互联网的发展催生了电子商务这一全新的在线商业模式,如何有效获得海量的客户信息与企业信息显得更加重要。同时,由于电子商务企业的竞争往往只在鼠标的一点之间,因此如何获取和保持这种相对高流动性的网络客户成为了各电子商务企业之间竞争的焦点。企业开始将客户关系管理的理念贯彻到采购,生产、销售、售后服务的各个方面。在这个过程之中,需要运用客户数据仓库中的各类相关信息。而如何有效的利用这些信息成为了客户关系管理领域首要的技术问题。本文的主要工作为:对当今数据挖掘及研究情况进行调查和分析,阐述了数据挖掘及Web挖掘在电子商务领域的应用情况及发展概况。详细回顾了与本文相关的Web使用挖掘相关研究,涵盖了从数据收集开始的数据挖掘过程的各个子任务,在访问模式挖掘算法上对以往典型性算法进行比较综述,并在分析Apriori算法的基础上提出一种基于划分的Apriori改进算法,研究一种发现有价值的稀有数据的有效算法。针对目前电子商务中关联规则相关技术的实际应用,发现并指出传统协同推荐难以解决数据稀疏的问题,从而提出一种改进协同过滤算法,这种算法首先量化用户对评分项的隐式兴趣度,并将这种度量与用户的显式评分矩阵相结合。在修正后的评分矩阵基础上,根据用户角色和评分项的语义信息进行降维,从而提高了推荐效果。对Web挖掘技术与电子商务应用进行优化。阐述了数据挖掘在电子商务网中应用的一些必要因素,并提出了数据挖掘在电子商务中应用的五个方面,设计了服务器数据表,从网站服务器应用方面说明数据挖掘在电子商务中优化中的作用,对序列分析、关联分析、聚类分析等进行实现,实践了电子商务网站的优化。