 26
2.5商業智慧(Business Intelligence) 28
第三章 研究方法 29
3.1 研究架構 29
3.2 資料收集 29
3.3 資料前置處理 31
3.4 資料探勘 41
第四章 建構關聯法則分析模型 42
4.1 資料收集階段 42
4.1.1 交易紀錄檔 42
4.2 資料前置處理階段 43
4.3關聯法則與資料探勘階段 49
4.4探勘結果說明 53
4.4.1資料來源檢視 53
4.4.2項目集(一) 54
4.4.3項目集(二) 55
4.4.4項目集(三) 56
4.4.5 機率、重要性、規則 57
4.4.6 相依性網路 58
第五章 結論及未來研究方向 60
5.1 結論 60
5.2 未來研究方向 61

參考文獻
[1] 謝邦昌、鄭宇庭、蘇志雄(2011)，SQL Server 2008 R2資料採礦與商業智慧，碁峰資訊。
[2] 曾憲雄、蔡秀滿、蘇東興(2005)，資料探勘，旗標出版社。
[3] 廖述賢、溫志皓(2009)，資料採礦與商業智慧：Data mining and business intelligence，雙葉書廊。
[4] 麥可‧裴瑞(Michael J. A. Berry)、戈登‧林諾夫(Gordon Linoff) (2001)，資料採礦理論與實務-顧客關係管理的技巧與科學，維科圖書有限公司。
[5] 徐明龍、陳璽煌 (2011)，電子商務:管理與技術，鼎茂圖書出版社。
[6] David Olson ，Yong Shi(2010) ，資料探勘 Introduction to Business Data Mining，高立圖書有限公司
[7] 許恩得、吳顯忠、王存國(2011)，” 商業智慧系統導入與公司營運績效”， 電子商務學報，P895-P918。
[8] 陳文華(1997)，”資料探挖-找出隱藏在資料庫中的寶藏”，資訊傳真週刊，256期，1997年 8月，pp.24。
[9] 曾久芳、曾干育(2012)，”商業智慧運用於連鎖藥局之效益探討--以某藥局為例”， 健康管理學刊，P99-P114。
[10] 歐宗殷(2010)，” 資料探勘為基礎之零售業銷售預測模式-以連鎖超商鮮食商品為例”，清華大學工業工程管理學系博士論文。
[11] 張彭丕(1999)，”電子商務安全與資料探勘之研究”，交通大學資訊科學研究所碩士論文
[12] 蔡丁鴻(2010)，” 資料探勘在醫療產業之應用-以輪椅產品為例 ”，中正大學企業管理研究所碩士論文。
[13] 常世杰(2013)，” 利用資料探勘Apriori演算法預測零售賣場之個人購物行為”， 高雄第一科技大學服務科學管理研究所碩士論文。
[14] 利益多(2002)，”利用資料探勘技術發掘最適性之行銷策略 ”，南台科技大學資訊管理研究所碩士論文。
[15] 蘇清霖(2012)，”使用決策樹演算法建置薪資預測分析模型 ”，僑光科技大學資訊科技研究所碩士論文。
[16] 林登仕(2013)，” 資料維度組合策略模型 ”，僑光科技大學資訊科技研究所碩士論文。
[17] 粘雅真(2010)，”目標疾病之共病現象關聯法則分析模型：以癌症為例 ”，僑光科技大學資訊科技研究所碩士論文。
[18] 邱婉玉(2008)，”資料與維度精簡在客戶流失預測之研究 ”，中正大學會計與資訊科技研究所碩士論文。
[19] 資料探勘的方法。線上檢索日期：2013 年 11 月 20 日。來源：http://el.mdu.edu.tw/datacos//09422332004A/Data%20mining.ppt
[20] 101-2 DM2 商業智慧中的資料探勘發展與應用。線上檢索日期：2013 年 11 月 20 日。來源：http://203.68.252.38:8080/c/document_library/get_file?p_l_id=13281&;folderId=122977&;name=DLFE-1717.pdf。
[21]邱宏彬，許依宸資料採礦在學生流失偵測上之應用，南華大學資訊管理研究所，資訊管理研究第十一期。
[22] 尹相志(2009)，SQL server2008 Data mining資料採礦，悅知文化出版社。
[23] 程健忠「資料挖掘課程期末報告」http://selab.iecs.fcu.edu.tw/course/94/dm/files/final/dm2006_final_%E7%A8%8B%E5%81%A5%E5%BF%A0.pdf，民國95年。
[24]李沃牆、聶建中，遺傳規畫決策樹模型於房貸提前償還之風險管理，住宅學報第十八卷第一期民國九十八年六月學術論著第 63 頁-87 頁，2009。
[25]陳文欽，Data Mining實務應用簡介，2012/12/18
[26]戴建耘, 盧治均, 廖秋惠 &;quot;應用 Data Mining 建置一分類模型&;quot;, 2007春季第五卷,第一期 ,電子商務研究, 頁109-124, 民國96年。
英文文獻
[27]Shobeir Fakhraei, Hamid Soltanian-Zadeh,”Confidence in Medical Decision Making: Application in Temporal Lobe Epilepsy Data Mining” , Wayne State University Detroit, MI, USA,2011.
[28]C. P. Panayiotopoulos, A clinical guide to epileptic syndromes and their treatment: Springer Verlag, 2010.
[29]J.R. Quinlan(1986),C4.5: programs for machine learning, Morgan Kaufmann Publishers,Inc.
[30]C. Stanfill and J.R. Warren(1986),“Toward memory-based reasoning”,Communications of the ACM, Vol.29, pp.1213-1228.
[31]貪婪的智慧 資料挖掘技術簡介。線上檢索日期：2014 年 1 月 28 日。來源：http://www.wretch.cc/blog/oolong1001/1808539。
[32] 曾憲雄、蔡秀滿、蘇東興，「資料探勘」，台北：旗標出版社，民國94年。
[33] 范明、范宏建(民100)，數據挖掘導論，人民郵電出版社。
[34] J.H. Su and W. Y. Lin, “CBW: An Efficient Algorithm for Frequent Itmeset Mining”, Proceedings of the 37th Hawaii International Conference on System Sciences, pp. 9,(2004).
[35]尹相志，「SQL server2008 Data mining資料採礦」，悅知文化出版社，民國98年3月。
[36]J.H. Su and W. Y. Lin (2004). CBW: An Efficient Algorithm for Frequent Itmeset Mining, Proceedings of the 37th Hawaii International Conference on System Sciences, pp. 9.
[37]S. Brin, R. Motwai, J. D. Ullman and S. Tsur, “Dynamic Itemset Counting and Implication Rules for Market Basket Data”, Proc. of the 1997ACM SIGMOD international conference on Management of data, Tucson,Arizona, United States, pp.255-264, (1997).
[38]B. Dunkel and N. Soparkar,“Data Organization and Access for Efficient Data Mining”, Proc. of the 15th International Conference on Data Engineering,Sydney, Austrialia, pp.522-529, (1999).
[39] Abdullah Mueen , Eamonn Keogh , Qiang Zhu , Sydney S. Cash , M. Brandon Westover , Nima Bigdely-Shamlo (2011). A disk-aware algorithm for time series motif discovery, Data Mining and Knowledge Discovery, v.22 n.1-2, p.73-105.
[40]Wen-Hsing Kao, Jason C. Hung and Victoria Hsu,”―Using Data Mining Techniques in Development of MURA Geometric Prediction Module for Large Area Photomask”, APSCC&;#39;2008 - The 3rd IEEE Asia-Pacific Service Computing Conference, Yilan, Taiwan, December 9-12, 2008.