【正文】 其進(jìn)行論述。電子商務(wù)走到今天，其發(fā)展模式已經(jīng)開始轉(zhuǎn)向 BtoB。利用這種集成信息，用戶可以方便地對信息進(jìn)行訪問，還可以使決策人員對一段時間內(nèi)的歷史數(shù)據(jù)進(jìn)行分析 、 研究，以獲得事物發(fā)展的趨勢。這是一項集現(xiàn)代化生物科技與計算機(jī)科學(xué)相結(jié)合的高科技實用項目?，F(xiàn)在，網(wǎng)上顧客的流動性很大，他們關(guān)注的主要因素是商品的價值，而不象以前注意品牌和地理因素。所以要吸引訪問者成為注冊用戶，以便得到更多的用戶信息，并且通過注冊給用戶加上 COOKIE 訪問頭，作為標(biāo)識用戶的唯一 ID。 用和評估界面：以一種直觀的方式來表現(xiàn)數(shù)據(jù)挖掘的結(jié)果，提供一個和分析人員交互的友好界面。總而言之，傳統(tǒng)模式的電子商務(wù)越來越不能行之有效地完成人們的各項任務(wù)?；谏虡I(yè)的需求，講在 Inter 上進(jìn)行信息傳遞和交換的方便、快捷、廉價的有點用于商業(yè)貿(mào)易，已成為當(dāng)然的考慮。并且隨 著應(yīng)用的深入，該知識庫可以不斷融入新的規(guī)則，以增加專家系統(tǒng)的智能性。 Web 使用的挖掘： Web 使用的挖掘是通過挖掘相應(yīng)站點的日志文件和相關(guān)數(shù)據(jù)來發(fā)現(xiàn)該站點上的瀏覽者和顧客的行為模式。它利用了人工智能中一些已經(jīng)成熟的算法和技術(shù)，如：人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策數(shù)、鄰近搜索方法、規(guī)則推理、模糊邏輯等，其問題的復(fù)雜度和難度比人工智能要低許多 Web 上數(shù)據(jù)挖掘的用途 網(wǎng)站的所有訪問者將會留下瀏覽的蹤跡，這些信息自動存儲在Web 服務(wù)器的日志文 件內(nèi)。 在電子商務(wù)中，電子貨幣將得到急速的發(fā)展，對安全水平的要求也相應(yīng)提高，從而帶動了人工智能的一個分支領(lǐng)域 —— 生物認(rèn)證技術(shù)的研究與開發(fā)。它們的目標(biāo)不僅是將新車的開發(fā)周期縮短一半，而且要將各種部件調(diào)撥活動的信息、cad設(shè)計信息、各種沖突、噪音試驗信息等構(gòu)成共享數(shù)據(jù)庫，從而形成一個多企業(yè)的有機(jī)聯(lián)合體。在過去 30多年中，已經(jīng)建立了一些具有人工智能的計算機(jī)系統(tǒng)；例如，能夠求解微分方程的，下棋的，設(shè)計分析集成電路的，合成人類自然語言的，檢索情報的，診斷疾病以及控制太空飛行器和水下機(jī)器人的具有不同程度人工智能的計算機(jī)系統(tǒng)。 隨著電子商務(wù)的不斷發(fā)展和人工智能技術(shù)的不斷完善，兩者在各個領(lǐng)域、各個層次的相互融合將更加密切。人工智能始終是計算機(jī)科學(xué)的前沿學(xué)科，計算機(jī)編程語言和其它計算機(jī)軟件都因為有了人工智能的進(jìn)展而得以存在。而國外在這一階段比較成功的一些例子是制造業(yè)的 cals 系統(tǒng)、流通業(yè)的 edi 和金融業(yè)的電子商務(wù)系統(tǒng)。 DM 與 KDD 的區(qū)別是： KDD 是一個綜合的過程，包括實驗記錄，疊代求解，用戶交互 以及許多定制要求和決策設(shè)計等，而 DM 只是 KDD 中的一個具體但又是關(guān)鍵的步驟。數(shù)據(jù)挖掘可以描述為：數(shù)據(jù)挖掘是指從數(shù)據(jù)中提取模式的過程。 評估電子商務(wù)模式的成功與否 （ 1）容易將用戶按照模式分類； （ 2）容易評測廣告的投資回報率； （ 3）容易得到可靠的市場反饋信息。 挖掘綜合器：是一個挖掘驅(qū)動引擎。 在競爭強(qiáng)烈的網(wǎng)絡(luò)經(jīng)濟(jì)發(fā)展中，網(wǎng)上商家必須很好的考慮顧客的需要和利益。 5．結(jié)束語 本文從人工智能技術(shù)和電子商務(wù)在國內(nèi)外的發(fā)展動態(tài)、人工智 能技術(shù)在電子商務(wù)中的應(yīng)用實例以及 數(shù)據(jù)挖掘技術(shù)在 Web 上的應(yīng)用幾個方面對人工智能技術(shù)在電子商務(wù)中的應(yīng)用進(jìn)行了概括的論述。其中頁面訪問情況用來指導(dǎo)網(wǎng)站頁面的重新設(shè)計和修改。 可以得到一下的信息：用戶的生活 模式，愛好，購買頻率，所屬的用戶群；不同用戶群的共同特征；頁面的訪問情況；廣告的點擊情況。 Web 上數(shù)據(jù)挖掘的潛力在于應(yīng)用最新 的數(shù)據(jù)挖掘算法，分析Inter 服務(wù)器上的日志以及顧客，銷售和產(chǎn)品的外部數(shù)據(jù)。 3．?dāng)?shù)據(jù)挖掘技術(shù)在