基于3DM的B2C客户分类算法

任何高效的客户关系管理都是以扎实的客户分类为基础,然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,传统的客户分类方法很难适合B2C客户数据的分类。研究表明,数据挖掘的实质是知识在不同形态下的转换过程,面向领域的数据驱动的数据挖掘理论(3DM)能将领域知识、先验知识和数据本身的特点有机结合。以电子商务B2C客户数据为例,设计了基于3DM的客户分类算法,通过实例表明,该算法能较好地解决B2C客户数据的分类问题。     

BP神经网络在数据挖掘分类中的应用

结合人工神经网络对噪声数据具有高承受能力,且对未经训练的数据具有分类模拟能力的特点,讨论了在数据挖掘领域中利用BP网络进行数据分类的实现过程,描述并分析了BP算法.然后,针对银行业务中客户信用政策给出了实例分析,用该算法建立了一个分类模型,根据存款金额、贷款次数、及时还贷率等数据信息实现对客户信用等级的分类.     

基于B2C电子商务系统的网络信息挖掘模型研究

通过对B2C电子商务系统中数据信息类型、价值和特点的分析,明确了网络信息分析对于B2C电子商务企业经营决策的重要性;借助传统数据挖掘技术,基于B2C电子商务系统构建了网络信息挖掘模型,实现了数据挖掘技术在现代信息网络中的应用。     

数据挖掘中聚类分析技术方法的比较研究

聚类是数据挖掘领域中的一个重要研究课题.聚类在电子商务、图像处理、模式识别、文本分类等领域有广泛的应用.本文首先建立了数据挖掘中聚类方法的比较标准,然后从基于优化、关系、变换这样一个新的角度对聚类方法进行了分类和比较,最后对数据挖掘中常用聚类算法进行了分析,以便于人们更易于选择研究方向和选择适合于具体问题的聚类算法.     

数据挖掘中决策树分类方法研究

分类知识的获取是数据挖掘所要实现的重要任务之一,其核心问题是解决分类模型的构造和分类算法实现问题.本文以决策树分类方法中有代表性的方法C4.5为例介绍数据挖掘中的一种分类模式:基于决策树方法的分类器的构建方法和算法.     

社群网络中基于链接分类的研究与应用

由于在互联网、电信、生物信息、社会网络分析等领域可获得的链接丰富的数据日益增多,链接挖掘已经成为数据挖掘的研究热点。基于链接分类是链接挖掘的一个重要方向。在此以电信领域用户通话特征数据为对象,研究了基于链接分类技术及其在电信客户流失预测的应用方法,在提取并分析大规模客户呼叫图的极大团、结点膨胀率、结点聚集度等与节点稳定性相关的链接属性及其时变特征的基础上,提出了一种适合海量数据的基于链接的电信客户流失预测算法。实验结果表明,此算法较传统分类算法能提高客户流失预测性能,实现了基于链接分类方法的成功应用。     

一种分层聚类方法及其应用研究

在数据挖掘领域,聚类用于发现数据的分布模式和数据间的相互关系.作者提出一种分层聚类算法,可识大规模、高维数据.该算法首先从不同的角度对电信客户进行聚类或分类,然后以这些聚类为基础,实行自底向上的层次聚类得到最终的聚类结果.算法执行效率高,适合大规模数据的聚类问题.该方法在某电信企业的客户分析中取得了较好的结果.     

基于非随机初始种群遗传算法的分类规则挖掘

数据挖掘中分类问题一直是数据挖掘领域中研究的热点问题,先后提出了各种分类算法;其中遗传算法被认为是一种高效的分类算法.但是,传统的GA存在着易于陷入局部最优,致使得到的分类规则概括性不强的问题.提出了一种基于非随机初始种群的遗传算法分类规则挖掘算法.算法利用均匀种群方法生成非随机的初始种群,并通过均匀算子确保连续迭代过程中种群的多样性,从而达到防止GA早熟的目的.采用两个标准的公共领域的数据集验证了算法的有效性.实验结果表明,该算法能消除遗传算法在分类挖掘任务中收敛于局部最优的局限性,且能快速挖掘出易于理解的分类规则,提高对知识的理解力.     

B2C环境下订单配送问题的模型与算法

以电子商务企业交易为背景,分析了B2C环境下客户订单的特点及客户对订购货物配送服务的要求,针对该环境下的物流配送问题建立了相应的数学模型,设计了一种改进的禁忌搜索算法,进行了算例测试,并将测试结果与相关文献结果进行了比较.实验结果表明:改进的禁忌搜索算法在优化效果及计算时间等方面比有记忆功能的遗传模拟退火算法具有更优的性能.该算法能适应电子商务环境下快速、低成本的配送要求且简单易行,为电子商务环境下订单配送问题的研究提供了新的思路.     

基于逻辑描述的决策树算法及其Prolog实现

 决策树算法是数据挖掘领域的重要算法之一.文章首先对决策树算法的数据进行逻辑描述,然后使用保险公司客户数据来构建决策树,利用Prolog语言实现了基于逻辑描述的ID3算法,尝试了用逻辑推理方法解决数据挖掘问题,并对结果进行了分析.     

基于数据挖掘的客户行为分析——以中小餐饮企业为例

随着"夜经济"日益成为商业活动的消费亮点,众多商家一直致力于通过满足消费者多样化的需求和体验来促使销售额的稳步提升。但是,很多店铺的夜间客流量并不理想,店铺的整体收益难以提高,是商家长期以来所面临的难题。借助多元线性回归和支持向量机对客户行为进行研究,发掘关键影响因素,预判客户消费行为。实证研究表明,分析客户行为可以为企业及时调整营销策略提供支持。     

快递员对智能快递柜的持续使用意愿影响因素研究

为了智能快递柜的可持续发展,增强用户粘性,本研究对快递员在使用智能快递柜时的持续使用意愿影响因素进行研究。本研究基于顾客感知价值、价格认知和顾客满意理论,构建了影响快递员持续使用意愿的结构方程模型,并采用问卷调查的方法收集数据,使用SmartPLS 3.0来验证模型中的假设。研究结果表明：服务质量对顾客满意有显著正向影响;顾客体验对价格认知和顾客满意有显著正向影响;各项成本对价格认知有显著负向影响;价格认知对顾客满意有显著正向影响;价格认知和顾客满意对持续使用意愿有显著正向影响。     

分类挖掘技术在金融客户关系管理中的应用

探讨数据挖掘技术在企业实际工作中的应用方式与应用领域，分析金融客户分类的必要性．针对具体的项目论述对金融客户进行分类的方法．改进了传统的决策树分类挖掘算法即ID3算法，提出了进行数据挖掘结果可视化展现的两层软件结构．该方法在银行客户关系管理系统中投入实际运行，获得了较好的用户反映，对企业的决策支持产生了积极的影响．     

基于语义分析的运维数据关联知识库构建方法研究

传统方法采用数据挖掘的方式构建运维数据关联知识库,返回的关联信息并非用户想要的最终结果,不符合用户意图。为此,提出一种新的基于语义分析的运维数据关联知识库构建方法。给出运维数据关联知识库结构。采用文档主题生成模型LDA获取关键词,通过语义相似度求出知识案例与检索词间的相近程度,将和检索词相似度最高的结果作为检索结果。对运维知识项的各个属性赋予权值,依据构成元素的权值与知识库各个属性的匹配关系计算权值和,求出相似度。采用关键词权重量化法对检索结果进行处理。将构建知识库应用于动车系统中,结果表明,通过构建知识库可有效检索运维数据关联知识,为运维人员提供依据。     

商业模式画布重塑跨境电商商业模式：跨境电商的创新与发展

跨境电商的发展已成为我国消费驱动经济增长的重要内生动力，促进跨境电商的发展是实施“一带一路”倡议的重点内容之一，加大跨境电商模式的创新力度，找到适宜企业自身发展的商业模式，是未来跨境电商企业发展的重要任务。商业模式画布模型是系统分析商业模式的有力工具，通过对商业模式画布的运用，不仅能够帮助企业增强创意，还能精准抓取客户需求，使得客户价值最大化。文章借助商业模式画布对我国跨境电商企业商业模式的有效性及创新性进行深入分析，分别从客户细分、价值主张、渠道、客户关系、收益模式、核心资源、关键业务、合作伙伴和成本结构九个方面做出具体探讨，清晰明确的描述出跨境电商企业如何创设出价值，让企业价值有效的进行传递，以期对我国跨境电商企业的发展提供一定借鉴和参考。     

基于改进隐马尔科夫模型的鲁棒用户行为识别

提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数,将混沌算子代替遗传算法中高斯变异算子,以避免传统遗传算法在收敛过程中的停滞和早熟问题,并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外,采用UCI中ADLs数据对用户行为进行识别,实验结果表明该方法具有很高的识别率和可靠性.     

基于LDA模型的网络刊物主题发现与聚类

随着智能终端的普及,文本的主题挖掘需求也越来越广泛,主题建模是文本主题挖掘的核心,LDA生成模型是基于贝叶斯框架的概率模型,它以语义关联为基础,很好地解决了文本潜在主题的提取问题。对文本聚类过程的核心技术LDA生成模型、数据采样、模型评价等作了较为深入的阐述和解析,结合网络教育平台的2 794篇学习刊物进行了主题发现和聚类实验,建立了包含3 800个词项的词库,通过kmeans算法和合并向量算法(UVM)分两步解决了主题聚类问题。提出了文本挖掘实验的一般方法,并对层次聚类中文本距离的算法提出了改进。实验结果表明,该平台刊物的主题整体相似度比较好,但主题过于集中使得许多刊物的内容不具有辨识度,影响用户对主题的定位。     

基于消费者评论挖掘的B2C网购物流服务因素类型及其作用机制研究

随着电子商务的迅猛发展以及消费模式的转变,越来越多的消费者开始选择网络购物,物流服务成为影响消费者网购满意度和制约电商企业发展的重要因素之一,因此探索影响网购物流服务的因素及其作用,并依此设计相应的物流优化方案,进而为顾客提供优质服务,提高物流顾客满意度,为企业树立良好形象,提高企业的效益。为探究消费者网购物流服务因素类型及其作用机制,从网购消费者的角度出发,以网络购物者在平台上的评价信息为研究对象,利用八爪鱼数据采集工具从天猫商城抓取一定量的评论信息,使用扎根理论研究方法对其进行分析和挖掘,通过开放式编码、主轴式编码和选择式编码提取物流服务因素主范畴和类型。把影响网购物流服务的因素分为7个主范畴,挖掘主范畴关系结构,将影响网购物流服务质量的因素归纳为配送质量、感知体验、售后服务质量和可靠性等4个主要类型。基于主范畴的典型关系结构,最终确定了"网购物流服务满意度关键影响因素"为核心范畴,分析得出物流服务质量的作用模型。运用语义网络分析和理论饱和度检验对物流服务质量因素的类型及其作用机制进行验证,语义网络分析使用ROST Content Mining知识处理与内容挖掘软件进行全网分析,通过词频分析及关键词共现分析验证所得结果;理论饱和度检验采用原始资料法与信度评估法进一步验证研究结果。结果表明:感知体验是网购物流服务的直接驱动因素,它决定了顾客是否进行网购行为;售后服务质量和可靠性通过影响感知体验间接驱动消费者的网购行为,是网购物流服务的间接因素;配送质量既可以直接影响网购物流服务质量,又可以通过感知体验间接影响网购物流服务质量。通过上述几方面改善物流服务,不仅可以提高顾客满意度,获取和保持稳定的客户群以维持企业的竞争优势,而且可以作为电商企业完善自身物流系统的重要依据,探索自身物流的薄弱环节,使企业得到更好发展。该研究方法及所得结果对B2C电子商务企业改善物流服务质量、提高企业竞争力具有重要意义。     

潜在流失客户的发掘模型探讨

提出了一个基于数据挖掘技术的解决方案，首先运用C4．5决策树算法识别客户的客观指标集合，然后对这些客观指标进行偏差分析，建立时间序列模型预测流失客户。