在电子商务环境下,顾客对电子商务网站的访问及购买交易行为会产生大量数据,这些数据中包含了大量对市场分析、预测有用的潜在信息,对这些信息进行深度分析,不仅可以为企业改进电子商务网站的质量提供决策依据,而且对提高电子商务的经营效率具有重要的实际意义。本论文以web日志数据、客户购买历史数据为预测客户行为的基础数据,采用神经网络、马尔可夫链方法为建模工具,对电子商务的客户访问行为、商品销售预测等问题进行了研究。本论文的主要工作如下:1.提出了基于马尔可夫链的电子商务客户行为预测模型。以web日志数据为基础,采用马尔可夫链模型为建模工具,建立了一个电子商务客户访问模式转移的预测模型,给出了通过web日志数据计算转移矩阵的方法,以及具体的预测步骤,并以某电子商店的客户的访问数据验证了本模型的可行性和有效性。2.提出了基于神经网络的电子商务商品销售预测模型。由于在电子商务环境下,影响商品销售的因素众多,客户的购买行为是一个高度的非线性过程,因而利用传统的预测模型进行销售预测具有一定的局限性。因此,本论文采用神经网络模型建立了一个电子商务的商品销售预测模型,对网络隐含层的确定及学习算法进行了设计,并以某网上书店的销售数据验证了模型的有效性和可行性。3.设计并实现了上述预测模型的系统原型。采用J2EE+SQL server技术设计并实现了电子商务客户行为预测及商品销售预测模型的原型系统,并进行了实验测试分析。通过实验,表明本论文提出的预测模型是正确的和可行的。本论文的研究结果为电子商务网站经营者预测客户行为及进行销售预测提供一定的参考。