高级搜索  |  搜索帮助
最近的浏览历史
浏览此书的还浏览过
购买此书的人还购买过
书  名:商务智能与数据挖掘(第2版)
  • 作  者: 蔡晓妍、杨黎斌、张晓婷、李梅
  • 出版时间: 2018-03-01
  • 出 版 社: 清华大学出版社
  • 字  数: 321 千字
  • 印  次: 2-1
  • 印  张: 13.25
  • 开  本: 16开
  • ISBN: 9787302486312
  • 装  帧: 平装
  • 定  价:¥39.50
电子书价:¥27.70 折扣:70折 节省:¥11.80 vip价:¥27.70 电子书大小:28.96M
配套资源下载:
  • 名称
  • 说明
  • 权限
  • 文件大小
  • 点击图标下载
  • 图书样章
  • 所有用户
  • 256K
共有商品评论0条 查看评论摘要
内容简介
  商务智能与数据挖掘是近年来企业信息化的热点研究内容。本书共分为9章,包括商务智能概述、商务智能中的核心技术、数据挖掘概述、分类分析、关联分析、聚类分析、深度学习、Web挖掘技术、数据挖掘在电子商务中的应用等内容,它汇集了统计学、机器学习、数据库、人工智能等学科,具有多学科交叉以及技术与管理融合等特点。
本书内容全面,案例丰富,适合作为计算机应用、软件工程、信息管理、电子商务和管理科学等相关专业的本科生和研究生教材,也可作为企事业单位、政府部门、研究机构等从事商务智能理论研究工作的相关人员的参考资料。
前言
  当今社会信息技术飞速发展,经济全球化趋势日益明显,市场竞争激烈。生存在这样一个“信息爆炸”的时代,企业管理者能否利用信息进行快速而有效的决策已直接关系到企业的生死存亡。越来越多的企业提出对商务智能的需求,商务智能的出现和飞速发展已成为必然趋势。但随着商务智能在企业活动中的不断进行,海量的、具有潜在价值知识的信息便混同一般信息积累在企业商务智能系统中,尽管企业希望能够提取出有价值的信息,应用各种技术进行数据分析,以期将分析结果用于科学研究、商业决策或企业管理决策等方面,但目前市场数据分析工具种类繁多,若选择不当就很难对数据进行深层次的处理,无法真正提炼出信息的价值,使得企业管理层只能望“数”兴叹。除此之外,电子商务数据类型繁多、模型复杂,以及应用系统的分布性和异构性都会增加这些数据的分析难度,由此数据挖掘技术应运而生。
本教材自2016年4月出版,经过一年多的使用,根据学生和教师的反馈,编者对教材中的相关内容进行了改动。第2版与第1版相比增加了新的知识,删除了一些陈旧或使用较少的知识,使其更加简练。具体体现在以下几个方面。
(1) 增加了新的技术知识。
① 增加了第1章商务智能系统框架及数据流程的相关知识。
② 增加了第2章数据可视化的内容。
③ 增加了第7章深度学习的内容。
(2) 对原第4、5、10章重新组织编写,使其内容更贴切、更充实。
① 第4章对决策树和支持向量机进行了重新描述,去掉了BP神经网络算法,增加了粗糙集的阐述。
② 第5章对Apriori算法、Apriori改进算法以及FP增长算法进行了重新描述。
③ 去掉了原第7章。
④ 原第10章改为现第9章,重新举例并深入阐述了数据挖掘在电子商务中的典型应用。
本书各章编写分工如下: 蔡晓妍编写第1、3章; 杨丽丽编写第2章; 朱珊娜编写第4章; 李梅编写第5章; 梁春泉编写第6章;杨黎斌编写第7、9章; 张晓婷编写第8章。蔡晓妍负责全书的策划、大纲的制定和统纂工作。
本书在编写过程中,参考了一些优秀教材和论文,在此对所有被引用文献的原作者表示衷心的感谢。研究生郭蓝天、何健、张野和吕鑫分别对本书进行了校对并提出了宝贵的建议,特在此表示感谢。由于编者水平所限,书中如有不妥之处,欢迎读者批评指正。
编者
2017年8月
目录
第1章商务智能概述

1.1商务智能的概念

1.1.1数据、信息与知识

1.1.2商务智能的定义

1.1.3商务智能的特点

1.1.4商务智能的过程

1.2商务智能的产生与发展

1.2.1商务智能的产生和发展过程

1.2.2商务智能与其他系统的关系

1.3商务智能的研究内容

1.4商务智能系统的支撑技术

1.5商务智能系统框架及数据流程

1.5.1商务智能系统框架

1.5.2商务智能系统的数据流程

1.6主流商务智能产品

1.6.1主流商务智能产品简介

1.6.2商务智能的抉择

1.7商务智能的未来发展趋势

1.8商务智能的应用

小结

习题

第2章商务智能中的核心技术

2.1数据仓库

2.1.1数据仓库的产生与发展

2.1.2数据仓库的概念与特征

2.1.3ETL

2.1.4数据集市

2.1.5数据仓库的数据组织

2.1.6数据仓库的体系结构

2.1.7数据仓库的开发步骤

2.2在线分析处理

2.2.1OLAP简介

2.2.2OLAP的定义和相关概念

2.2.3OLAP与OLTP的区别

2.2.4OLAP的分类

2.2.5OLAP多维数据分析

2.3数据可视化

2.3.1什么是数据可视化

2.3.2数据可视化的优势

2.3.3数据可视化工具

小结

习题

第3章数据挖掘概述

3.1数据挖掘的起源与发展

3.1.1数据挖掘的起源

3.1.2数据挖掘的发展

3.2数据挖掘所要解决的问题

3.3数据挖掘的定义

3.4数据挖掘的过程

3.5数据挖掘系统

3.5.1数据挖掘系统的分类

3.5.2数据挖掘系统的发展

3.6数据挖掘的功能和方法

3.6.1数据挖掘的功能

3.6.2数据挖掘的方法

3.7数据挖掘的典型应用领域

3.8数据挖掘的发展趋势

小结

习题

第4章分类分析

4.1预备知识

4.2解决分类问题的一般方法

4.3分类算法

4.3.1贝叶斯分类器

4.3.2贝叶斯信念网络

4.3.3决策树

4.3.4支持向量机

4.3.5粗糙集

4.3.6其他分类算法

4.4评估分类器的性能

4.4.1保持方法

4.4.2随机二次抽样

4.4.3交叉验证

4.4.4自助法

小结

习题

第5章关联分析

5.1引言

5.2基本概念

5.3关联规则的种类

5.4关联规则的研究现状

5.5关联规则挖掘算法

5.5.1Apriori算法

5.5.2Apriori改进算法

5.5.3FP增长算法

5.6改善关联规则挖掘质量问题

5.6.1用户主观层面

5.6.2系统客观层面

5.7约束数据挖掘问题

小结

习题

第6章聚类分析

6.1聚类的概念

6.1.1聚类概念及应用

6.1.2聚类算法要求

6.1.3聚类技术类型划分

6.2聚类分析的统计量

6.2.1模型定义

6.2.2相似性度量

6.3常用聚类算法

6.3.1k均值算法

6.3.2kmedoids算法

6.3.3凝聚层次聚类算法

6.3.4DBSCAN算法

6.3.5STING算法

6.3.6CLIQUE算法

6.4簇评估

6.4.1概述

6.4.2非监督簇评估:使用凝聚度和分离度

6.4.3非监督簇评估:使用邻近度矩阵

6.4.4层次聚类的非监督评估

6.4.5确定正确的簇个数

6.4.6聚类趋势

6.4.7簇有效性的监督度量

6.5聚类与分类比较

小结

习题

第7章深度学习

7.1深度学习的由来

7.1.1深度学习的神经学启示

7.1.2浅层结构函数表示能力的局限性

7.1.3特征提取的需要

7.2深度学习的经典方法

7.2.1深度学习表示模型和网络结构

7.2.2自动编码器

7.2.3受限玻尔兹曼机

7.2.4卷积神经网络

7.3深度学习的应用

7.3.1深度学习在语音识别、合成及机器翻译中的应用

7.3.2深度学习在图像分类及识别中的应用

7.3.3深度学习在视频分类及行为识别中的应用

7.4深度学习的研究近况及未来研究方向

7.4.1研究近况

7.4.2未来研究方向

小结

习题

第8章Web挖掘技术

8.1Web数据挖掘概述

8.1.1Web数据挖掘的概念

8.1.2Web数据挖掘的特点

8.1.3Web数据挖掘的处理流程

8.1.4Web数据挖掘与信息检索、信息抽取的区别

8.2Web数据挖掘分类

8.2.1Web内容挖掘概述

8.2.2Web结构挖掘概述

8.2.3Web使用挖掘概述

8.3Web内容挖掘

8.3.1特征提取和特征表示

8.3.2自动摘要

8.3.3文本分类

8.3.4文本聚类

8.4Web结构挖掘

8.4.1超链和页面内容的关系

8.4.2不同挖掘阶段的分析

8.4.3PageRank

8.4.4HITS

8.4.5两种算法的比较

8.4.6Web结构挖掘应用

8.5Web使用挖掘

8.5.1Web使用挖掘数据预处理

8.5.2Web使用挖掘模式发现

8.5.3Web使用挖掘模式分析

8.5.4Web使用挖掘模式应用

小结

习题

第9章数据挖掘在电子商务中的应用

9.1网站结构优化

9.2智能搜索引擎

9.2.1网络机器人

9.2.2文本分析

9.2.3搜索条件的获取和分析

9.2.4信息的搜索和排序

9.3移动商务智能

9.4客户关系管理

9.4.1营销

9.4.2销售

9.4.3客户服务

9.4.4客户保持

9.4.5风险评估和欺诈识别

9.5客户分类

9.5.1传统的客户分类理论

9.5.2基于客户行为的客户分类

9.5.3基于客户生命周期的客户分类

9.5.4基于客户生命周期价值的客户分类

小结

习题

参考文献
Copyright(C)清华大学出版社有限公司,All Rights Reserved 京ICP备10035462号 联系我们