现代新兴商业模式的电子商务的蓬勃发展，使得Internet上的资源和服务更加丰富多彩，这些丰富的资源和服务每天都会产生许多新的、蕴涵着大量重要信息的海量数据，这些数据往往是异构的、不确定性的和非结构化的，其复杂程度已远远超出了人类目前己有的分析和理解能力。因此，研究有效利用这些复杂资源的新技术，数据挖掘具有重要的现实意义。就信息处理而言，数据挖掘是致力于数据分析和理解数据内部蕴藏知识的技术，它成为未来信息技术应用的重要目标之一。
本文在对分布式数据挖掘、Web服务及Agent相关技术进行了分析的基础上，为解决电子商务环境中分布式数据挖掘的核心问题，从关键算法和架构两个方面进行了深入研究。
针对k 最近邻搜索算法存在的问题，提出了电子商务环境中一种自适应的基于P2P的 最近邻搜索算法P2PAKNNS。探讨了度量空间、相似性查询和GHT*规则，自定义了高维数据的相似度函数HDSF(X，Y)，论述了GHT*中插入算法及范围查找算法和搜索算法。在此基础上，具体给出了P2PAKNNS算法的实现方法，并通过实验，验证了其正确性。
同时本文对DENCLUE算法进行了研究，为使其适合电子商务环境、解决其存在问题，结合P2PAKNNS算法的优点，提出了电子商务环境中基于距离和密度的无监督聚类算法KNDC。论述了模糊簇的划分及参数 ，讨论了参数 和 的设置，给出了KNDC算法的具体实现方法，并予以验证。
本文还针对电子商务环境中分布式数据挖掘的关联规则，在研究Apriori关联规则算法、多重最小支持度Apriori算法、相关支持度Apriori算法RSAA、平均项目集合分割法的基础上，改进了阈值的制定方法；为提高挖掘有价值的稀有数据的效率和精确度，根据RSAA和基于无向项集图算法BOUIGA提出了RSAA-BOUIGA算法，分析了其正确性。
在此基础上，结合业界和学术界对Web服务和移动Agent的研究成果，将Web服务和Agent最新技术引入了电子商务环境中分布式数据挖掘，提出了电子商务环境下基于Web服务和移动Agent技术的数据挖掘架构BWADM，并论述了组合服务规范与组合服务的执行，具体阈述了此架构的数据预处理组件、算法管理组件、控制中心组件、算法库组件和模型表示组件。
然后建立了BWADM原型，结合Web服务技术，给出了基于 服务的数据挖掘系统逻辑结构，设计并实现了该系统，验证了BWADM的合理性和上述算法在效率、精确度等方面的优越性。
最后分析并指出了目前电子商务推荐系统存在的问题，并将电子商务环境中分布式数据挖掘技术应用到推荐系统中。为提高协同过滤推荐效率和精确度，根据P2PAKNNS提出了基于P2PAKNNS的协同过滤推荐算法，并根据KNDC提出了基于KNDC的协同过滤推荐算法，分别给出了这两个算法的具体实现方法，并予以验证。在此基础上，为解决目前电子商务推荐系统实时性和可扩展性不足、推荐工具种类繁多却单一、推荐结果解释性差等问题，将BWADM应用到电子商务推荐系统中，研究了基于隐式评分的推荐系统，并设计和实现了基于BWADM的电子商务推荐系统原型系统BDBRS，验证了其正确性和上述推荐算法在效率、精确度等方面的优越性。
还没人写过短评呢