人工智能技术在电子商务中的应用
人工智能技术在电子商务中的应用 摘要：人工智能技术和电子商务的飞速发展推动了全球科技经济领域的进步，基于 人工智能技术的电子商务更趋向完美和成熟。随着电子商务的不断发展和人工智能技术 的不断完善，两者在各个领域、各个层次的相互融合将更加密切。作为各自的成功因素 ，电子商务和人工智能技术的融合必将成为一种关键技术。 关键词：电子商务；人工智能；数据挖掘 电子商务的飞速发展给全球经济带来的冲击是巨大的。基于人工智能技术的电子商务将 能更好的为其发展带来良好的基础，这一过程是电子商务向着良性发展的必然趋势。下 面，我将从人工智能技术与电子商务的国内外动态、人工智能技术在电子商务中的应用 例子以及数据挖掘技术在Web上的应用等几个方面对其进行论述。 1．人工智能技术与电子商务的国内外动态 1.1 人工智能技术的国内外动态 从1956年正式提出人工智能学科算起，40多年来，人工智能学科取得了长足的发展 ，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器 能够象人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更 进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车 ，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能 呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细 胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。 　　当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月 中，无数科学家为这个目标努力着。现在人工智能已经不再是几个科学家的专利了，全 世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习 这样一门课程，在大家不懈的努力下，现在计算机似乎已经变得十分聪明了。例如，19 97年5月，IBM公司研制的深蓝（Deep Blue）计算机战胜了国际象棋大师卡斯帕洛夫（Kasparov）。大家或许不会注意到，在 一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人 类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计 算机软件都因为有了人工智能的进展而得以存在。 在大多数学科中存在着几个不同的研究领域，每个领域都有其特有的感兴趣的研究 课题、研究技术和术语。在人工智能中，这样的领域包括语言处理、自动定理证明、智 能数据检索系统、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等 。在过去30多年中，已经建立了一些具有人工智能的计算机系统；例如，能够求解微分 方程的，下棋的，设计分析集成电路的，合成人类自然语言的，检索情报的，诊断疾病 以及控制太空飞行器和水下机器人的具有不同程度人工智能的计算机系统。 人工智能理论进入21世纪，正酝酿着新的突破——人工生命的提出，不仅意味着人类 试图从传统的工程技术途径，而且将开辟生物工程技术途径，去发展人工智能；同时人 工智能的发展，又将作为人工生命科学的重要支柱和推动力量。可以预言：人工智能的 研究成果将能够创造出更多更高级的智能"制品"，并使之在越来越多的领域超越人类智 能；人工智能将为发展国民经济和改善人类生活作出更大贡献。 1.2 电子商务的国内外动态 与此同时，电子商务的发展在全球也掀起了巨大的商业浪潮。电子商务走到今天， 其发展模式已经开始转向BtoB。显然，相比于BtoC，BtoB电子商务利润最高,这没错，但 同时，这也是挑战最大、难度最强的崭新模式。根据预测，全球电子商务市场在2004年 将是去年的50倍，而BtoB市场销售额会占7％。祖国大陆企业数量为5000万家，现有.co m域名22220个，BtoB电子商务市场广阔，远远未达到饱和状态，大量的服务和赢利渠道 还处于空白状态。电子商务不仅是企业建网站，宣传企业产品及形象；也不是简单的网 上购物。真正的电子商务应该是以internet为核心的信息技术进行商务活动和企业资源 处理，说穿了就是信息流的高效管理、增值运用。商务中国在开发的每个栏目力求帮助 企业在客户及供应商之间建立信息共享、高速流动，改变商贸传统运作方式，在不受时 间、地域限制的虚拟商业网进行交易。 90年代以来，取得了显著效果的企业信息系统模式是外贸部门的edi系统、商业部门 的商场信息系统以及制造业的mrpⅡ系统。这些系统的成功，主要是解决了过去手工作业 的速度慢、效率低的问题。而国外在这一阶段比较成功的一些例子是制造业的cals系统 、流通业的edi和金融业的电子商务系统。这些系统的最大的特点都是在于企业之间的协 作。1996年，日本将三菱汽车、日本电装等汽车公司和部件公司联合起来，成立了“v- cals联合体”。它们的目标不仅是将新车的开发周期缩短一半，而且要将各种部件调拨活 动的信息、cad设计信息、各种冲突、噪音试验信息等构成共享数据库，从而形成一个多 企业的有机联合体。 2．人工智能技术在电子商务中的应用例子 人工智能就是设计和开发出各种计算机程序来模拟人的思维结构、推理和求解问题 的行为。由于人工智能的研究范围十分广泛，对电子商务也有多方面的影响。 2.1 数据仓库 Tim, shelter认为：数据仓库是把分布在网络中不同信息孤岛上的数据集成到一起，存储 在一个单一的集成关系型数据库中。利用这种集成信息，用户可以方便地对信息进行访 问，还可以使决策人员对一段时间内的历史数据进行分析、研究，以获得事物发展的趋 势。 数据仓库有两大优点：一是不必重新编制输入（事务）处理系统就能够建立一个结构 化 的环境，将输出（决策支持）处理移入新环境（数据仓库）中；二是数据仓库建立概念 模式（逻辑数据模型）、内部模式（历史文件）和外部模式（数据仓库）的三模式环境 。其中历史文件中的“多对多”（m﹡n）维护关系可以简化为三模式环境下的多个“一对多 ”（m*n）关系。 2.2 数据挖掘与知识发现 数据挖掘（DM. Data Mining）和数据库知识发现（KDD. Kwowledge Discovery in Data base）是随着数据库技术、人工智能技术和网络技术的发展而提名的。尤其是随着电子 商务的开展，信息总量不断增加，更迫切地需要有效的信息分析工具，以便能发现大量 商业数据间隐藏的依赖关系，从而抽取有用的信息或知识，指导商业决策。过去只有简 单的数据统计技术，还未达到成为智能数据分析工具。因此，在数据生成和数据理解之 间还存在很大的差距。DM和KDD就是一种新型的数据分析技术，旨早从大型数据库中提取 隐藏的预测性信息，构建高校的数据仓库，发掘数据间潜在的模式，以便于用理解和观 察的形式反映给用户，从而为企业作出前瞻的，基于知识的决策参考意见。 DM与KDD需要解决的问题有：超大规模数据库和高维数据；数据丢失；变化中的数 据和知识；模式的易懂性；非标准格式数据；多媒体数据以及面向对象数据的处理；与 其他系统的集成；网络与分布式环境下的KDD问题等。 DM与KDD的区别是：KDD是一个综合的过程，包括实验记录，叠代求解，用户交互 以及许多定制要求和决策设计等，而DM只是KDD中的一个具体但又是关键的步骤。当然， 它们都对数据仓库进行有效利用的技术手段。 2.3 生物认证技术 目前，许多磁卡、存单大都是用密码来进行安全保障的，一旦密码泄漏，也就不安全 了。 在电子商务中，电子货币将得到急速的发展，对安全水平的要求也相应提高，从而带动 了人工智能的一个分支领域——生物认证技术的研究与开发。 生物认证技术是指利用人体某一具有特征的部位，或个人的习惯，如指纹、掌纹、手 形、 网膜、虹膜、脸形、声纹及笔迹等来识别人们的身份的技术。这种识别技术与磁卡式的 靠持有物认证的方法和密码式的靠知识认证的方法相比，具有极大的优越性，它不会丢 失、被盗和被伪造。 生物认证技术作为一种准确、快速和高效的身份认证方法，正应用于如银行、海关、 医 疗保险、重要通道控制、信息网络安全等领域。这是一项集现代化生物科技与计算机科 学相结合的高科技实用项目。微软公司宣布将把生物认证技术添加到自己的视窗操作系 统中，这对这项新技术的发展将起到促进作用。 2.4 智能数据库信息检索 在电子商务平台应用实践中，如何根据用户的意图、兴趣和特点自适应地和智能化地 从 现有的客户信息、商品库存信息等大量数据信息中对信息进行相关性排列，调整匹配机 制，以获得用户满意的检索输出，成为电子商务今后应用所面临一个技术问题。 3．数据挖掘技术在Web上的应用 3.1 引言 在日益发展激烈的电子商务买方市场竞争中，任何与消费者行为有关的信息对商家 来说都是非常宝贵的。虽然电子商务网站的后台数据库能够记录下来丰富的交易信息和 顾客相关的数据，但是这些数据资源中所蕴涵的大量有益信息至今却未能得到充分地挖 掘和利用。 近年来兴起的数据挖掘技术为解决这个问题带来了一线曙光。而通过在Web上应用数 据挖掘技术（即Web Mining技术），公司还可以分析和预测顾客的将来行为。同时，利用有效的顾客信息， 可以大大降低公司的运营成本。 3.2 数据挖掘的概念 数据挖掘是近几年来随着数据库和人工智能技术的发展而出现的一种全新信息技术，也 是计算机科学与技术，尤其是计算机网络的发展和普遍使用所提出的而且迫切需要解决 的重要课题。数据挖掘可以描述为：数据挖掘是指从数据中提取模式的过程。它发复使 用多种数据挖掘又是一种支持过程，它主要基于人工智能、机器学习、统计学等技术， 高度自动化地分析企业原有数据，做出归纳性推理，从中挖掘出潜在的模式，预测客户 的行为，帮组企业决策者调整市场策略，减少风险，做出正确决策。 数据挖掘的技术基础是人工智能。它利用了人工智能中一些已经成熟的算法和技术，如 ：人工神经网络、遗传算法、决策数、邻近搜索方法、规则推理、模糊逻辑等，其问题 的复杂度和难度比人工智能要低许多 3.3 Web上数据挖掘的用途 网站的所有访问者将会留下浏览的踪迹，这些信息自动存储在Web服务器的日志文件 内。Web分析工具可以通过分析和处理Web服务器的日志文件生成有意义的信息。例如有 多少人访问了该页面，他们从哪儿来，哪些页面最受欢迎等。当前经济模式的变化，从 传统的实体的商店到Internet上的电子交易，同时也改变了销售商和顾客的关系。现在 ，网上顾客的流动性很大，他们关注的主要因素是商品的价值，而不象以前注意品牌和 地理因素。因此，电子销售商一个主要的挑战是需要了解到顾客尽可能多的爱好，价值 取向，以保证在电子商务时代的竞争力。数据挖掘是用来发现不明显的，有潜在价值的 数据。Web上数据挖掘的潜力在于应用最新的数据挖掘算法，分析Internet服务器上的日 志以及顾客，销售和产品的外部数据。 综合来说，Web数据挖掘有一下三个方面的益处： ·理解顾客行为： （1）通过理解访问者的行为行为来优化电子商务网站的经营模式； （2）电子销售商可以获知访问者的个人爱好； （3）决定网站上访问者到购买者的转化率； （4）决定顾客的回头率（顾客第二次购买同一品牌的概率）； （5）发现顾客的购买模式和访问者的浏览模式； （6）发现什么样的顾客群在网站上购买什么商品； （7）发现电子商务网站上顾客之间的联系。 ·判断Web站点的效率 （1）发现站点上的高购买率部分和低购买率部分； （2）Web设计者不再完全依靠专家的定性指导来设计网站，而是根据访问者的信息 来修改和设计网站结构和外观； （3）电子销售商可以针对不同顾客提供个性化的服务。 ·评估电子商务模式的成功与否 （1）容易将用户按照模式分类； （2）容易评测广告的投资回报率； （3）容易得到可靠的市场反馈信息。 3.4 Web数据挖掘的分类 Web数据挖掘可以分为一下几个层面： Web内容的挖掘：Web内容的挖掘是挖掘Internet的页面和后台交易数据库。 Web结构的挖掘：Web结构的挖掘是运用数据挖掘技术来重建Web站点的结构。 Web使用的挖掘：Web使用的挖掘是通过挖掘相应站点的日志文件和相关数据来发现该站 点上的浏览者和顾客的行为模式。 3.5 Web数据发掘工具的架构和工作步骤 Web数据挖掘器将从Web数据库中提取并集中数据，它需要Web站点的后台数据库（包 括用户访问日志文件，注册用户的活动信息）以及Web数据仓库（主要是面向电子商务网 站的注册用户）支持。并且要解决数据语义的二义性问题，以及消除脏数据等等，这需 要一个过滤器和综合器来完成。由于HTTP协议是无状态的，所以无法区分和跟踪一个访 问者在网站上的所有行为，这样单纯的依靠日志文件来进行分析所得到的用户...
人工智能技术在电子商务中的应用