全文总字数：2546字

1. 研究目的与意义及国内外研究现状

网络购物是电子商务重要的组成部分之一，伴随着互联网的快速发展所成长起来的电子商务与传统商务相比，电子商务拥有信息化效率高，低成本，服务个性化，不限制地域、时空等等优势，这些优势帮助电子商务逐渐取代传统商务成为国际经济领域的主流。但也正因为网络购物平台的快速发展，商户所要处理的销售数据信息也在飞速的膨胀，各类的信息参杂在一起使信息的处理遇到了非常大的挑战。所以，在网络购物平台产业界急需有一种新的技术、新的处理方式去对这些数据进行分类，并进行更加深度的挖掘，将其中的包含的深层关系发掘出来。同时简化数据的存储方式，探索数据中所隐藏的知识，帮助商户发现有利于自身企业的信息，更好的制定符合自己网店的运营策略，来谋求更加长远的发展与进步

数据挖掘（data mining）,可视为另一流行语“数据中的知识发现（kdd）”的同义词，知识发现过程由七个迭代序列组成:数据清理，数据集成，数据选择，数据变换，数据挖掘，数据评估，知识表现。前四个是数据预处理的不同形式，为挖掘准备数据。这种观点把数据挖掘看作是知识发现过程中的一个最重要步骤，不过我们可以采用广义的数据挖掘功能的观点：数据挖掘是从大量数据中挖掘有趣模式和知识的过程。数据源包括数据库，数据仓库，web，其他信息储存库或动态流入系统的数据。

2. 研究的基本内容

• 介绍数据挖掘原理及关联规则挖掘算法——Apriori算法
• 针对Apriori算法在效率方面的不足分析可行的优化方案
• 实例研究数据挖掘在网络销售业务方面的使用，并对其提出运营优化建议
• 介绍研究得到的结果

3. 实施方案、进度安排及预期效果

2017年10月11日——2017年10月31日，翻阅文献确定论文选题

2017年11月1日——2017年11月15日，拟定开题报告

2017年11月16日——2018年2月，攥写论文初稿

4. 参考文献

[1] 乌文波. 应用apriori关联规则算法的数据挖掘技术挖掘电子商务潜在客户[d]. 浙江工业大学, 2012.

[2] 陆垂伟. 电子商务中数据挖掘技术的研究与应用[j]. 商场现代化, 2006(10):87-87.

[3] 苏林萍. 基于数据挖掘技术的电子商务模式研究[d]. 华北电力大学(北京), 2003.