畢業(yè)設(shè)計(jì)數(shù)據(jù)挖掘技術(shù)開題報(bào)告

1、<p><b>　　摘要 </b></p><p>　　在Internet飛速發(fā)展的今天，人們已經(jīng)將互聯(lián)網(wǎng)作為一個(gè)日常溝通，生活不可或缺的平臺(tái)。隨之而生的網(wǎng)上購(gòu)物這一電子商務(wù)的具體模式之一，自然而然地便成為一種時(shí)尚、流行的購(gòu)物方式。一個(gè)好的網(wǎng)上購(gòu)物系統(tǒng)除了基本的商品瀏覽、搜索、購(gòu)買和評(píng)價(jià)等功能外，還要具備一些數(shù)據(jù)挖掘的功能，這是在系統(tǒng)后臺(tái)運(yùn)行中實(shí)現(xiàn)的功能，能夠從日常的客戶資料，交易

2、數(shù)據(jù)中得到挖掘分析的結(jié)果，給客戶提供與他們選購(gòu)的商品相關(guān)聯(lián)的商品信息，給購(gòu)物系統(tǒng)的經(jīng)營(yíng)者提供商業(yè)分析的決策支持，從而提高購(gòu)物系統(tǒng)的交易量和客戶的光顧頻率。本文從關(guān)聯(lián)規(guī)則和聚類分析這兩種數(shù)據(jù)挖掘技術(shù)中得到啟示，將商品之間按照一定的規(guī)則進(jìn)行匹配連接，將用戶按照層層條件進(jìn)行分類，從而實(shí)現(xiàn)了商品推薦和目標(biāo)用戶群郵件投遞的功能。在購(gòu)物系統(tǒng)這個(gè)主體功能實(shí)現(xiàn)的基礎(chǔ)上，加以修飾，完善系統(tǒng)功能。數(shù)據(jù)挖掘思路與B/S結(jié)構(gòu)的網(wǎng)頁設(shè)計(jì)的相結(jié)合，是這個(gè)網(wǎng)上購(gòu)物系

3、統(tǒng)的核心技術(shù)。</p><p>　　關(guān)鍵詞：網(wǎng)上購(gòu)物系統(tǒng)；數(shù)據(jù)挖掘；決策支持</p><p><b>　　Abstract</b></p><p>　　Nowadays, with the rapid development of Internet, people have regarded WEB as an indispensable pl

4、atform for everyday communication and life. Thus, on-line shopping, one concrete pattern of E-business is becoming a fashionable and popular way of shopping naturally. Except for searching for, purchasing, evaluating goo

5、ds, an advanced on-line shopping system should have the function of data mining. Data mining is implemented at background, which can produce an analysis result on the basic of the cli</p><p>　　Key words: on-

6、line shopping system; data mining; decision support</p><p>　　學(xué)位論文題目：基于數(shù)據(jù)挖掘技術(shù)的WEB推薦系統(tǒng)設(shè)計(jì)</p><p>　　課 題 來 源：指導(dǎo)老師協(xié)商分配</p><p>　　1、課題意義及國(guó)內(nèi)外研究現(xiàn)狀綜述</p><p><b>　　課題意義</b

7、></p><p>　　近年來，Internet使計(jì)算機(jī)、網(wǎng)絡(luò)、通信合而為一。網(wǎng)絡(luò)經(jīng)濟(jì)、注意力經(jīng)濟(jì)等新概念的出現(xiàn)，以其巨大的社會(huì)效益和極富挑戰(zhàn)與機(jī)遇的內(nèi)涵，成為信息科學(xué)最引人注目的研究課題。然而，網(wǎng)絡(luò)在快捷、方便地帶來大量信息的同時(shí)，也帶來了一大堆的問題：諸如信息過量難以消化；信息真假難以辨識(shí)；信息安全難以保證；信息形式不一致，難以統(tǒng)一處理等等。如何快速、準(zhǔn)確地獲得有價(jià)值的網(wǎng)絡(luò)信息，如何理解已有的歷史數(shù)據(jù)并

8、用于預(yù)測(cè)未來的行為，如何從這些海量數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，導(dǎo)致了知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘領(lǐng)域的出現(xiàn)。知識(shí)發(fā)現(xiàn)(Knowledge Discovery，簡(jiǎn)稱KD)和數(shù)據(jù)挖掘(Data Mining，簡(jiǎn)稱DM)是集統(tǒng)計(jì)學(xué)、人工知識(shí)、模式識(shí)別、并行計(jì)算、機(jī)器學(xué)習(xí)、數(shù)據(jù)庫等技術(shù)的一個(gè)交叉性的研究領(lǐng)域。</p><p>　　知識(shí)是當(dāng)今世界一種最重要的財(cái)富。數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database

9、，即KDD)方法和數(shù)據(jù)挖掘技術(shù)，近幾年受到人們的高度重視，并對(duì)其進(jìn)行了深入的研究，得到了許多有效的方法和技術(shù)。隨著Internet技術(shù)的迅猛發(fā)展，WEB(World Wide WEB)已發(fā)展成為擁有3億頁面的分布式信息空間，而且這個(gè)數(shù)字仍以每4至6個(gè)月翻一番的速度增加著。面對(duì)這海量的數(shù)據(jù)和信息，人們卻感知識(shí)的匱乏，難怪John Naisbett感嘆道：“We are drowning in information， but starvi

10、ng for knowledge”(“信息爆炸但知識(shí)匱乏”)。</p><p>　　現(xiàn)代社會(huì)的競(jìng)爭(zhēng)趨勢(shì)要求必須對(duì)WEB大量復(fù)雜的信息進(jìn)行實(shí)時(shí)的和深層次的分析，從中找出真正有價(jià)值的信息知識(shí)，用于科學(xué)研究、決策支持、過程控制、趨勢(shì)預(yù)測(cè)、偏差預(yù)防等，但是，現(xiàn)有的KDD方法和技術(shù)已不能滿足人們從WEB獲取知識(shí)的需要，這是因?yàn)椋?lt;/p><p>　　◆WEB數(shù)據(jù)是異質(zhì)、異構(gòu)、動(dòng)態(tài)、模糊的半結(jié)構(gòu)化、非

11、結(jié)構(gòu)化或數(shù)據(jù)庫信息；</p><p>　　◆異質(zhì)、異構(gòu)以及動(dòng)態(tài)性給數(shù)據(jù)倉儲(chǔ)帶來極大困難；</p><p>　　◆語義理解難度加大，造成基于內(nèi)容的信息檢索難以實(shí)現(xiàn)；</p><p>　　◆挖掘算法、信息模型的動(dòng)態(tài)性以及大樣本空間搜索能力要求很高；</p><p>　　◆現(xiàn)有的DM方法和技術(shù)不能直接運(yùn)用于WEB挖掘。</p><

12、;p>　　因此，人們迫切感到需要一種新的技術(shù)———基于WEB的數(shù)據(jù)挖掘技術(shù)，以便從WEB海量的數(shù)據(jù)中自動(dòng)地，智能地抽取隱藏于這些數(shù)據(jù)中的知識(shí)。</p><p><b>　　國(guó)內(nèi)外研究現(xiàn)狀綜述</b></p><p>　　DM是近年來一個(gè)十分活躍的研究領(lǐng)域。從數(shù)據(jù)庫中發(fā)現(xiàn)知識(shí)(Knowledge Discovery in database，簡(jiǎn)稱KDD)一詞首先出現(xiàn)

13、在1989年舉行的第十一屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上。到目前為止，由美國(guó)人工智能協(xié)會(huì)主辦的KDD國(guó)際研討會(huì)已召開了8次，規(guī)模由原來的專題討論會(huì)發(fā)展到國(guó)際學(xué)術(shù)大會(huì)，僅以1999年為例，就有近20個(gè)國(guó)際會(huì)議列有DM專題。</p><p>　　這兩年國(guó)內(nèi)也有相當(dāng)多的數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)方面的研究成果，許多學(xué)術(shù)會(huì)議上都設(shè)有專題進(jìn)行學(xué)術(shù)交流。目前， DM的研究重點(diǎn)逐漸從發(fā)現(xiàn)方法的研究轉(zhuǎn)向?qū)嶋H的系統(tǒng)應(yīng)用，國(guó)際上有影響的典型數(shù)據(jù)

14、挖掘系統(tǒng)有SAS公司的Enterprise Miner， IBM公司的Intelligent Miner， SGI公司的Set Miner等。</p><p>　　現(xiàn)有的數(shù)據(jù)挖掘技術(shù)分為5類，即預(yù)測(cè)模型化、聚類、數(shù)據(jù)歸納、依賴模型化以及發(fā)現(xiàn)變化和偏差。從國(guó)內(nèi)外目前的研究進(jìn)展來看，各學(xué)科的研究自成一派，沒有突破各個(gè)領(lǐng)域的技術(shù)界限；沒有融合各領(lǐng)域的不同方法；尤其是未將并行優(yōu)化的諸方法集成用于數(shù)據(jù)庫中的數(shù)據(jù)挖掘，從而提

15、高實(shí)時(shí)性，并解決隨機(jī)的、動(dòng)態(tài)的、不完全的及混沌數(shù)據(jù)的數(shù)據(jù)挖掘，即所謂智能數(shù)據(jù)挖掘。而且以往多數(shù)技術(shù)都是在駐留于內(nèi)存的數(shù)據(jù)之上進(jìn)行挖掘，沒有把這些技術(shù)與數(shù)據(jù)庫技術(shù)相集成。</p><p>　　近年來，有些技術(shù)已開始定位于大型數(shù)據(jù)庫上的挖掘，即基于磁盤存貯進(jìn)行挖掘。從而出現(xiàn)了關(guān)系數(shù)據(jù)庫的數(shù)據(jù)挖掘、面向?qū)ο髷?shù)據(jù)庫的數(shù)據(jù)挖掘等。由于Internet和WEB的廣泛應(yīng)用，出現(xiàn)了基于異構(gòu)數(shù)據(jù)源的數(shù)據(jù)挖掘，如文檔數(shù)據(jù)挖掘、時(shí)間序

16、列數(shù)據(jù)挖掘、電子商務(wù)系統(tǒng)中的數(shù)據(jù)挖掘。伴隨數(shù)據(jù)庫技術(shù)的發(fā)展，多媒體數(shù)據(jù)庫的數(shù)據(jù)挖掘、時(shí)態(tài)數(shù)據(jù)庫的數(shù)據(jù)挖掘、空間數(shù)據(jù)庫的數(shù)據(jù)挖掘等也引起了許多人的關(guān)注。</p><p>　　預(yù)計(jì)在21世紀(jì)還會(huì)形成更大的高潮,研究焦點(diǎn)可能會(huì)集中到以下幾個(gè)方面:研究專門用于知識(shí)發(fā)現(xiàn)的數(shù)據(jù)挖掘語言,也許會(huì)像SQL語言一樣走向形式化和標(biāo)準(zhǔn)化;尋求數(shù)據(jù)挖掘過程中的可視化方法,使得知識(shí)發(fā)現(xiàn)的過程能夠被用戶理解 ,也便于在知識(shí)發(fā)現(xiàn)過程中的人機(jī)交

17、互;研究在網(wǎng)絡(luò)環(huán)境下的數(shù)據(jù)挖掘技術(shù),特別是在Internet上建立DM服務(wù)器,與數(shù)據(jù)庫服務(wù)器配合,實(shí)現(xiàn)數(shù)據(jù)挖掘;加強(qiáng)對(duì)各種非結(jié)構(gòu)化數(shù)據(jù)的挖掘,如文本數(shù)據(jù)、圖形圖像數(shù)據(jù)、多媒體數(shù)據(jù)。但是,無論怎樣,需求牽引,市場(chǎng)驅(qū)動(dòng)是永恒的,DM將首先滿足信息時(shí)代用戶的急需,大量基于DM的決策支持軟件工具產(chǎn)品將會(huì)問世 。</p><p>　　2、學(xué)術(shù)構(gòu)想與思路、主要實(shí)現(xiàn)內(nèi)容及擬解決的關(guān)鍵技術(shù)</p><p>

18、;<b>　　學(xué)術(shù)構(gòu)想與思路</b></p><p>　　研究?jī)?nèi)容主要包括：WEB上數(shù)據(jù)挖掘的用途、WEB上數(shù)據(jù)挖掘的分類、WEB上數(shù)據(jù)挖掘的實(shí)現(xiàn)與工具、WEB數(shù)據(jù)挖掘的BN實(shí)現(xiàn)方法。最后給出了一個(gè)WEB數(shù)據(jù)挖掘在電子商務(wù)網(wǎng)站中的應(yīng)用實(shí)例。畢業(yè)設(shè)計(jì)充分的將理論研究和實(shí)際應(yīng)用結(jié)合起來，做到了理論和實(shí)踐的相結(jié)合。</p><p>　　該電子商務(wù)網(wǎng)站是基于Jsp/JavaB

19、ean的模式的一個(gè)網(wǎng)絡(luò)購(gòu)物系統(tǒng)，這種模式以其穩(wěn)定性和優(yōu)越的速度，被全球企業(yè)證明公認(rèn)為可以高效穩(wěn)定的進(jìn)行企業(yè)運(yùn)算開發(fā)的平臺(tái)。這種平臺(tái)最大的優(yōu)勢(shì)在于可以跨系統(tǒng)，真正的“一次編寫、 到處運(yùn)行”的特點(diǎn)，在這種平臺(tái)上開發(fā)的產(chǎn)品，可以輕松移植到其他的平臺(tái)，例如：Unix、Linux、Windows系統(tǒng)，這樣，在企業(yè)更換平臺(tái)的時(shí)候可以最大的節(jié)約成本，提高運(yùn)算質(zhì)量。 Jsp網(wǎng)絡(luò)購(gòu)物系統(tǒng)基于jsp+javabean+數(shù)據(jù)庫三層結(jié)構(gòu)的動(dòng)態(tài)購(gòu)物網(wǎng)站。網(wǎng)站用戶

20、接口（即界面）由jsp完成，數(shù)據(jù)和邏輯處理由beans完成，數(shù)據(jù)儲(chǔ)存由數(shù)據(jù)庫完成。因?yàn)閎eans獨(dú)立負(fù)責(zé)處理整個(gè)網(wǎng)站的全部數(shù)據(jù)邏輯運(yùn)算，所以整個(gè)網(wǎng)站的負(fù)載量和速度都將大大提高，所以基于這種語言和結(jié)構(gòu)開發(fā)的購(gòu)物系統(tǒng)的優(yōu)勢(shì)是其它語言無法比擬的。這就更進(jìn)一步保證了網(wǎng)站的穩(wěn)定性和安全性，而這些，對(duì)于一個(gè)購(gòu)物網(wǎng)站來說是非常重要的！</p><p><b>　　主要實(shí)現(xiàn)內(nèi)容</b></p>

21、<p><b>　　主要功能介紹： </b></p><p>　?。?）網(wǎng)站前臺(tái)功能： </p><p>　　產(chǎn)品列表：詳細(xì)介紹（名稱，圖片，市場(chǎng)價(jià)，會(huì)員價(jià)，是否推薦，功能介紹）等</p><p>　　產(chǎn)品搜索：關(guān)鍵字模糊搜索 </p><p>　　定購(gòu)產(chǎn)品：選擇商品－－確認(rèn)定購(gòu)－－填寫收貨人信息－－選擇付款

22、方式－－訂單號(hào)自動(dòng)生成</p><p><b>　?。ㄏ薜卿浻脩簦?lt;/b></p><p>　　用戶管理：修改資料 查看購(gòu)物車（限登錄用戶） </p><p>　　數(shù)據(jù)挖掘：通過對(duì)用戶瀏覽商品的情況進(jìn)行分析進(jìn)而向用戶推薦商品</p><p>　　（2）網(wǎng)站后臺(tái)功能： </p><p>　　商品管

23、理：添加 刪除 修改 圖片上傳</p><p>　　用戶管理：查看修改用戶資料，刪除用戶</p><p><b>　　擬解決的關(guān)鍵技術(shù)</b></p><p>　　WEB挖掘是數(shù)據(jù)挖掘在WEB上的應(yīng)用，它利用數(shù)據(jù)挖掘技術(shù)從與WEB相關(guān)的資源和行為中抽取感興趣的、有用的模式和隱含信息，涉及WEB技術(shù)、數(shù)據(jù)挖掘、計(jì)算機(jī)語言學(xué)、信息學(xué)等多個(gè)領(lǐng)域，是一

24、項(xiàng)綜合技術(shù)。</p><p>　　WEB內(nèi)容挖掘。WEB內(nèi)容挖掘是指對(duì)WEB頁面內(nèi)容及后臺(tái)交易數(shù)據(jù)庫進(jìn)行挖掘，從WEB文檔內(nèi)容及其描述中的內(nèi)容信息中獲取有用知識(shí)的過程。</p><p>　　同時(shí)還可以對(duì)WEB的組織結(jié)構(gòu)和鏈接關(guān)系進(jìn)行挖掘，從人為的鏈接結(jié)構(gòu)中獲取有用的知識(shí)。由于文檔之間的互連，WEB能夠提供除文檔內(nèi)容之外的有用信息。利用這些信息，可以對(duì)頁面進(jìn)行排序，發(fā)現(xiàn)重要的頁面。</

25、p><p>　　WEB使用記錄挖掘。WEB使用記錄挖掘是通過挖掘相應(yīng)站點(diǎn)的日志文件和相關(guān)數(shù)據(jù)來發(fā)現(xiàn)該站點(diǎn)上的瀏覽者的行為模式，獲取有價(jià)值的信息的過程。</p><p><b>　　如何實(shí)現(xiàn)WEB挖掘</b></p><p>　　WEB挖掘發(fā)展自數(shù)據(jù)挖掘。數(shù)據(jù)挖掘方法通常可以分為兩類：一類是建立在統(tǒng)計(jì)模型的基礎(chǔ)上，采用的技術(shù)有決策樹、分類、聚類、關(guān)聯(lián)

26、規(guī)則等；另一類是建立一種以機(jī)器學(xué)習(xí)為主的人工智能模型，采用的方法有神經(jīng)網(wǎng)絡(luò)、自然法則計(jì)算方法等。</p><p>　　WEB內(nèi)容挖掘?qū)崿F(xiàn)技術(shù)</p><p>　　WEB上的內(nèi)容挖掘多為基于文本信息的挖掘，它和通常的平面文本挖掘的功能和方法比較類似。利用WEB文檔中部分標(biāo)記，如Title、Head等包含的額外信息，可以提高WEB文本挖掘的性能。</p><p>　　文

27、本總結(jié)。文本總結(jié)是指從文檔中抽取關(guān)鍵信息，用簡(jiǎn)潔的形式對(duì)文檔內(nèi)容進(jìn)行摘要或解釋。其目的是對(duì)文本信息進(jìn)行濃縮，給出它的緊湊描述。這樣，用戶不需要瀏覽全文就可以了解文檔或文檔集合的總體內(nèi)容。</p><p>　　文本分類。分類是在已有數(shù)據(jù)的基礎(chǔ)上學(xué)會(huì)一個(gè)分類函數(shù)或構(gòu)造出一個(gè)分類模型，即通常所說的分類器。</p><p>　　文本聚類。文本聚類把一組文檔按照相似性歸成若干類別。方法大致可分為層次

28、凝聚法和平面劃分法兩種類型。</p><p>　　關(guān)聯(lián)規(guī)則。發(fā)現(xiàn)關(guān)聯(lián)規(guī)則的算法通常要經(jīng)過以下三個(gè)步驟：連接數(shù)據(jù)，作數(shù)據(jù)準(zhǔn)備；給定最小支持度和最小可信度，利用數(shù)據(jù)挖掘工具提供的算法發(fā)現(xiàn)關(guān)聯(lián)規(guī)則；可視化顯示、理解、評(píng)估關(guān)聯(lián)規(guī)則。</p><p>　　WEB使用記錄挖掘?qū)崿F(xiàn)技術(shù)</p><p>　　在挖掘WEB用戶使用記錄時(shí)描述用戶訪問的數(shù)據(jù)包括：IP地址、參考頁面、訪問

29、日期和時(shí)間、用戶WEB站點(diǎn)及配置信息。</p><p>　　發(fā)現(xiàn)用戶使用記錄信息的方法有兩種。一種方法是通過對(duì)日志文件進(jìn)行分析，包含兩種方式：一是先進(jìn)行預(yù)處理，即將日志數(shù)據(jù)映射為關(guān)系表并采用相應(yīng)的數(shù)據(jù)挖掘技術(shù)來訪問日志數(shù)據(jù)；二是直接訪問日志數(shù)據(jù)以獲取用戶的導(dǎo)航信息。另一種方法是通過對(duì)用戶點(diǎn)擊事件的搜集和分析發(fā)現(xiàn)用戶導(dǎo)航行為。</p><p><b>　　能挖到什么</b&g

30、t;</p><p>　　獲取競(jìng)爭(zhēng)對(duì)手和客戶信息。WEB不僅由頁面組成，而且還包含了從一個(gè)頁面指向另一個(gè)頁面的超鏈接。一個(gè)WEB頁面的作者建立指向另一個(gè)頁面的指針，就可以看作是作者對(duì)另一頁面的認(rèn)可。把另一頁面的來自不同作者的注解收集起來，就可以用來反映該頁面的重要性，并可以很自然地用于權(quán)威頁面的發(fā)現(xiàn)。另外一種重要的WEB頁面是一個(gè)或多個(gè)WEB頁面，它提供了指向權(quán)威頁面的鏈接集合，稱為Hub。Hub頁面本身可能并不

31、突出，或者說可能沒有幾個(gè)鏈接指向它們，但是 Hub頁面卻提供了指向就某個(gè)話題而言最為突出的站點(diǎn)的鏈接。通過分析這類信息，企業(yè)可以獲得零售商、中間商、合作商以及競(jìng)爭(zhēng)對(duì)手的信息。</p><p>　　發(fā)現(xiàn)用戶訪問模式。通過分析和探究WEB日志記錄中的規(guī)律，可以識(shí)別電子商務(wù)的潛在客戶，提高對(duì)最終用戶的服務(wù)質(zhì)量，并改進(jìn)WEB服務(wù)器系統(tǒng)的性能。 WEB日志記錄數(shù)據(jù)庫提供了有關(guān)WEB動(dòng)態(tài)的，基于URL、時(shí)間、IP地址和WEB

32、頁面內(nèi)容的豐富信息，對(duì)它們進(jìn)行分析，有助于發(fā)現(xiàn)潛在客戶、用戶和市場(chǎng),有助于聚類用戶并將用戶分門別類，以實(shí)現(xiàn)個(gè)性化的市場(chǎng)服務(wù)。</p><p>　　3、所需實(shí)驗(yàn)手段、研究條件和實(shí)驗(yàn)條件</p><p><b>　　硬件環(huán)境要求：</b></p><p>　　計(jì)算機(jī)必須滿足的條件：</p><p>　　[1] CPU: In

33、tel Pentium 1GHz或更高的處理器（推薦酷睿2或更高的處理器），或任何運(yùn)行于Microsoft Windows NT Workstation的Alpha的處理器。</p><p>　　[2] 操作系統(tǒng)： Microsoft Windows XP/vista/7或 Microsoft Windows NT Service/Workstation 4.0(推薦Service Pack 5)或更高版本，

34、或者Unix,Linux操作系統(tǒng)。</p><p>　　[3] 監(jiān)視器： Microsoft Windows支持的VGA或分辨率更高的監(jiān)視器。</p><p>　　[4] 內(nèi)存：512MB內(nèi)存以上。</p><p><b>　　軟件環(huán)境要求： </b></p><p>　　本系統(tǒng)適用于Microso

35、ft Windows XP/vista/7 或者Unix,Linux 下開發(fā)的，所采用的開發(fā)工具是JSDK1.60 及 Tomcat 6.0。由于考慮到該企業(yè)每天的數(shù)據(jù)處理量，我們后臺(tái)采用SqlSever2008 。</p><p>　　瀏覽器推薦Microsoft IE8.0 瀏覽器</p><p>　　推薦桌面顯示方式：1280*800像素</p><p>&

36、lt;b>　　4、計(jì)劃進(jìn)度</b></p><p>　　3月 1日—3月9日 完成畢業(yè)設(shè)計(jì)開題報(bào)告</p><p>　　3月 10日—3月25日 調(diào)研，準(zhǔn)備各種參考資料、充實(shí)所需知識(shí)；</p><p>　　3月26 日—4月5日 閱讀相關(guān)書籍資料，提出可行性的設(shè)計(jì)方案；</p><p>　

37、　4月 6 日—4月25日 具體設(shè)計(jì)與制作工作；</p><p>　　4月26 日—5月25日 畢業(yè)設(shè)計(jì)論文的撰寫，交由指導(dǎo)老師修改；</p><p>　　5月25日以后 論文答辯</p><p><b>　　5、主要參考文獻(xiàn)</b></p><p>　　[1] 陳國(guó)青.企業(yè)

38、資源計(jì)劃教程.清華大學(xué)出版社，2008</p><p>　　[2] 吳建安.市場(chǎng)營(yíng)銷學(xué)（第二版）.高等教育出版社, 2004</p><p>　　[3] 劉業(yè)政.電子商務(wù)概論. 高等教育出版社，2007</p><p>　　[4] (美)齊克芒德 吉爾伯特.客戶關(guān)系管理. 中國(guó)人民大學(xué)出版社,2005</p><p>　　[5] 韓佳煒.數(shù)據(jù)

39、挖掘概念與技術(shù)（第二版）.機(jī)械工業(yè)出版社，2007</p><p>　　[6] 貝里.數(shù)據(jù)挖掘——客戶關(guān)系管理的科學(xué)與藝術(shù).中國(guó)財(cái)經(jīng)出版社，2004</p><p>　　[7] 紀(jì)希禹.數(shù)據(jù)挖掘技術(shù)應(yīng)用與實(shí)例.機(jī)械工業(yè)出版社，2009</p><p>　　[8] 王永貴.客戶關(guān)系管理.清華大學(xué)出版社，2007</p><p>　　[9] 武延

40、軍 黃飛躍. 精通JSP編程技術(shù)[M]. 北京：人民郵電出版社，2001.8</p><p>　　[10] 柏亞軍. JSP編程基礎(chǔ)及應(yīng)用實(shí)例集錦[M].北京：人民郵電出版社，2001.7</p><p>　　[11] 清宏計(jì)算機(jī)工作室.JSP編程技巧[M].北京：機(jī)械工業(yè)出版社，2000.1</p><p>　　[12] 周影 .網(wǎng)絡(luò)編程語言JSP實(shí)例教程[M].