数据挖掘技术在国际物流管理中的应用研究文献综述
摘要：随着大数据时代的到来，各个行业逐渐意识到数据对于企业发展的重要性，为了从庞大冗杂的数据信息中提取出自己所需要的内容，人们通常采用数据挖掘相关技术，分析出有价值的信息，运用于科研、政府、经济市场等各行各业。本文主要以数据挖掘在国际物流管理中的应用为研究对象，初步认清国内外在这方面做出的研究成果，为进一步的探讨作简要概述。
关键词：数据挖掘，国际物流管理，供应链
- 引言
信息时代的飞速发展，使得网络在人们生活中占据着越来越重要的地位，数据信息开始成为一个引导并决定现代经济走向的重要因素。网络社交、网络消费等日常行为每时每刻都在产生大量的数据，就国际物流行业而言，从跨国交易到消费终端，每个环节所产生的大量数据都与国际物流管理息息相关，因此，数据挖掘技术在国际物流方面的应用成为了国内外学者研究的热点。本文主要内容是对现有的相关文献进行评述，从已有成果中全面了解数据挖掘技术在国际物流管理上的运作方式，为正式论述引入重要依据。
二、文献综述
- 数据挖掘基本概念
数据挖掘在二十世纪七十年代伴随着社会信息量的增加而出现，在以web技术为代表的EC时代到来后得到快速发展。据张凯萍学者研究表示，数据挖掘的本质是在数据库中发掘隐藏的、具有潜在价值的知识内容，以统计学和算法为基础来进行运作的一门技术。[1]
倪东认为数据挖掘是一个复杂的过程，对数据库中海量数据的处理主要分成五个阶段：数据集成、数据选择、数据预处理、数据挖掘、结果表达与解释。[2]数据集成，数据集成是数据挖掘的前提，先要进行集成，才能进一步挖掘利用。[3]首先是要确定数据源以及数据的抽取原则，再设计出数据的组织结构、数据的交换机制，最后正确的抽取数据源中的正确信息；数据选择，在数据源中设置约束条件，通过各类算法选取有价值的数据；数据预处理，检查数据的一致性，剔除不一致、不完整、含有杂质的数据，修补、完善不完全的数据，保持数据形式一致；数据挖掘，使用数据挖掘算法进行选择和应用，分为多种主要的数据挖掘算法；最终得出结果并给以解释。
- 数据挖掘的主要方法
数据挖掘包含多个学科的算法，主要包括决策树分析、聚类分析、关联规则分析，以及神经网络分析。[4]
（1）决策树分析：决策树是一种用来预测模型的方法，一般由根节点、中间节点、叶子节点组成，其中根节点和中间节点用来存放数据的属性或属性集，叶子存放分类结果。[5]分析过程通过树状流程图进行，例如罗斯昆（J.ROSS QUINLAN）提出的ID3算法以及随机森林法。适合处理非数值型的数据，尤其适用于数据量庞大的数据源，过程简单便捷，分类速度快。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
