商务电子邮件写作规则

商务电子邮件写作规则（精选11篇）

商务电子邮件写作规则 篇1

随着新科技手段的不断涌现, 人们在电子商务中大量的运用电子数据, 因此在诉讼中如何运用电子证据便成为成败的关键问题。本文立足于电子商务实践, 结合我国现行立法, 拟从电子证据的概念与特征、我国电子商务的现状评析及我国电子证据规则的完善三个方面对如何在诉讼中收集、审查判断电子证据问题进行系统的分析和论述。

一、电子证据的概念与特征

“电子证据是指以电子形式表现出来的能够证明案件事实的一切材料。电子形式是由介质、磁性物、光学设备、计算机内存或类似设备的生成、发送、接收、存储信息的存在形式。”换句话说, 电子证据是一种特殊的证据形式, 它的生成、记录、存储或传递必须借助计算机或其他类似设备, 或者在计算机或其他类似设备中生成、记录、存储或传递。

电子证据的特征主要有:第一, 电子证据具有复合性。电子证据被运用科技手段 (诸如多媒体技术等) 保存下来, 其数据信息就可以以文字、图像或声音等多种方式显现出来, 表现为图、文、声的复合体。第二, 电子证据具有“无形隐蔽性”。电子证据的一切信息都是二进制编码来无形地传递, 很难用常规的手段来检测。第三, 电子证据具有无痕性。电子证据在复制前后没有任何区别, 对其删除、修改都不会留下痕迹 (除非有特殊设计的软件程序) 。第四, 电子证据具有开放性。电子证据主要针对网络中电子数据而言, 网络中的资源都是开放的, 存在于其中的电子证据也是如此。第五, 电子证据具有高科技性。电子证据的产生、储存和传输, 都必须借助于计算机技术、存储技术、网络技术等高科技的技术设备。第六, 电子证据具有易破坏性。计算机信息数据是非连续的, 如果有人故意或者因为差错对电子证据进行删节、剪接, 从技术上就很难查清。

二、我国电子证据规则的现状评析

由于电子证据存在着上述特征, 所以也就决定了在收集、审查判断电子证据方面具有特殊性。美国、加拿大等国家都在法律体系中设置了电子证据规则, 以专门电子证据立法的形式 (《美国统一电子交易法案》、《加拿大统一电子证据法》) , 明确规范了电子证据的收集、审查判断等问题。相比较国外的专门电子证据立法, 我国在电子证据方面的法律规制明显滞后。

首先, 关于电子证据的概念, 我国立法未予以明确规定。但在相关法律法规上使用了不同的有关电子证据的下位概念, 如《电子签名法》、上海市《国际经贸电子数据交换管理规定》、广东省《电子交换条例》等分别使用了电子签名、数据电文、电子报文、数字签章、电子网络等概念。

其次, 关于电子证据的性质定位, 我国无统一规定。我国的有关司法解释如最高人民法院《关于民诉证据若干规定》、《关于行诉证据若干规定》、最高人民检察院《关于检察机关侦查工作贯彻刑诉法若干问题意见》等将电子证据归为视听资料范畴;而我国的《合同法》、《电子签名法》却将电子证据归为书证。

再次, 我国在立法上没有界定电子证据的法律地位。在电子证据的法律地位问题上, 我国有的学者主张赋予电子证据独立的法律地位, 而有的学者则认为没有必要让电子证据独立出来, 而应当将其归为传统证据种类里的某一类中。

最后, 我国没有规定专门针对电子证据的收集、审查判断规则。目前对于电子证据如何收集、如何审查判断的问题, 没有统一的规定, 只是散见于司法理解和有关地方性法规之中, 且这些法律法规大都“各自为政”, 说法不一。

综上, 我国在不同层次且不成体系的法律与规范性文件中, 仅能依稀看到部分电子证据规则的影子, 并没有解决电子证据的收集、审查判断等实质性难题。

三、我国电子证据规则的完善

鉴于前文所述的我国在电子证据规则上存在的问题, 结合者我国当前的司法实践, 应当着重从电子证据的收集规则和审查判断规则两个方面去完善我国的电子证据规则。

1. 完善电子证据的收集规则

(1) 电子证据的收集主体。因“电子证据的正确收集带有很强的技术性在收集电子证据时应以电子技术专家为收集的主体, ”而对于电子专家收集电子证据的过程是否合法的问题, 要规定该电子专家必须在庭审中接受当事人双方的询问和质证。

(2) 电子证据的收集方法。因电子证据的内容具有容易被修改的特性, 因此要求收集和固定电子证据时, 一要注意收集和固定有关数据信息形成方面的证据;二要注意对电子证据内容现场固定, 如通过现场录像、现场打印等方式进行可视性固定。三要注意存放和使用存有拷贝证据的软盘、光盘、磁带时应当远离强磁场, 防止计算机病毒感染等。

此外, 电子证据收集时还应当遵守及时性原则、合法性原则、全面性原则、严格监督原则、科学性原则、以及有效性原则, 以保证电子证据的真实、合法、有效性, 保证电子证据的证明力。

2. 完善电子证据的审查判断规则

(1) 对于电子证据合法性的审查判断。对电子证据的形式是否合法进行审查判断时, 应当要审查电子证据内容是否有效、是否可以随时调用;审查该电子证据的内容是否被修改, 对电子证据的收集、提取、保存等是否符合法定的程序和方式。当事人提交的电子证据的收集程序不合法, 且该不合法会影响电子证据的真实性和该案件的最终结果的, 应当将该电子证据排除适用。

(2) 对电子证据真实性的审查判断。提交电子证据, 应当就该证据的来源、制作手段、制作技术等接受对方当事人的询问和质证, 对方当事人对其证据表示异议的, 人民法院应当进行庭外核实和调查, 必要的时候要聘请专家进行鉴定。

参考文献

[1]刘品新:论电子证据的认证规则[M].北京:检察出版社, 2002

[2]秦成德:电子商务法[M].北京:科学出版社, 2008

商务电子邮件写作规则 篇2

商务内容的数模转换通道

就我们现在的认识水平说，我认为第一位的不是研究意义交换法则，而是审议意义交换法则构建思路的合理性。也就是说，要首先研究有哪些语形-语义(模数)转换通道可以利用，以什么参照点(锚定点)为基础最有利于进行意义判定，以实现对价双方的意义价值相等。在这方面，传播学现在是百花齐放，没有定于一尊。下面我把传播学各家门派的“武功秘籍”，“翻译”成最前卫的行为经济学语言，介绍给大家。

交换对象：关于意义的载体

意义交换从表面上看，是语形与语形的交换;实质上是语形与语义之间的交换。这与等价交换是同一个道理，表面上是使用价值交换，实际上是使用价值与价值的交换。对传播学来说，语形体现一般价值，语义体现意义价值。

比较一致的意见是，语言、非语言构成意义的语形。其中，语言包括书面语言和口头语言，口头语言在表达生活世界的意义方面具有相当的重要性。非语言行为包括体态语言、空间关系等，体态语言对于下意识、无意识领域的意义表达具有不可替代的作用。伯德惠斯泰尔的《身势与语境》、艾克曼和弗瑞森的身势学理论，都对此进行了深入研究。根据这些理论，人们有意识地运用语言，而以无意识的方式表现非言语符码。

电子商务的意义交换，不可狭窄地理解为语言交换。实际上，通过视频进行的形象意义交换，对于个性化意义的确定具有重要意义。人们经常感觉网上购物与现场购物相比，若有所失，其中一个重要原因就是这种意义交换上的缺失。据爱德华・霍尔的研究，与阿拉伯人做生意，甚至连嗅觉都很重要。因此我们可以预见，未来电子商务将比现在更加注重非语言交流。多媒体在这里，不光涉及形式，更重要的是还关系到意义本身。

交换方向：关于语义的锚定

从意义的载体出发研究意义，还是从意义的赋予者出发研究意义，是接下来的选择。从经济学角度看，涉及的问题是意义交换原则中的交换方向。与等价交换从使用价值向一般价值的转化相比，等意义交换的交换方向，是将一般价值转换为意义价值。

传统符号学理论认为，语形与语义是完全无关的。语形是随意指定的，与所指无关;意义完全由言说的主体赋予。索绪尔和鲍德里亚在这方面的观点都比较极端。批评的意见指出，口头语言和视像语言就不符合这样的说法。斯图尔特认为，符号不是对真实事物的简单再现，而是人们出于传播和交流的需要，预先约定的有意义的假设。

如果加上语用的考虑，这种矛盾就会显得更加突出。话语理论，如维特根斯坦和奥斯丁的言语行为理论就非常强调对语言的实际使用。现象学倾向于以具体情景中的个性化体验，作为锚定价值的基准。后结构主义的德里达，坚决拒绝承认语言具有固定的意义，而坚信文本中存在多种具有替代性的意义，任何阐释都只能提供其中一种替代性的意义，倾向于根据语境来确定语义。

历史地看，语形在这里是一种寄托，是社会化理性价值的符号;语义作为意义的寄托，显示了个性化的趋向。按理说，单纯地锚定任何一方都是不全面的。鉴于这里谈的是意义交换，交换方向是将一般价值转换为意义价值，我们会更加注意个性化的锚定方向。在这方面，经济学中的期望理论，难得地与国际潮流接轨了一把。传播学这方面的理论，主要集中于信息接受理论，包括归因理论、社会判断理论和深思概率理论等。从个性化实践的角度看，现象学和后结构主义的观点，比较具有商业价值。不过我们不能过份强调解构的价值，毕竟大规模定制还是有别于定制的。

交换中介：

关于意义的结构与规则

表现在语形和语义间的意义矛盾，可以说是社会化与个性化矛盾的反映。矛盾的解决，有赖于意义结构和规则的建立。如果说等价交换是以一般等价物为中介进行的交换，等意义交换就是以元数据为中介的交换。这是新交换原则的一个重要特点。

语义分析可以被理解为一种对语形的语义结构分析。语义结构成为语形与语义的转换通道，意义的`交换就是在这里发生的。语义结构学是一门专门的学问，这里不展开，只强调一点，语义结构中最引人注目的，是本体论意义上的数据，即关于数据的数据，也就是元数据。从某种意义上说，元数据就是意义交换的“货币”。与货币相反的是，它通向意义的个性化，元数据分析是语义分析标准化的基础。我们需要特别注意的是，意义交换不是以语言符号为单位，而是以元数据为单位。元数据是意义本身的单位，EBMXL就属于这种元数据。在实践中，元数据方法在电子商务交换、知识管理和数据挖掘中，具有十分重要的商业价值。

规则被视为语形和语义间的联系纽带，话语受制于一定的规则，因为规则可以在人们进行个性化选择的同时保持一定的社会稳定性。维特根斯坦认为语言游戏的规则具有延展性和可变性。而在杰克逊和雅各布的观点中，规则被视为交流者在谈话过程中不断进行调和的产物。在实践中，可能并不像极端的后结构主义者如福柯所认为的那样，人们可以离开规则进行自由选择。在电子商务中，个性化选择与元数据标准化是相辅相成的，越是个性化，就越需要标准化，越是标准化，也就越有利于个性化。这是两个不同层次的问题。

交换价格：一词多义与一物多价

等价交换与等意义交换，同样表现为质的交换与量的交换两个方面。等意义交换中，相等的是意义价值，不等的是交换价值。从理论上说，使用价值和交换价值一样的同一种商品，对不同的人完全可能具有不同的意义价值;表现在价格上，等意义交换必然表现出一物一价的特点，而不是一成不变的均衡价格。

对于等价交换来说，均衡价格是唯一的，这主要是由于商品的同质性。这种同质性并不一定真的表示使用价值及商品消费者的偏好完全同质，而是说，商品和消费的质的差异性被取消了。在个性化经济中，通过等意义交换，商品和消费的质的差异性不仅不会被掩盖，反而会明显地呈现出来。相应的，商品价格的确定，也不是锚定在一般均衡点的价值上，而是锚定在个性化消费者的价值支点上，这看起来就好像分布在围绕价值上下波动的交换价值曲线的各个点上。这不是个性化的错误，而是由意义交换中，一词对多义这种语形与语义间的天然矛盾造成的。

我们可以假想这样一个处于意义交换支配下的未来商品交换场景：在互联网上，一个完成了30%的半成品，通过电子商务交易系统的社会化寻价确定了生产它的社会平均必要劳动时间，它的交换价值占商品价值的30%。这句话的宏观含义是创造这类社会价值占用了社会30%的劳动。生产者根据对消费者数据的个人知识挖掘，一对一地在继续定制过程中完成商品其余部分的价值创造。这个过程既是讨价还价过程，也是定制过程。在这个过程中，生产者的计算能力与消费者本地桌面计算或本地移 动计算能力相结合，共同完成意义价值的对价。消费者可以不断说，这不是我的本意，不是我想要的东西，生产者则可以通过对消费者既定语形的动态语义挖掘，不断逼近消费者潜意识中的真实需求。在竞争中，肯定是能够提供最贴近消费者个性化体验的生产者，完成另外70%意义价值的创造，从而实现交易。对生产者来说，他付出的已经不是单纯的劳动力，不是社会平均

透析商务英语电子邮件写作 篇3

一般写作原则

在撰写商务电子邮件时应确保邮件信息明了(Clear)、内容完整(Complete)、准确无误(Correct)、简明扼要(Concise)、礼貌周到(Courteous)，简称5C原则。具体内容如下：

1、信息明确：邮件要写得清清楚楚、明明白白、毫无晦涩难懂之处，使收信人看了信后不会误解写信人的意图。尽量做到开门见山，直入正题。

2、 内容完整：邮件的内容应力求完整全面，向收件人提供所需的信息。若是邮件的回函，需回答来信中所提出的所有问题。

3、准确无误：正确性不仅仅是指英语语法、标点符号和拼写，更重要的是书信的内容要叙述正确，不要说过头，也不宜漏说略述。避免使用一些语意模糊的词语或短语，如：majority, ASAP等，以免引起不必要的纠纷。

4、 简明扼要：简洁是商务写作中最重要的原则，一封拖沓冗长、措词复杂的书信不仅写时费时，对方阅读更浪费时间，甚至会看不懂。故撰写商业信件时要避免罗嗦，用尽可能简洁的文字完整、清楚地表达需要表达的意思。

5、 礼貌周到：写邮件时要注意礼节，语气要真诚、善解人意、考虑周全，不要盛气凌人；避免使用冒犯、伤害、贬低的短语，如：your neglectful attitude, impatience, we deny your claim等；为了做到礼貌得体，应多使用诸如 “please”, “your kind inquiry”, “I would appreciate it if you would...” 等词语和句式。

格式范例

常见的商务英语电子邮件格式如下：

From: 写信人电子邮件地址

To: 收信人电子邮件地址

Cc:抄送收信人电子邮件地址

Bcc:密送收信人电子邮件地址

Subject: 主题摘要

- URGENT - 急件标示方法

称呼

Beginning:

Body:(Reasons for writing)

(Request for action)

Ending:

礼貌结束语（Complimentary Close）

写信人全名（Writer's Full Name）

写信人职务及所属部门（Writer's Title and Department）

写信人所属公司（Writer's Company）

……

其他信息(Other information may include company's name, logo, address, phone number, fax number and website)

各个构成部分的写作介绍

1、邮件的写信人电子邮件地址、收信人电子邮件地址、抄送收信人电子邮件地址、密送收信人电子邮件地址这四部分处理比一般信件要简单得多，无需填写繁杂的邮政地址，只需填入相应的电子邮件地址即可，而且并非每一项都填，若收信人只有一个，就不需填写抄送收信人电子邮件地址。当填写密送收信人电子邮件地址时，写信人将邮件发给收信人的同时，还将邮件秘密发给了其他人，而收信人却不知道这一事实。

2、 主题摘要（Subject）：邮件的标题应当意思明确、信息具体化。邮件标题是邮件主要内容的浓缩，也是读者浏览信箱时决定是否读邮件的根据。邮件标题选择合适与否也影响读者处理信箱中信件的效率。因此，为了确保收信人及时阅读邮件，邮件的标题不仅要引人注目，而且应该意思明确，避免模糊笼统。此外，还应注意标题应该是名词短语或动名词短语。如：“A: 訲his is very important! Read Immediately!? B: 訫eeting? C: 訯uestions about Meeting? D: 訫onthly Sales Meetings?”等四个标题中，A项既不是名词短语，也没有体现邮件的主旨，B和C过于笼统，只有D项最为妥当，信息明确、一目了然。

3、 称呼（Salutation）：每封邮件开头称呼语表应礼貌得体，符合商务写作习惯。以下几点可供参考：

a) 下属写给上司或双方关系较为正式时一般用 “Dear Mr./Mrs./Miss/Ms. + surname（姓）”作为称呼，如：“Dear Mr. Jackson, Dear Mrs. Anniston, Dear Miss Jones”。其中Mrs. 用于已婚妇女，Miss用于未婚女子，Ms.作为未知婚否的女子礼节尊称，相当于中文里的“女士”。

b) 若不知道对方的姓名却知道对方的商务头衔，可用“Dear + Title,”作为称呼，如：Dear Credit Manager, Dear Sales Manager, Dear Human Resources Manager,这些称呼比“Dear Sir or Madam,”要更清楚、更可取。

c) 若知道对方姓和名却无法识别对方的性别时，不应冒险乱猜测对方的性别，可用“Dear + First name + Surname,”作为称呼，如：Dear Imran Jawed, Dear Moira Gedding。

d) 若邮件是一份通函，同时群发给几个人收时，可用“Dear all,”作为邮件称呼。

e) 若双方关系较亲近，可用“Dear + First name,”或“Hi + First Name,”作为称呼，后者在美国英语中尤为盛行，如：Dear Jack, Hi Mike等。

f) 称呼后面一定要用逗号（，）与邮件的正文隔开。美国、加拿大等国的正式商务电子邮件中，还可能会用冒号（：），如：Dear Mr. Jones:。

4、 开头（Beginning）：万事开头难，商务邮件更是如此，不过一旦掌握邮件开头的写作规律及实用句型，这部分写作不过如此。邮件的开头因邮件内容的不同而有所变化，但无论何种商务邮件，开头一般都需表明写信的缘由或主旨，常见开头句型如下：

a) I am writing because / to...

b) I am writing in connection with...

c) On Saturday, 3rd March, I bought a BX Mountain bike from your shop. Since then I have had to return it eight times for repairs.

商务电子邮件写作规则 篇4

随着各种有关数据挖掘的新技术和相关研究的出现,使电子商务企业分析客户行为,对客户进行分类,从而采取相应对策发展新客户,留住老客户,提高用户好感度和满意度,提高自身电子商务网站的吸引力和影响力成为可能。电子商务的竞争无比的激烈,也有着很多的商机,谁能从这些数据中挖掘出可以利用的知识,谁就更能在行业竞争中成为获胜的那一方。

本文研究的目的是通过运用数据挖掘技术对电子商务数据和信息(比如客户的个人信息、电子商务网站用户行为信息调查数据等)做一个分析,来挖掘出能够对电子商务企业的决策和未来的发展提供帮助的知识模型。通过数据挖掘技术所挖掘出的模式知识,帮助电子商务企业分析客户的行为,为企业发展新客户,留住老客户,提高企业竞争力。

2用户数据准备

2.1原始数据收集

本文数据来源于淘宝网上商城购物平台后台数据库中从2013年11月至2014年年底历史交易信息,包括网购相关信息以及网购用户信息等。其数据来源于数据堂(www.shujutang.com)这个大型的专题数据网站,数据是后缀为.xls的格式文件,需要对其进行格式转换为后缀是.csv的格式文件才能导入到Weka中进行分析。

经过数据筛选梳理,最终研究的样本包括999条网购列表。其中,审核未通过的有248条;209条是网购放弃;542条成功网购,169条已还完网购。成功交易总额达3090.93万元。

就整体研究数据来看,未通过的网购所占比例达到24.8%, 未购买成功所占比例达到20.9%,网购成功仅有54.3%,从中可以看出网购成功率亟需提高。

2.2用户特征分析

通过对数据源中网购用户信息的整合,得到了B2C购物网站用户活动数据,包括用户的网购次数、成功网购次数、信用等级、网购总额等信息,这里的变量数值均是从2013年7月至2014年底的统计数据。为了了解B2C购物网站平台用户的不同行为模式与特征,这里本文选取网购用户ID号、平均网购额度、网购总次数、网购成功次数、信用等级、网购积分(网购用户作为网购用户进行购物所获得的网购积分)作为聚类变量。

平均网购金额是指网购用户在样本2013年11月至2014年底内的网购金额的平均水平。大体上说,网购用户信用等级越高,其网购的金额就越大。

网购总次数,通过统计网购用户在样本2013年11月至2014年底内的网购次数,可以看出该网购用户在B2C购物网站平台上的活跃程度,网购次数越多,活跃程度越高。

网购成功次数,成功次数越多表明网站越受网购用户关注与信任。

信用等级,作为网购用户重要的信用属性,也是电子商务企业判断网购用户购物风险的重要依据。本文研究的目的就是找出网购用户信用等级所不能反映出来的网购用户信用属性,所以信用等级作为对比,在此引用。

网购积分,B2C网络购物平台用户往往有网购用户与卖家用户两个角色,一方面网购交易,另一方面可以进行买卖。 B2C购物网站平台用户只要成功网购一定金额就会获得相应的网购积分,所以,网购积分也是判断网购用户信用的重要因素。

2.3数据预处理

数据的预处理是整个数据挖掘过程中工作量最大的一部分,虽然处理起来相当的消耗时间,但是绝对不可以马虎对待。这是因为没有经过数据预处理的原始数据是很难被有效地利用起来的,也很难从中挖掘出有用的模型,所以进行数据预处理是数据挖掘的很重要的一个过程。本文所使用的数据挖掘工具Weka就自带了数据预处理的功能,下面是对所得数据进行预处理的过程。

2.3.1特征选取

本次分析一共选取了17个特征600个样本,分别是:ID号、 平均购物额度、购物总次数、交易成功次数、信用等级、购物积分。

(1)ID号:购物网站上网购客户的ID ;

(2)平均购物额度:网购客户平均的网购服务的金额;

(3)购物总次数:网购客户的每个月购物次数;

(4)交易成功次数:网购客户的交易成功次数;

(5)信用等级:网购客户的购物信用等级;

(6)购物积分:网购客户购物的积分;

(7)Pincome:个人年收入(万元);

(8)Hincome:家庭年收入(万元);

(9)Age:年龄;

(10)Gender:性别(0:女;1:男);

(11)Car:家庭拥有汽车的数量;

(12)Education:教育水平(1初中及以下;2高中;3专科;4本科;5研究生);

(13)Job:工作类型(1公司职员;2工厂工人;3公务员;4个体;5事业单位;6其他);

(14)People:家里人口数量;

(15)Children:家里未成年人数量;

(16)Housing:房屋拥有类型(0—租房;1—买房);

(17)Area:房屋居住面积(平方米)。

2.3.2数据清理

本次分析的数据都是有效的,不存在缺失值。即是说区域、月服务、年龄、婚姻状况、居住时间、收入、受教育程度、工作时间、家庭人数等属性值都对本次数据挖掘有用的。但是ID号对挖掘没有意义,进行删除。经过数据审核,个别特征值出现错误,如年龄的值域出现“200”的错误,利用本属性均值填充。

2.3.3数据离散化和分层

Weka识别的数据格式是arff,文件格式通过Weka命令窗口转化。Apriori只能处理离散型数据,数据集中有不少的数值型数据,需要将其转化为离散型数据,如年龄、收入等。概念分层可以将具有多个值域的低层次的概念划分为若干个高层次概念,高层次概念的概括性减少了多个概念的干扰,更利于对分层后的用户进行定义,为了避免详细信息丢失和挖掘更有价值的规则,因此概念层次的划分可以经过多次调整,如对拥有家庭汽车数量值域(0,1,2,3,4)划分为(有、无)。

3关联规则分析在电子商务中的应用

本文所采用的关联规则的挖掘目标就是要通过对一些电子商务网购用户的家庭情况、收入情况等特征进行分析,从而找出用户特征与购买行为之间的关系。

3.1用户特征与行为关联分析

本文用Apriori算法对数据进行关联挖掘,虽然Apriori算法可以直接挖掘生成表中的交易事务数据集,但是为了关联挖掘其他算法的需要,先把交易事务数据集转换成关系数据集。

数据进行格式转换和离散化处理之后,执行Apriori算法。 设最低条件支持度为15%,最小规则置信度为30%,最大前项数为5,挖掘出10条关联规则,生成的10条规则如下图所示:

关联规则体现出前后项之间一定的因果关系,但并不是全部的规则都具有实际意义。因此结合实际,从以上规则中选择若干规则分析。

通过规则2、3、4和5,可以看到用户是否有小孩、是否有房屋对顾客是否购物成功次数有强关联。由上述结果可知,同时有房屋、购物且成功的用户占总用户的90%,有房屋的用户成功购物分别占总订单数的91%,有小孩的人有91%会网购,房屋面积越大,网购次数越高。由此可见,房屋、网购、是否有小孩、网购成功次数这几个变量关联度较高,与用户网络购物行为关系密切。

3.2基于关联规则的用户分析应用

通过上述分析结果,可以得知用户是否有小孩,是否有房屋等信息对购物的成交率有一定的关联。

利用关联规则,可以对网购用户的行为进行分析,从中挖掘出用户特征和行为的相关性,向用户推荐相关的产品,促成交易的成功率,实现电子商务企业的盈利。比如淘宝等网上商城会对客户的个人认证信息以及所建设的信用等级体系等数据进行分析,来对不同特征的客户群体提供个性化的服务,以及站点版面的安排,页面的广告投放侧重点等。

通过利用关联规则中的Apriori算法对网购用户行为进行分析,可以挖掘出网购用户行为之间的相关性问题,从而向用户推荐相关联的产品,提高网购成交率。比如,喜欢篮球运动的网购用户,他们会比较多的关注有关篮球方面的东西,喜欢化妆品的网购用户(通常是女性),她们会对化妆品的品牌以及一些相关的商品比较敏感等等。那么电视网站在进行Web站点的排版设计和广告投入时,就可以根据用户的这些浏览行为习惯向不同的客户群推荐不用的商品内容,提供个性化的服务。网购用户的浏览行为和习惯是无法捉摸的,甚至跨度非常大,网购用户可以关注体育类的、食品类的、学习类等多种不同类别的商品信息。

利用关联规则可以对这些用户行为的相关性进行分析,进而使得网站也能构建出类似于大卖场一样的购物篮模型。比如,当网购用户更多的停留在食品界面的时候,我们可以在向他/她推荐食品专栏的同时,提供运动健身用品专栏;再者,当网购用户选购尿布的时候,我们可以同时推荐啤酒等商品信息,这其实和大卖场的经典购物篮分析啤酒与尿布的用例是一致的。

根据网购用户对某一商品的购买次数和在某一页面的停留时间等行为,电子商务企业可以推出多套组合的商品,并以更加优惠的价格向客户提供出售。举个例子,如果用户大批量的购买羽毛球,那么我们可以推测此类客户为羽毛球爱好者, 而羽毛球、羽毛球鞋、运动衣服则成为相关联的商品,那么电子商务网站可以将这些进行组合以更加优惠的价格销售。最后, 电子商务企业为了分析众多用户的消费变化,以完成对商品的价格和商品的种类加以调整,以留住老顾客,吸引新顾客,提高客户的满意度和好感度,最终实现电子商务企业的盈利业务目标,可以将同一用户不同时间段购买的产品做一个分组序列。

摘要：数据挖掘技术可以把电子商务的海量的数据和信息进行一个挖掘,使这些数据和信息得到最有效的利用,既转化为知识的过程。帮助电子商务企业分析电子商务客户的行为,提供更加优质的,具有针对性的服务,最终实现盈利。该文通过Weka完成了对数据的预处理,然后用了关联规则中的Apriori算法对电子商务网络购物用户进行了行为分析,最后对电子商务运用数据挖掘技术促进自身发展和实际应用提出建议和意见。

关键词：Weka,数据挖掘技术,B2C,电子商务

参考文献

[1]文灿.数据挖掘在电子商务销售数据中的分析和应用[D].青岛理工大学计算机工程学院,2010,12(18).

[2]夏小云.C2C电子商务数据挖掘的研究及应用[D].赣州:江西理工大学,2007.

[3]张澎,王鲁达,唐日成.电子商务中的数据挖掘[D].郴州:湘南学院,2009.

商务便函与电子邮件写作_英语 篇5

一．便函与电子邮件简介：

1．商务交流的选择----口头交流还是写便笺

在亚洲，人们喜欢直接交谈。主要是因为：

（1）直接交谈有助于保持良好的关系。

（2）直接交谈可以减少误会。

2．商务便函与电子邮件的内容与特点

（1）商务便函

① 定义及内容：商务便函（Memorandum,简写 Memo）是同一商业组织内部广泛使用的书面联系形式。

② 特点：

ⅰ.商务便函的组成部分比较简单，这是它最大的优点。

ⅱ.商务便函的语气需要根据写信人与收信人之间的关系以

及所谈内容来决定。

（2）电子邮件

① 定义及内容：电子邮件的内容通常包括：询问信息，道歉，确认，通知，倡议等等。

② 特点：基于高速快捷的因特网的发展，电子邮件也具备了使用方便、传播快捷、一信多发，而且价格十分低廉的特点，因此特别适合国

际间的交流。

3．便笺和电子邮件的主要作用

·查询资料

·要求采取行动

·提供资料

·提供建议

·警告

·解决问题

二．便笺和电子邮件的结构和措辞

 便笺和电子邮件必须条理清楚、证据恰当、措辞得体，这样才能达到预期的目的。

1．格 式

例子：

Internal Memorandum

To: Anne Bell

From: Graham Davis

Date;23 March 1992

Subject: Office Furniture

We need some comfortable chairs for visitors to go in the managers’ office.Can you arrange it?

商务电子邮件写作规则 篇6

商务沟通在商务活动中起着日益重要的作用。对国际商务人士而言，熟练掌握商务英语电子邮件的写作已成为一项职业必备技能。然而如何写好商务英语电子邮件，也是是商界人士感到棘手的问题之一。本文拟从传统的商务英语信函与现代商务电子邮件进行比较分析，并结合动态顺应论的分析，对动态顺应论是否适用于商务与电子邮件做出分析，希望商务与电子邮件发挥有效沟通功能做出一些帮助，也为改善学生和从业人员对商务英语电子邮件的理解能力及写作能力起到一定帮助。

关键词：动态顺应；商务信函；商务英语电子邮件

中图分类号：G712 文献标识码：B 文章编号：1002-7661（2016）12-003-02

一、引言

随着经济贸易全球化的快速发展，各国之间的商务往来日益频繁。有效及高效的商务沟

通在商务活动中起着日益重要的作用。商务英语信函，作为一个有效的不可缺少的沟通方式，如何得以有效地发挥其在商务贸易中的作用，值得我们研究。由于商务信函常以电子邮件形式发出，并且商务英语电子邮件一定程度上代表着企业形象，因此， 在对外贸易活动中，对国际商务人士而言，熟练掌握商务英语电子邮件的写作已成为一项职业必备技能。然而如何写好商务英语电子邮件，也是是商界人士感到棘手的问题之一。本文拟从传统的商务英语信函与现代商务电子邮件进行比较分析，并结合动态顺应论的分析，对动态顺应论是否适用于商务与电子邮件做出分析，希望对商务英语电子邮件发挥的有效沟通功能做出一些帮助，为改善学生和从业人员对商务英语电子邮件的理解能力及写作能力起到一定帮助。

二、传统的商务英语信函与现代商务电子邮件之比较

1、传统的商务英语信函

有学者通过对语域 （ register） 的研究，将商务英语的表现形式归纳为三类： 公文体、广告体、论说体。其中，法律文书、商务信函、商务合同或协议、信用证、通知为公文体； 公文体行文以书面语为主，用词正式、严谨、规范，句式结构复杂（高丽敏，2013）。由此可见，商务信函一般被认为需用正式、严谨、规范的词汇，以及结构复杂的句子。用词的正式性是普遍被认可的，大多数国内学者都认可由于国际商务信函是一种正式的公函语体，应多使用正式书面词汇去替代普通词汇。如句子“We can grant you insurance coverage for5% of the invoice value.”中 grant 比同义词 give正式（高丽敏，2013）。为了表达具体的业务内容，商务英语函电在长期的实践中已经使用长句，复杂句形成了各种固定的程式化的套语，并常见于信函的开始，结尾处，以及一些固定功能的表达上。如：常见的信函开头的套句：Thank you for your letter of ....； We have received your letter of ...with pleasure.常见的信函结尾的套句：We are looking forward to your early reply.表示感谢的有：We would appreciate it if… ； it would be appreciated if…等。商务英语信函还认为应有相对固定的格式，常用齐头式，缩进式和混合式。信函大体上由以下几部分组成： 信头（heading）、日期（date）、称呼（Salutation）、正文（body）、结束语 （the complimentary close）、签名 （the signature）。

2、商务英语电子邮件

传统的商务英语信函的是基于书面语篇的。然而，基于语言学家们对书面语篇和口语语篇做过大量的深入研究，书面语篇是由口语语篇演变而来，而电子语篇则是由口语语篇和书面语篇两者演变而来。电子语篇既不能等同于口语语篇，也非书面语篇，更不是两者的简单叠加。电子语篇是口语语篇和商务语篇的衍生物，在兼具这两种语篇特征的基础上，还具有自身的鲜明特点。电子邮件属于电子语篇的一种，因此具备了大多数电子语篇的特点。商务英语电子邮件的特殊交际功能决定了其体裁的特殊性，它一方面具有普通电子邮件的特点，同时又具有商务英语信函的特征（谢占丽，2012）。事实上，商务英语电子邮件是传统商务信函的一种变体，具有很强的非正式性（檀文茹，2002）。语言在不同的媒介作用下会呈现不同的语言特征，形成不同的语篇类型。黄国文（2005）也用图表简明的表述口语语言、书面语言和电子语言之间的关系（见图1）。

三、动态顺应论在商务英语电子邮件写作的适用分析

Verschueren 在他的著作《语用学新解》提出，顺应理论有“语言适应论”和“语言顺应论”两种表述法。Verschueren（1999：55-56）指出，语言的使用是一个有意识地或无意识地持续选择语言的过程。顺应论主要包含语言结构顺应、语境因素顺应、顺应的动态性和顺应的意识性四方面分析维度（Verschueren 1999：65-66）。语言结构顺应是指在语言使用过程中对语音、词汇、句法、语码、语体、语篇等语言各个层面做出选择；语境因素顺应是指语言的使用和选择与交际语境和语言语境相顺应；顺应的动态性是指语言的顺应性选择是一个动态过程；顺应的意识性是指语言选择和顺应会呈现不同的意识凸显程度。国内语用学研究专家学者也曾专门撰文介绍评述及诠释“顺应论”。其中谭晓晨（2003）详细介绍了维索尔伦的语境适应论，探讨了语言和语境互为构建的动态关系，指出动态生成的语境观是对传统语境研究及时而必要的补充。钱冠连（2003）又对 Verschueren 顺应论的理论源头和整体理论构架进行了探讨，认为“可以说有一个基本问题（人们在使用语言时是在于什么），三个关键概念（语言选择的可变性、协商性和适应性），四个研究角度（语境、结构、动态性、意识突显）”。

从上面四个维度来看，与商务电子邮件相关联的几个要素都包含其中： 词汇、句法、语篇、语体。即，在撰写商务英语电子邮件时，这些语言结构会因写作之人在使用语言的过程中发生顺应，并且这种顺应可能是动态性的。这种动态顺应可有意识地适用于商务英语电子邮件中，即，在邮件沟通中，因对方的各种可能因素的影响，对方的语境会有动态变化，而邮件撰写者可有意识地去发生动态顺应，构建语言和语境的相互动态关系。而这种动态顺应，可为传统商务英语邮件撰写提供补充，使邮件发挥更好的沟通功能。

王颖频（2000）提出由于说话人在不同意识凸显程度支配下会呈现不同的语言表现，顺应的意识性在四个分析维度中无疑占据主导地位，对其他三个维度起着支配作用，并认为四个维度的具体关系如图 2 所示。

因此，基于顺应论的四个维度，写信人如能有意识地选择语言的输出，则沟通会更好地朝话语人的目的进行，使沟通目的更好地实现。同时，因为顺应具有动态性，写信人应有意识地进行动态顺应，即应随时关注对方语境，语篇，语言表达等方面的变化，并做出相应的顺应，这种顺应则会从语言结构和语境因素进行顺应。顺应可能包括电子邮件的一些重要因素的顺应，如礼貌用语的动态顺应，词汇选用的动态顺应，句法选用的顺应，语篇的顺应等。

四、结论

在商务英语电子邮件写作中，如何应用动态顺应使沟通更加有效高效，实现沟通目的是商务人士关注的也是棘手的问题之一。本文通过商务信函与电子邮件的比较分析所得出结论：即当商务英语信函通过网络作为媒介，呈现的是一种特殊的语言特征；它特殊交际功能决定了其体裁同时具有普通电子邮件的特点和商务英语信函的特征，而且具有很强的非正式性。基于以上结论分析得出：邮件撰写人对邮件的正式性与非正式性，非正式性的程度进行判断。这种判断可通过邮件撰写人有意识地去判断邮件往来的对方发生的语言变化，以及文体包括电子邮件的一些重要因素可以有意地去发生顺应，并且这种顺应因为语境和双方关系等的不断变化应是动态的，如礼貌用语的动态顺应，词汇选用的动态顺应，句法选用的动态顺应和语篇的动态顺应等。

参考文献

[1] St John，M. Business is booming： Business English in the1990s [J]. English for Specific Purposes，1996（1） ： 3-18.

[2] Verschueren J.Understanding Pragmatics [M]. London： Edward Arnold，1999.

[3] Verschueren J.Understanding Pragmatics[M].北京：外语教学与研究出版社，1999.

[4] 黄国文.电子语篇的特点[J].外语与外语教学，2005 （12）： 1-5

[5] 李艺倩. 商务英语语言特点与翻译信息对等[J].中国科技翻译. 2010（8） ：23-3

[6]高莉敏.商务英语的文体特征及其翻译研究[J]. 中国科技翻译. 2013（5）：26-2

[7] 钱冠连.语用学：统一连贯的理论框架──J Verschueren《如何理解语用学》述评[J].外语教学与研究

[8] 檀文茹. 实用商务英文写作[M]. 北京： 石油工业出版社，2002 年

[9] 王颖频.基于顺应理论的 MTI 学生翻译决策能力培养研究[J].外语界. 2000（3）：230-232.

[10]谢占丽. 商务英语电子邮件的题材特征研究[D]黑龙江大学， 2012

商务电子邮件写作规则 篇7

关键词：数据挖掘,关联规则,电子商务推荐系统,数据库技术

0 引言

随着电子商务的迅猛发展,人类进入了信息社会和网络经济时代,商务信息爆炸式增长,客户选择喜欢的商品变得困难。如何帮助各种客户顺利地完成购物活动成为网站赢得利润和信誉的关键。在这种情况下,为客户提供个性化推荐服务的电子商务推荐系统应运而生。电子商务推荐系统“利用电子商务网站向客户提供商品信息和建议,帮助客户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程”[1]。电子商务推荐系统最大的优点在于它能收集用户感兴趣的资料,并根据用户兴趣偏好主动为用户做出个性化推荐。

个性化推荐系统主要有3个作用:将电子商务网站的浏览者转变为购买者;提高电子商务网站的交叉销售能力;提高客户对电子商务网站的忠诚度。

目前,学者对电子商务推荐系统有大量的研究,主要集中在数据的获取和推荐技术[2]。个性化推荐是通过推荐算法从大量复杂的数据中分析出客户的消费习惯和偏好,因此大量有价值的数据是推荐的基础。随着网络技术的发展和数据库技术的广泛应用,电子商务中的数据也日益丰富和复杂。在推荐技术研究中,关键的问题是根据系统的数据确定合适的推荐算法。目前,学者主要致力于两方面研究:一方面努力提高算法的效率,满足实时性的要求;另一方面,改进目前的算法,使推荐效果更加完美准确。

电子商务分为B2C和B2B两种模式。本文主要侧重于对B2C电子商务的分析,应用于综合性的零售网站。目前主要的推荐方法有基于关联规则的推荐,基于内容的推荐,基于协同过滤的推荐等[3]。本文讨论关联规则在电子商务推荐系统中的应用。

1 数据挖掘与电子商务推荐

电子商务推荐系统是将数据挖掘技术应用到电子商务领域的范例。随着电子商务的应用,数据库中可以收集到大量的用户数据,如用户交易数据、用户注册数据、用户评分数据、用户咨询数据等。这些数据中蕴含着丰富的知识,基于数掘的推荐系统通过数据挖掘技术对用户行为和用户属性进行学习,从中获取有价值的知识,根据得到的知识产生推荐。

基于数据挖掘的推荐系统根据数据挖掘技术建立用户档案。用户档案的建立可以基于对用户长期行为的分析,如用户的浏览记录,购买历史、性别、职业、收入、年龄等。也可以基于用户的当前行为,如用户当前的会话行为、当前购物篮信息、当前浏览商品等。

2 电子商务推荐系统

2.1 电子商务推荐系统的结构

电子商务推荐系统主要由三大部分构成:数据采集部分、推荐方法部分和输出部分[4]。数据采集部分用来接收用户的输入信息;推荐方法部分根据一定算法和用户数据,得出对目标用户的推荐。该部分是整个推荐系统的核心部分,个性化推荐方面的研究很大一部分都集中在找到好的推荐方法;输出部分主要是指将得到的推荐以某种形式反馈给用户。

输入部分主要负责对用户信息的收集和更新。输入主要指目标用户,即要求获得推荐的人为得到推荐而必须进行一些输入,以表达自己的偏好,包括隐式浏览输入、关键词和项目属性输入和用户购买历史等。

输出部分主要负责在系统获得输入信息后,输出推荐给用户的内容。主要形式有:

①建议:又分为单个建议、未排序建议列表、排序建议列表,典型的如Top-N:推荐系统根据客户的喜好向客户推荐最可能吸引客户的前N件产品;

②预测:系统对给定项目的总体评分;

③个体评分:输出其他客户对商品的个体评分;

④评论:输出其他客户对商品的文本评价。

推荐方法部分是推荐系统的核心部分,负责对输入数据的处理,决定着推荐系统的性能优劣。推荐方法部分以推荐算法为技术支撑。

2.2 电子商务推荐系统的信息模型

电子商务系统中存在着丰富而复杂的数据,如用户交易数据、用户注册数据、用户评价数据、用户咨询数据等。这些数据中蕴含着丰富的知识,是进行电子商务推荐的基础。通过对当前主要大型购物网站的调查研究,总结出了电子商务网站的主要信息模型,如图1所示。

另外,在大多数基于Internet的网上购物商店中,商家都对商品进行了明确的分类,图2是一个简单的示例。商品分类在知识发现过程中起着重要作用。在许多实际应用中,强关联规则更易于出现在商品分类的高层,但可能会出现公共知识的重复;另一方面,低层的关联规则可能更令人感兴趣,但发现的难度更大。因此,在关联规则挖掘中选择适当的层次对于关联规则的挖掘是非常重要的。

2.3 推荐技术的选择

在进行个性化推荐时,选择合适的推荐技术是成功的关键。零售网站的特点是商品种类繁多,顾客群广泛,网站访问量比较大。基于内容的推荐只能推荐与已购买商品相似的商品,不能发现潜在感兴趣的商品;协同过滤推荐的效果取决于客户的评价分数。在现有的零售网站中,大量的商品没有客户评价或评价稀少,不适合应用协同过滤推荐技术;关联规则与其他的技术比较有如下的优点:数据源简单,不需要特殊数据源,只要有准确的交易记录即可;具有对用户购买行为的预测性,挖掘用户的潜在兴趣;可以挖掘不同类型的商品,对商品特性没有要求[5]。于是可以看出,关联规则比较适合应用在零售网站中。

关联规则挖掘就是发现数据集中项集之间有趣的关联或相互关系[6,7]。它是数据挖掘领域的一个重要分支,最近几年已被业界所广泛研究和应用。在电子商务领域,关联规则主要用于商品、链接或页面的个性化推荐。关联规则常用的挖掘算法是Apriori算法和FP-Growth算法。

Apriori算法的缺陷是它会产生巨大的候选集,需要多次扫描数据库[8,9]。如果最长的模式是n,则需要n+1次数据库扫描,当数据库较大时,性能会受到较大影响,大大降低挖掘的效率。研究者还提出了各种改进的Apriori算法,但是都不能克服原来固有的缺陷。

FP-Growth算法不需要生成大量候选项集,大大降低了搜索开销,提高了挖掘效率[10,11]。对FP-Growth方法的性能研究表明:对于挖掘长的和短的频繁模式,它都是有效的和可伸缩的,并且效率约比Apriori算法快1个数量级。

通过以上比较,本文选择FP-Growth算法进行关联规则的挖掘。

3 电子商务推荐系统的设计实现

在此提出了一个电子商务推荐系统的体系结构如图3所示。该结构分为两个部分:离线部分和在线部分。离线部分的功能是首先对原始数据进行预处理产生事务集,然后对事务集进行挖掘产生关联规则;在线部分与用户的实时交互,利用离线生成的关联规则和数据库中的信息进行分析,产生推荐,然后将推荐结果通过浏览器返回给用户。

为了验证系统的合理性和适用性,采用AdventureWorks数据源对系统进行了测试。

3.1 离线挖掘关联规则

系统的离线挖掘部分使用VS2008进行开发,数据库采用SQL Server 2005。在这一部分中,可以完成系统参数的设置、预处理、关联规则的挖掘等功能,用户界面如图4所示。

(1)系统参数的确定

在关联规则的挖掘中,首先要确定最小支持度和最小置信度两个参数。支持度是对关联规则重要性的衡量,表示这条规则的频度;置信度是对关联规则准确度的衡量,表示规则的强度。

(2)预处理

数据库中的原始数据不适合直接进行数据挖掘,需要进行预处理。预处理主要完成了以下数据处理:

①联合查询顾客表、商品表、销售订单表、销售订单明细表、商品型号表、生成事务表。事务表包括订单号,商品型号字段;

②去除事务表中商品数为1的事务;

③生成频繁项集表;

④去除事务中的非频繁商品,并将事务中的商品按降序排列。

(3)关联规则的挖掘

这里选择FP-Growth算法进行关联规则的挖掘,在第2节已经作了详细的分析。在FP-Growth算法中,最关键的两个数据结构是FP-Tree和关联规则表。将FP-Tree保存在数据表中,具体结构如图5所示。这个数据表结构充分描述了FP-Tree中的节点间的关系,节点编号表示节点在树中的惟一编号;名称表示节点所代表项目的名称;计数表示项目在事务集中出现的频次;父节点编号指向本节点的父节点;子节点数表示本节点的孩子节点数,可以判断该节点是否是叶节点。

关联规则存储在个性化推荐系统的数据库中,以备在线推荐使用,如图6所示。其中,置信度表示关联规则的强度,反映了规则的可信度。置信度是生成推荐列表的重要指标。置信度越高的规则,其结果越容易被推荐给用户。

在这一过程中主要分为3个步骤如图7所示:首先根据事务集建立FP-Tree,然后挖掘FP-Tree生成频繁项集,最后根据频繁项集产生关联规则。

3.2 在线推荐

进行在线推荐时,系统首先识别当前登录的用户,然后通过分析用户已购买商品信息与规则信息运算出推荐信息。在线推荐的流程如图8所示。

4 结语

本文以数据挖掘中的关联规则理论为基础,从应用的角度分析了电子商务系统中个性化推荐系统的需求和信息模型。针对B2C网上零售商店的特点,选择基于关联规则的个性化推荐技术,设计了一个电子商务个性化推荐系统。现实中的电子商务系统包含大量复杂的数据,只用关联规则还不能达到完美的效果。因此,下一步的工作是结合多种数据挖掘模型,实现更加完善的个性化推荐服务。

参考文献

[1]RESNICK Varian.Recommendation systems[J].Commu-nications of the ACM,1997,40(3):56-58.

[2]易明.基于Web挖掘的电子商务个性化推荐机理与方法研究[D].武汉:华中科技大学,2006.

[3]SARWAR B,KARYPIS G,KONSTAN J.Analysis of re-commendation algorithms for E-commerce[C].[S.l.]:ACM Conference on Electronic Commerce,2000.

[4]刘丽霞,庄奕琪.电子商务系统的数据挖掘与智能推荐预测的研究[J].计算机工程与科学,2008,30(2):92-95.

[5]高彩霞.基于关联规则挖掘的网上书店电子商务的研究与设计[J].大同:山西大同大学,2008.

[6]HAN Jia-wei,KAMBER M.Data mining concepts&tech-niques(Version 1)[M].Beijing:China MachinePress,2001.

[7]张峰,常会友,衣杨.基于规则的电子商务推荐系统模型和实现[J].计算机集成制造系统,2004,10(8):898-902.

[8]BODON F.A fast APRIORI implementation[C].Florida:Proc.of the IEEEICDM Workshop on FIMI'03,2003.

[9]AGRAWAL R,SRIKANT R.Fast algorithms for miningassociation rules in large databases[C]//Proceedings of20th International Conference on Very Large Data Bases.Santiago De Chile,Chile:[s.n.],2003:487-499.

[10]王新宇,杜孝平,谢昆青.FP-Growth算法的实现方法研究[J].计算机工程与应用,2004,40(9):174-176.

商务电子邮件写作规则 篇8

一、国际商务电子邮件与传统的函电结构对比分析

传统的商务函电 (信函、传真和电传) 一般由信头、日期、收信人名址、称呼、信文、结尾敬语、签名七个基本部分组成。与传统的国际商务函电相比, 国际商务电子邮件的结构已发生变化, 趋向于更加简单方便, 重点突出。原国际商务函电中的信头和封内地址转变为发件人和收件人的电子邮箱地址, 而日期则由系统自动生成, 无需另外添加。主题栏仍然存在, 但位置发生改变, 不再位于称呼的下面, 而被提到了收件人的电子邮箱下面, 位置显得更加突出和重要。国际商务电子邮件仍然常用较正式的称呼, 如:“Dear Ms.Harbough", “Dear Mr.Haywood", 但如果对方是有多年业务往来的老客户或老朋友, 可以省去Dear, 直呼对方的名字, 如:“Hello, Victor”, “Hi, Jenny”。如果不能确定具体的收件人, 可以用“Dear sirs”称呼对方。在邮件的结尾部分, 传统的结尾敬语如 “Yours faithfully", “Sincerely yours”等已越来越少见, 现在人们多用 “Bye”, “Best regards”, “Cheers”等, 这反映出网络时代人际间沟通轻松快捷的特点。署名可以使用邮件程序中的自动签名功能, 把发件人的签名、公司名称、电话和传真号码或者其他联络方式自动添加到邮件的结尾处。

二、国际商务电子邮件的写作原则

为了使贸易双方达到预期的沟通目的, 增强邮件的有效性, 电子邮件的写作同样要遵循七个C原则, 即简洁 (Conciseness) 、清楚 (Clearness) 、礼貌 (Courtesy) 、完整 (Completeness) 、具体 (Concreteness) 、正确 (Correctness) 和体谅 (Consideration) 。

1.简洁

简洁被认为是最重要的写作原则。它指的是既要尽可能地用精辟的文笔清楚地表达发件人想要表达的内容, 又要体现出邮件的完整、具体和礼貌。因此, 在撰写电子邮件时, 应长话短说, 避免使用难词、古词和陈旧的商业术语, 尽量使用常用词、短语、结构简单的短句, 不用长句或从句。例如用“here”而不用“enclosed herewith”;用“because”而不用“due to the fact that”;用“thank you for”而不用“acknowledge receipt of”。

2.清楚

清楚是邮件的主要语言特点之一。清楚是指思路清晰, 行文明了, 邮件内容不会被误解。要避免使用意义上模棱两可的词语和句子, 注意修饰语的位置、语义的连贯性和邮件全文的逻辑性。例如:“We have a direct sailing from Shanghai to Los Angeles bimonthly.”在此句中, “bimonthly”这个词就要避免使用, 因为它既有“两个月一次”的含义, 又表示“一个月两次”。

3.礼貌

礼貌是指发件人在措辞和表达方式上通过使用虚拟语气、委婉语气等方法及运用一些语用策略, 婉转、迂回、和缓地表达观点, 提出要求, 从而给收件人留下有知识、有修养、素质高的印象, 使对方容易接受一些请求并愿意进行合作。

4.完整

完整是指发件人要对收件人提供其需要的所有信息, 答复其提出的一切问题并争取满足其提出的一切要求。在格式上同时要注意邮件的基本组成部分缺一不可。例如买方在表示接受卖方的报盘时, 要详细说明接受条件并引述报盘的依据, 如报价单、产品目录、宣传册或某一天的邮件内容等, 因为这些材料具有合同的效力, 对买卖双方具有约束力。

5.具体

每一封邮件都应有一个具体、明确的主题, 避免含糊、笼统、抽象的表述。必须强调具体的事实、数据和时间, 让收件人阅读邮件后采取具体的行动, 解决具体的问题。例如对某一商品的报价进行还盘, 必须详细地说明品名、价格、数量、包装方式、支付条件、装运时间、装运港等具体的交易条件和发盘的有效时限。

6.正确

由于国际商务电子邮件涉及的是国际商务活动双方的权利和义务关系, 其准确性对沟通至关重要。具体而言, 不仅电子邮件的格式、语法、标点符号和拼写要做到准确无误, 电子邮件内容还要叙述准确, 以免引起误会, 造成纠纷。邮件写完后要仔细校对, 尤其是日期、数字不能弄错, 打字时要避免误打、漏打, 并要认真核对收件人的信箱是否填写正确, 避免出现不必要的耽搁。由于国际商务电子邮件载明的信息非常严肃、正式, 事关贸易双方的经济利益, 一定要尽力保证其准确性。

7.体谅

体谅是指书写邮件时, 一定要设身处地为收件人着想, 考虑他们的感情、希望、要求和利益等, 即要进行换位思考, 从而给收件人留下好感和深刻的印象, 极大地提高邮件的有效性。因此应尽量以积极的态度和所谓的对方角度 (you attitude) 来进行措辞和表达。例如:“We feel sure that you will be entirely satisfied.”就比“We do not believe that you will have cause for dissatisfaction.”态度上要显得更积极;“You earn a 5% discount when you pay cash.”要比“We allow a 5% discount for cash payment.”显得更容易被接受且更富有人情味。

三、国际商务邮件的写作规范和注意事项

首先, 在设置电子邮箱时, 应将发件人的具体姓名包括在内, 方便收件人辨认信件的来源, 可使收件人立刻将有用的邮件与垃圾邮件区分开来。邮件的标题应当简洁明了。邮件的标题是邮件主要内容的浓缩, 是收件人浏览信箱时决定是否阅读邮件的根据。简洁明了的主题内容可起到索引的作用, 便于收件人以后在大量的邮件中去寻找相关的邮件。邮件标题选择的合适与否会极大地影响到收件人处理邮件的效率。因此, 为了确保收信人能及时阅读邮件, 邮件的标题不仅要引人注目, 而且应该言简意赅, 应用最精练的词语在主题栏中概括出邮件的要旨, 以满足收件人对邮件的合理预期。此外, 标题应尽量用名词短语或动名词短语表示。例如, “Your Meeting in Los Angeles", “Order No.3390", “Complaints about Packing” 等标题都信息明确、一目了然。

在书写正文时, 最好采用齐头式 (平头式) 的格式。齐头式是指正文中各部分都从每行的左边开始, 这种格式便于打字和节省时间, 提高写作的速度和办公效率。正文是电子邮件的主要部分, 由两三个或三四个简短的段落构成。通常把正文的主题分成几个小主题, 每个段落用一两句或两三句话陈述一个小主题。正文通篇可以全部使用大写字母, 或全部使用小写字母, 这样做也是为了提高工作效率。表述内容时要完整清楚, 简洁自然, 尽量多用主动语态, 少用被动语态。准确、生动、有力的措词可以增强国际商务电子邮件有效性。因此, 可以适时、适量地使用商贸行业常用的缩略语。例如, S/C (销售合同) 、clean B/L (清洁提单) 、FYI (供贵方参考) 、DOCS (文件、单据) 、FCL (整箱) 等。在内容较为严肃或是文体较为正式的电子邮件写作中, 应该避免使用表情符号。结尾签名通常要位于邮件的左半部分, 这样可以避免在不同设置的电脑上显示字符的大小时出现偏差。

另外, 在国际商务电子邮件的写作过程中还应该注意以下两点:

1.由于篇幅的原因, 无法或不能在正文中包含的内容最好放在附件中来发送。

用于附件的文档应该选用word、excel等广泛使用且功能强大的文字或图表处理软件, 避免收件人由于在软件兼容性方面出现问题而无法打开附件。发送文件报表或票据时, 应在邮件正文中具体说明文件的名称及份数, 以便对方查收。这样做也是发件人出于礼貌, 客气、体贴地表明态度的具体表现。

2.回复邮件时, 应利用“回复”功能将对方的邮件附上。

由于人们工作繁忙, 每天会处理很多邮件, 发件人不一定能清楚记得所有邮件的内容。利用“回复”功能可以使对方不必再费力去查找、回忆相关邮件的内容, 从而可为对方节省宝贵的时间并提供方便。

四、结语

随着经济全球化进程的进一步加快, 国际商务活动日益频繁。作为现代国际商务沟通的重要联络方式, 国际商务电子邮件发挥着越来越重要的作用, 其在国际商务往来中的地位也越来越重要。电子邮件写作质量直接影响到收件人对发件人的第一印象, 甚至影响到交易是否会顺利进行。掌握邮件正确的写作方法, 书写出正确、规范的电子邮件, 不仅能反映出发件人较高的外语和业务水平, 还可以体现出其为人处事的积极态度, 有助于建立良好的国际商务关系, 最终对达成交易起到重要的推动作用。

参考文献

[1]廖瑛, 莫再树.国际商务英语语言与翻译研究[M].机械工业出版社, 2005.

商务电子邮件写作规则 篇9

随着网络贸易的飞速发展,越来越多的企业迫切需要高效、精确与安全地收集分析数据,挖掘出潜在的商机,在激烈的现代竞争中出奇制胜。面对大量零散分布、无法集中处理的数据信息和企业对信息集中整合利用的迫切需求,商务智能由此应运而生。如何加强农产品的智能经营管理,让农产品销售企业最大程度地发掘和牢牢地把握住能给企业带来最大价值的客户群和商机,成为农产品电子商务发展必须要解决的问题。

1 多层关联规则及其存在的问题

1.1 多层关联规则

关联规则作为研究商务智能的重要数据挖掘技术之一,是从大量数据中提取人们未知却又潜在有用的规则,通过这些规则对用户购买模式进行分类,安排商品货架等。多层关联规则是在单层关联规则的基础上扩展的。 在应用的过程中,人们发现底层数据间挖掘的规则往往意义不大,而真正有价值的规则通常需要从不同概念层间寻找。同时,将商品项目进行概念分层再完成多概念层关联规则挖掘,可以有效避免一些高价值信息的丢失。因此,挖掘多层的关联规则就具有重要的意义。本文针对分布式数据库中的多概念层数据进行隐私保护的关联分析,通过多层次关联规则挖掘提高决策的准确性,并保证了研究中的信息安全性。

1.2 多层关联规则挖掘存在的问题

当前的多层关联规则挖掘仍存在一些问题:底层的数据由于频率远远低于其祖先,导致其支持度不能满足最小支持度的要求,因而很难找出强关联规则;真正有意义的规则往往存在于相对较高的概念层中,但可能会挖掘到较多的冗余规则。

在应用中,由于多维数据空间数据的稀疏性,导致底层的数据项之间很难找出强关联规则。如这个明显的层次关系:水果—果类—苹果,在数据库中通常是按“苹果”这一具体物品来记录的。传统关联规则挖掘算法只能得到诸如“苹果—西瓜”这类的结果,无法得到诸如“果类—瓜类”之类位于更高概念层次上的关联规则,因此需要在较高的层次发现强关联规则来获取有意义的知识。最小支持度和最小置信度是挖掘关联规则过程中的重要因素,而最小置信度是通过最小支持度得到的,因此最小支持度就成了影响关联规则挖掘的一个关键因素。传统关联规则方法通常在整个过程中只设定一个最小支持度。如下面两条规则:

buys(X,“鲜果”)⇒buys(X,“板栗”) (式1)

[sup=8%,confidence=70%]

buys(X,“苹果”)⇒buys(X,“板栗”) (式2)

[sup=2%,confidence=72%]

如果将最小支持度设置为8%,则无法发现处于底层的规则(式2);而将最小支持度设置为2%,由于最小支持度过低,会导致频繁项集间产生关联,可能会产生很多无意义的规则,导致组合爆炸。根据不同项的最小支持度挖掘多层关联规则的频繁项集,再比较最小置信度产生关联规则,这种方法可以发现一些稀少数据项中潜在的规则,而且不会因为高频产生大量无用和冗余规则。

2 基于粒度的多层次关联规则挖掘

2.1 基于粒度的多层关联规则挖掘步骤

与传统关联规则挖掘方法一样,基于多最小支持度的多层关联规则挖掘也是通过两步完成:首先,要找到所有的频繁项集;然后,再通过所有的频繁项集产生关联规则。在这两步中第2步较容易,并且关联规则挖掘的第1步是决定总体性能的关键。因此,这里主要讨论一下怎样找出频繁项集。挖掘多层关联规则的步骤:

1) 依据粒度划分层次并编码;

2) 计算基于粒度的支持度并产生频繁项集;

3) 根据计算的基于粒度的多最小支持度产生规则。

2.2 基于粒度的层次化编码

粒计算[1,2,3]是一种能够表示存储在系统中的数据语义信息的知识处理方法。把大量复杂信息按其各自的特征和性能划分成若干较简单的块,其中划分出来的每个块被看成一个信息粒。这种处理信息的过程被称为信息粒化。利用粒计算进行关联规则的挖掘,使得人们更方便地从不同粒度上观察问题、分析问题和求解问题。

根据树状结构中节点与节点之间的关系,可以构成层次化分类结构。如果树状结构中的子节点之间是有顺序关系的,就称为有序树。通过使用不同的代号标记有序树上的每个节点来表示它所在位置的信息,这样的有序树称为定址树。

2.3 基于粒度的支持度与置信度计算

在解决和处理大量复杂信息问题时,将信息按其各自的特征和性能划分成若干较简单的块,每个划分出来的块都可以看成是一个信息粒。有关粒的定义如下[1,2,3]:

定义3.15 若给定一个信息系统S=(U,A=C∪D),其中U是整个对象的集合,A是由条件属性集合C和决策属性集合D组成的属性集合,设B∈C,若B的值域VB={b1,b2,b3,…,bK},值域的个数|VB|=k,且|U/IND{B}|=k,则B可按商集U/IND{B}分解为k个二进制信息子粒。对于决策属性D,则可按商集U/IND{D}分解成为|U/IND{D}|个二进制信息子粒。

例如:表1中项在TID中各个对象相应的取值分别为{板栗,苹果,山葡萄,西瓜,梨,核桃}可分解为6个二进制信息粒如下:

a1={100100},a2={100100},a3={010010},a4={011100},a5={001000},a6={000001}

定义3.16 二进制信息粒P中1的个数称为二进制信息粒的粒度,记为|P|。

例如:二进制信息a1={100100},a6={000001}的粒度分别为2和1。

定义3.17 信息系统S=(U,A =C∪D),{C1,C2,…,Ck}∈C,ci为Ci的某个二进制信息子粒,则ci∧cj∧…∧ck(其中∧代表二进制数的布尔“与”运算)称为粒的关联运算。

例如:两个二进制信息粒:a1={101000011001},b2={100101001101},进行关联运算如下所示:101000011001∧100101001101=100000001001。

基于以上定义,给出了基于二进制信息粒的支持度和置信度的定义。

定义3.18 对于任意项目集X⊂I,Y⊂I,X∩Y=ϕ,X的支持度sup(X)=|[X]| / |U|,其中|U|代表对象集合的个数;[X]= [x1] ∧[x2] ∧…∧[xn],xi是X中的项目;Y同理。

规则X⇒Y的支持度为

sup(X∪Y) =|[X]∩[Y]|/|U|

规则X⇒Y的置信度为

confidence(X⇒Y)= (sup(X∪Y)/ |U|)/ (sup(X) /|U|)= sup(X∪Y) / sup(X)

例如:a1,b2两个二进制信息粒之间的支持度sup(a1∪b2) =|100000000001|/|U|= 2/12=1/6,a1的置信度是confidence(a1⇒b2)= sup(a1∪b2) / sup(a1)=2/5。

2.4 基于粒度的多最小支持度计算

根据上节中的多最小支持度计算方法,设计基于粒度的多最小支持度计算方法,即

定义3.9 设I={a1,a2,…,an},sup(ai)≤sup(ai+1),1≤i≤n-1,则

如果A,B满足和undefined,conf(A⇒B) ≥minconf,则广义关联规则A⇒B是强关联规则。

判断出项集间的相关性后,根据正负关联规则的支持度、置信度及多最小支持度的计算公式挖掘项集间的各种规则。

2.5 算法设计

设项目集c的形式为,它是由项目c[1],c[2],…,c[k]组成,同时各项目的MIS值按升序排列,即MIS(c[1]) ≤MIS(c[2]) ≤…≤MIS(c[k])。

输入:挖掘数据库T,最小项支持度集MS。

输出:频繁项目集L

处理流程:

(1) M=sort(I,MS);//根据MIS(i)的值进行升序排列

(2) F=init-pass(M,T);//进行初次数据库扫描

(3) L1={︳f∈F,f.eount≥MIS(f)};

(4) for(k=2;Lk-1≠Φ;k++)do

(5)if k=2 then C2=level2–candidate -gen(F)

(6) else Ck=candidate-gen(Lk-1)

(7) end

(8) for each transaetion t∈T do

(9) Ct=subset(Ck,t);

(10) for each candidate c∈Ct do c.count++;

(11) end

(12) Lk={c∈Ck︳c.count≥MIS(c[1])};

(13) end

(14) Answer=UkLk;

Level2-eandidate-gen(F1)//产生长度为2的候选集

(15)for each item f in F in the same order do

(16) if f.count≥MIS(f) then

(17) for each item h in F that is after f do

(18) if h.count≥MIS(f) then

(19) insert into C2

(20) end

(21) end

Candidate-gen-prune(Lk-1)//长度大于2的候选集产生过程的剪枝过程

(22) for each itemset c∈Ck do

(23) for each(k-l)-subset s of c do

(24) if ((c[1]∈s) or (MIS(c[2]=MIS(c[l]))) then

(25) if(s∉ Lk-1) then delete c from Ck;

(26) end

(27) end

3多层次关联规则挖掘技术在农产品电子商务中的应用

将表1中的用户购买信息用层次化结构编码的形式表示,对层次化编码后的各个项在TID中各个对象对应的取值进行信息粒化表示,并计算出层次化结构编码后的每一项对应的支持度,如表2所示。利用基于粒计算的多最小支持度定义和表2中已求出的各项的支持度计算出各个项及层项的最小支持度,如表3所示。

多层次关联规则的整个流程是从搜寻高层的频繁项集开始。各项按定义2设定的最小支持度,对交易数据表2进行搜索,找出同层及层间满足最小支持度的频繁项集,同时记录到表4。例如,通过计算得[1**]和[2**]的多最小支持度为1/3,sup([1**]∪[2**])= |(111100∧100101)|/ |6|=|100100|/6=2/6,满足多最小支持度1/3,于是将[1**]和[2**]结合得到频繁一项集;滤掉不满足多最小支持度的候选项集。如此反复进行项集间频繁项集求取,最后将所有的频繁2-项集列于表4中。由于层次不再增加,整个搜索过程结束。

接着从表4中获得的所有频繁2-项集中查找所有的满足定义2的多最小支持度的频繁3-项集,滤掉不符合多项最小支持度的候选项集。反复进行频繁3-项集的求取,直至整个搜索过程结束,其结果如表5所示。

下面是多层次挖掘过程中频繁项集产生的过程。

由各项目的多最小支持度和表中各项组合后的支持度进行比较,可以得到表5中最终各项构成的集合。从结果中可以得到同层间的关联规则,如[11*]and[12*]and[22*],且它们都满足多最小支持度MIS([11*]and[12*]and[22*])=min[MIS([11*]), MIS([12*]),MIS([22*])]=1/6;还可以得到层间的关联规则,如[12*]and[111]and[2**],他们也满足多最小支持度MIS([12*]and[111]and[2**])=min[MIS([12*]), MIS([111]), MIS([2**])]=1/6,从而实现了多层次间的关联规则挖掘。

不同数据项产生的不同规则的支持度,需要满足不同的多最小支持度才能被发现,如[12*]and[2**]的支持度sup([12*]and[2**]) =(011100∧100101)/6=1/6,而多最小支持度MIS([12*]and[2**])=min[MIS([MIS([12*]), MIS([2**])]=1/4〉MIS([12*]and[2**])。因此,可以将该规则删除,减少了高频频繁项集的向下生成搜索空间。

4 结束语

本文通过引入粒计算,实现了多层交叉的关联规则挖掘。通过实例证明,此方法可以有效地挖掘稀有项和去除冗余规则,产生有意义的负关联规则和交叉层的规则,且计算简单,有利于硬件实现,有利于对数据进行深层分析和处理,为企业决策者提供相关的决策依据,从而提高决策效率和水平。

摘要：针对多层关联规则挖掘问题,引入粒计算,给出了基于粒度的多层关联规则挖掘算法,使得人们可以方便地从不同粒度上观察问题、分析问题和求解问题。通过实例验证证明,该方法可以有效地挖掘稀有项和去除冗余规则,产生有意义的负关联规则和交叉层规则。将这些技术具体应用到农产品电子商务中,旨在为多层关联规则挖掘技术在该领域的广泛应用提供借鉴。

关键词：农产品电子商务,关联规则,粒计算,粒度

参考文献

[1]Lin Q.Granular language and its deductive reasoning[J].Communications of ACM,2002,5(2):63-66.

[2]徐健锋,刘斓,邱桃荣,等.基于二进制信息粒的数据挖掘算法研究[J].计算机科学,2008,35(3):202-205.

商务电子邮件写作规则 篇10

1 电子商务中数据挖掘的数据源

数据挖掘是从大量数据中提取或“挖掘”知识,那么进行数据挖掘首先要考虑从什么样的数据中挖掘知识,也就是说进行数据挖掘的数据源。总体上说,电子商务中数据挖掘技术的数据来源包括以下几种。

1.1 用户的背景信息

此类信息主要来自于用户的注册信息。注册信息是指用户在浏览器页面上填写的、需要提交给远端服务器的有关资料,比如用户的个人资料,用户要订购的商品资料,用户提出的一些问题和要求等。但许多用户不愿意透露自己真实的个人信息,因此将不会如实地填写注册表,这将造成数据挖掘的原始数据质量低下。在这种情况下,就不得不从浏览者的浏览信息中来推测用户的背景信息,进而再加以利用。

1.2 浏览信息

浏览信息主要来自于浏览者的单击流(Click-stream),这部分数据主要用于考察用户的行为表现。Web上有海量的数据信息,人们在浏览网站时,包含了大量的潜在的信息,如个人姓名和住址,单击了哪一个连接,在哪里浏览时间最多等。通常来说,这些信息可以分为两类:浏览者自身信息和浏览内容信息。

在Internet电子商务中,客户访问服务器时就会在服务器上产生相应的服务器数据,这样可以通过网络包分析器和服务器的log文件来收集用户对网站的访问。

服务器的log文件:用户每访问一个页面,Web服务器的日志中就会增加一条记录,可通过记录Cookies和CGI的查询参数来描述各个不同用户的行为。例如,通过对购买某产品客户的域名分析,知道来自哪个国家或地区购买者的人数较多,相应的根据此信息调整电子商务中的在线市场策略,增加在哪些地区或国家的商务活动。不过考虑到Web环境中的各种Cach的影响和用POST方法传送的参数没有记录下来,此记录可能不准确。但Log文件是最简单和最方便的数据来源,很多时候只用log文件就能得到分析所用的足够数据。

最准确和灵活的Web流量收集方法是网络包分析器。包分析器在网络层监听网络上传输的所有数据包,分析其中所包含的内容,把用户对网站的所有请求(HTTP命令)和Web服务器对用户的应答都记录下来。包分析器能够记录比Web服务器的log更详细的内容,比如记录用户在下载网页的过程中是否单击了“停止”按钮和一张网页的下载时间。通过分析这些数据,企业能更好地了解用户的感受。

1.3 Internet自身信息

这类信息来自于Web自身,包括web内容、Web结构等。

Web结构包括www上的组织结构和链接关系中知识的推导。由于超文本文档间的关联关系使得www不仅仅可以揭示文档中所包含的信息,同时也可以揭示文档间的关联关系所代表的信息。利用这些信息可以对页面进行排序、发现重要的页面。

Web内容主要包括文档内容和多媒体两类,其中文档内容为主,包括直接文档内容、从文档中抽取的关键信息及用简洁的形式对文档内容进行的摘要或解释。

电子商务中的数据挖掘,是将用户注册信息、服务器日志和其自身信息三种来源有效地结合起来进行分析,可以提高挖掘的精度和深度,得出更理想的结果。

2 电子商务中数据挖掘预处理

从电子商务数据源中得到的原始记录,不仅数据量巨大,而且可能存在大量的噪声数据、冗余数据、稀疏数据或不完全数据等,直接在其上进行挖掘非常困难。而事实上数据挖掘最后成功与否,是否有经济效益,数据准备起到了至关重要作用,数据预处理主要包括数据清理、集成、选择和变换。

2.1 数据清理

主要是针对电子商务多个数据源中数据的不规范性、二义性、重复和不完整等问题进行相应的清洗操作,过滤、剔除一些无关数据,平滑噪声数据,识别、删除孤立点,并添加数据中缺失的数据域。

2.2 数据集成

数据挖掘需要对数据进行集成,也就是将多个数据源中的数据进行合并处理,解决语义模糊性并存放在统一的数据存储(如数据仓库、数据库等)中,电子商务的数据源包括页面、图像、图形、多媒体、URL路径及有关的日志文件等,涉及三个方面问题:实体识别的模式集成、删除数据冗余和检测与处理数据值的冲突。

2.3 数据选择

数据选择是在对发现任务和数据本身内容理解的基础上,寻找依赖于发现目标的表达数据的有用特征,以缩减数据规模,从而在尽可能保持数据原貌的前提下最大限度地精简数据量,通过数据选择可以使数据的规律性和潜在特性更加明显。在缩减数据规模的同时,数据选择应完整,需要覆盖业务目标所涉及的相关数据。搜索所有与业务对象有关的内部和外部数据信息,并从中选择出适用于数据挖掘应用的数据。

2.4 数据变换

将数据转换成一个分析模型,这个分析模型是针对挖掘算法建立的,建立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。主要包括:数据离散化、新建变量、转换变量、拆分数据及格式变换。

在数据实际挖掘过程中,数据清理、数据集成、数据选择和数据变换不一定都用到。此外,它们的使用没有先后顺序,某一种预处理可能先后要多次进行。

3 模糊关联规则挖掘在电子商务中的算法

关联规则的目的就是为了挖掘出隐藏在数据间的相互关系,从而找到客户对网站上各种文件之间关联规则。实现关联分析的技术主要是统计学中的置信度和支持度分析。一般来说,只有置信度和支持度均较高的关联规则才可能是用户感兴趣的、有用的连接规则。

模糊集是表示和处理不确定性数据的重要方法,以隶属函数概念代表模糊集合,它不仅可以处理不完全数据、噪声或不精确数据,还可以用于开发数据的不确定性模型,能够提供比传统方法更灵巧、更平滑的性能。

把传统的关联规则挖掘与模糊集结合起来的一个关键方法是,首先将各属性模糊集中的元素作为数据库的属性对待,然后在关联规则挖掘的剪枝步骤中将具有相同属性的项集删除。

假设D是一个典型事务的集合,即数据库,记为D=t 1,t2,t3,…,tn,其中ti1≤≤i≤n≤为D中的第i个事务,数据库所包含的属性为集合R=r 1,r2,r3,…,rm,其中rj1≤≤j≤m≤即数据库中所有字段,dij为数据项。

引入模糊集概念,将R=r 1,r2,r3,…,rm中的属性rj根据领域专家知识划分为若干模糊集,rj=r j1,rj2,rj3,…,rjh h≤>0≤,相应的隶属度函数为frj={frj1,frj2,…,frjh},事务数据库D转化为具有更细属性划分的数据库D1。

在传统的布尔关联规则及量化关联规则的挖掘中,事务对属性的支持计数(vote)是以该事务在所有事务中出现的次数来计算的。

规则X圯Y在事务数据库D中的支持度(support)S是事务集中包含X和Y的事务数与事务总数之比,记为S(X圯Y),即

而在模糊关联规则的挖掘中,支持计数是通过具有模糊属性数据库D1的数据项对各属性的隶属度来计算的,是一个介于0和1之间的实数。数据库D1中数据项dik对于其模糊属性rjh的隶属度为:

属性rjp,其中j表示第j个模糊属性集,即第j列,p表示该属性集中的第p个属性。

对于任一属性,将全部事务对该属性的支持计数相加后除以总的事务数n,即得到全部事务对该列所对应属性的支持度:

如vote.r11=(d111+d211+d311+…+dn11)/n即为所有事务对属性r11的支持度。在得到所有属性的支持度后,将支持度小于Smin的属性删除,就得到了频繁1-项集L1。

下面的步骤和传统关联规则挖掘相似。对频繁j-项集Lj(j≥1)进行连接运算,得到候选(j+1)-项集Cj+1,计算Cj+1中的每个项集的支持度S:

假设<X,A>代表一个“项集-模糊集”对,X是属性xj的集合xj∈∈XΣ,A是模糊集aj的集合aj哿∈AΣ。每个事务的支持计数是由xj的隶属度函数来计算的,用ti∈xj∈来表示第i个事务中xj的值,A t∈ixj∈∈Σ是ti的隶属度,一个事务的支持计数大于0,即其满足<X,A>。在得到一个事务中所有xj的隶属度之后,就可以得到该记录ti对<X,A>的总支持计数:

将所有记录的支持计数相加,除以总的事务Total D1∈哿,就得到了支持度S。

在得到所有项集的支持度后,对Cj+1剪枝。剪枝包括三个部分的内容:(1)删除Cj+1中支持度小于Smin的项集;(2)删除Cj+1中的含有非频繁集的项集;(3)删除Cj+1中含有属于同一模糊集属性的项集,这样的项集对于最后产生的关联规则没有实际意义,既可简化算法,同时也降低了计算量。重复以上步骤,直到Lj+1=Φ,得到包含最多属性的频繁j-项集Lj(满足j为最大值,且各项集的支持度大于Smin),由Lj产生频繁项集L,最后由L产生关联规则。

4 结束语

数据挖掘在电子商务中的应用是一个将信息转化为商业知识的过程。首先,明确数据挖掘的对象,确定商业应用主题;其次,围绕商业主体收集数据源,并对数据进行清理、转换、集成等技术处理,并选取合适的数据挖掘算法,构建数据挖掘模型,从目标数据中提取有价值的商业知识,对结果进行分析和验证,调整数据挖掘模型,从而保证结果的可靠性和实用性。最后,将商业知识集成到电子商务中心,融合专家知识与领域规则,为商业活动提供决策支持。

随着电子商务发展的势头越来越强劲,面向电子商务的数据挖掘将是一个非常有前景的领域。

摘要：数据挖掘是一种新兴的信息处理技术,它通过对商业数据的分析处理,可以发现蕴藏在数据中的商业知识,挖掘数据内在的联系、规则和模式,辅助商业决策。在电子商务环境下的数据挖掘的研究,主要是进行客户访问信息的挖掘,文章在考虑了数据来源之后,简要介绍数据预处理过程,最后给出了模糊集与传统的关联规则挖掘结合的算法。

关键词：电子商务,数据源,数据挖掘,算法,模糊关联规则

参考文献

[1]张云涛,龚玲.数据挖掘原理与技术[M].北京:电子工业出版社,2004.

[2]朱水林.电子商务概念[M].北京:清华大学出版社,2004.

[3]David Hand,Heikki Mannila,Padhraic Smyth.数据挖掘原理[M].张银奎,廖丽,宋俊,译.北京:机械工业出版社,2003.

[4]熊平,朱天清,黄天戍.模糊关联规则挖掘算法及其在异常检测中的应用[J].武汉大学学报,2005,30(9):841-844.

商务电子邮件写作规则 篇11

而C2C电子商务平台诞生至今, 使我们每一个消费者的交易形式发生了巨大的改变。网络平台的搭建, 个人、企业的互动参与, 交易量的直线上升, C2C电子商务日新月异的面貌向我们展示着其蓬勃的生命力。然而, 一项事物的发展必然伴随着问题的产生, C2C电子商务势头正旺, 但也遭遇着传统市场对它的冲击以及传统环境对它的约束。2007年, 商务部颁发了《促进电子商务规范发展的意见》, 2010年3月, 中国商务部副部长蒋耀平透露, 商务部正在研究起草第三方电子商务平台规范。这可能意味着淘宝、拍拍等C2C购物平台将受到更严格的监管。作为C2C电子商务的龙头老大, 淘宝开始进行全面的规则改革, 带领着C2C电子商务企业向更加规范的方向发展。

201 0年1 1月1 0日, 淘宝新规则全新上线。淘宝新规则是基于《大淘宝宣言》和《淘宝网服务协议》来制定的, 其中《大淘宝宣言》明确了淘宝规则的核心思想和基础原则, 并确定了大淘宝参与各方的基本权利与义务;而《淘宝网服务协议》是淘宝网与会员明确服务关系的文件, 所有淘宝网的会员在注册时均需认可, 具有合同效力, 受法律保护。淘宝网为促进开放、透明、分享、责任的新商业文明, 保障淘宝网用户合法权益, 维护淘宝网正常经营秩序, 根据《大淘宝宣言》及《淘宝网服务协议》, 制定了淘宝新规则。淘宝新规则的诞生事实上正象征着C2C电子商务的规范化发展, 其制定的细则也为未来C2C电子商务平台的改革指明了方向。

一、C2C交易平台的各项交易术语应当明晰含义, 杜绝含糊字眼。

网上交易过程中很多问题的产生都或多或少由于某些交易细节没有达到清楚共识, 某些术语没有阐述其准确意义, 所以, 要避免这些不必要的冲突与纠纷, 明晰各项交易术语的含义就尤为重要, 也正是形成规范交易环境的最基本的条件和措施。在淘宝规则的第二条中, 就对于淘宝网交易中的25项交易术语进行了详细阐述, 包括“下架”、“成交”、“关闭店铺”、“商品发布数量”、“绑定”、“分销商品”、“包邮”等等。例如, “包邮”的定义, 是指卖家对所售商品承担大陆地区首次发货的运费。其中“大陆地区”具体是指除香港、澳门、台湾地区以外的中国所有省、直辖市和自治区;“首次发货”则是指包邮商品第一次发出所产生的运费由卖家承担, 如包邮商品因退、换货产生的邮费, 参照支付宝争议处理规则处理;另外, 首次不等于首重, 无论商品重量是多少, 包邮商品卖家均应承担全部首次发货的运费。

二、C2C交易平台的各项交易细节应当严格制定其运行程序及问题解决方案, 保证任何交易纠纷的解决都有章可循。

在C2C交易过程中, 消费者面对的是虚拟的卖家和商品, 而卖家则面对的是虚拟的购买者, 所以每一次交易都存在着一定的风险。那么, 作为C2C交易平台, 就应当从各个方面规范买家和卖家的交易行为, 尽量降低双方的交易风险, 保障双方的应得权益。淘宝规则的第三条就对于交易的各项细节进行了规定, 从淘宝账户、支付宝账户的建立、商品的如实描述、创建店铺及发布商品的规则、买家确认收货超时、买家申请退款超时、店铺评分计分、信用评分计分等方面, 一一进行了详细而严谨的界定, 最大限度地避免了不规范交易行为的产生, 从而保障了交易双方的合法权益, 降低交易风险。

三、C2C交易平台应当对特殊商品进行合理划分, 保护其应有权益, 避免侵权行为的产生。

当今社会, 知识产权保护意识正逐步加强, 电子商务经营者也必须遵循知识产权保护的有关法律法规和政策。而作为C2C交易平台则有义务对该平台上的商家进行监督, 阻止其侵犯知识产权的销售行为。淘宝新规则中的第四条就规范了特殊市场及特殊商品的发布及销售, 其中包括音像、书籍这两类受到知识产权保护的商品, 要在淘宝上销售音像、书籍必须提供相应的经营凭证才可上传商品。另外, 淘宝新规则中还规范了旅行类、彩票类、保险类商品发布及销售, 避免不法商家销售该类商品所带来的消费者权益的损害。

四、C2C交易平台应当对违规行为进行严格处理, 不得为非法经营者和非法交易提供服务。

严惩违规行为是任何一项事物走向规范化的必要途径, C2C交易平台上难免会出现某些违规卖家进行非法交易, C2C交易平台应当依循相关法律, 本着最大限度保护消费者权益的原则, 对各类违规行为进行严格界定和处理。淘宝新规则的第五条及第六条对交易过程中的违规行为进行了详细分类与阐述, 并且具体规定了如何判断违规行为以及对违规行为的处理办法, 从而从规则上消除由违规行为产生的不良影响, 保障交易双方正当权益。