电子商务网站构建与推广的探究

网站是电子商务企业进行网络营销、传递企业信息、沟通顾客的重要平台。电子商务企业的首要任务是让消费者了解企业的网站。本文简述电子商务网站构建的要点,并结合实例说明如何根据网站特点进行推广。     

改进的决策树算法在潜在客户获取中的应用

在企业营销活动中,对潜在客户进行有针对性的营销活动,可以节省很大的开支,增加企业利润,该文将引入boosting思想的改进的决策树算法用于挖掘预测潜在客户群,并提出了获取潜在客户的合理可行的数据挖掘流程,用以指导企业的营销决策。试验结果表明,该方法有着很好的理论价值和应用价值。     

Making business sense of electronic commerce

Although its infrastructure is still very young, e-commerce continues to create new business models and innovative marketing and technology strategies. To avoid unraveling their core processes, organizations considering e-commerce applications must take time out to evaluate the many facets of adoption and integration. Arguments for not investing in e-commerce are rapidly dissolving. It is now widely accepted that a business cannot ignore e-commerce investment without incurring heavy penalties over the long run. We believe organizations that want to invest in e-commerce must have a significantly higher degree of technological fluency and a bolder approach to experimentation with unfamiliar business models than they would for investments in other areas. Successfully exploiting e-commerce requires creatively linking an organization's strategy and its supporting technology as well as managing pervasive IT applications that change very quickly and are becoming increasingly integrated and convergent. Only then can enterprises achieve the flexible and adaptive behavior that is central to effective e-commerce     

基于决策支持度的决策树生成算法

从条件属性对决策支持程度不同的角度出发,引入了决策支持度的概念,提出了一种以其为启发式信息的决策树生成算法。实验分析表明,相对于传统的决策树生成算法,此算法改善了决策树的结构,有效提高了决策分类的精度。     

基于C5.0决策树算法的电力营销数据挖掘

为了对电力企业中不同部门的运行数据进行有效的挖掘,提出利用C5.0决策树算法对数据进行深层次分析,为管理人员提供有价值的决策支持.首先,对数据挖掘中先进的C5.0决策树算法原理进行分析,并通过引入信息熵对原有的属性选择方式进行改进,提高了信息增益比率计算的速度.然后根据设计的售电量关系模型进行对电厂管理信息系统中的数据...     

基于关联分析的中老年体检数据的挖掘

根据中老年体检报告,运用Apriori算法挖掘各个指标之间的联系,为医生、患者提供诊断参考与建议。通过安徽省某三甲医院的体检数据,筛选出40岁及以上的中老年人群为研究对象,应用数据挖掘中关联规则的Apriori算法对超重、心电图、脂肪肝、血脂、血压、血糖、尿常规、吸烟、饮酒、总胆固醇等体检指标之间的关联关系进行分析研究。研究表明,体检者的个人不良习惯、超重、高龄、高血糖和脂肪肝等都密切相关,互相影响,提出中老年人群应加强对慢性疾病的预防,保持良好的作息习惯等相关建议。     

Discovering target groups in social networking sites: An effective method for maximizing joint influential power

With the tremendous popularity of social networking sites in this era of Web 2.0, increasingly more users are contributing their comments and opinions about products, people, organizations, and many other entities. These online comments often have direct influence on consumers’ buying decisions and the public’s impressions of enterprises. As a result, enterprises have begun to explore the feasibility of using social networking sites as platforms to conduct targeted marking and enterprise reputation management for e-commerce and e-business. As indicated from recent marketing research, the joint influential power of a small group of active users could have considerable impact on a large number of consumers’ buying decisions and the public’s perception of the capabilities of enterprises. This paper illustrates a novel method that can effectively discover the most influential users from social networking sites (SNS). In particular, the general method of mining the influence network from SNS and the computational models of mathematical programming for discovering the user groups with max joint influential power are proposed. The empirical evaluation with real data extracted from social networking sites shows that the proposed method can effectively identify the most influential groups when compared to the benchmark methods. This study opens the door to effectively conducting targeted marketing and enterprise reputation management on social networking sites.     

新型偏好敏感决策树算法*

针对现有决策树模型在分类过程中没有考虑决策者对结果的偏好行为,因而不能很好的预测具有明显偏好倾向问题的不足,提出了一种偏好敏感决策树(Preference Sensitive Decision Tree, PSDT)分类算法。该算法引入了偏好度和偏好代价的概念,并通过综合考虑属性信息和有效偏好,构建新型属性选择因子和基于有效偏好的结点类标号分配准则。通过自适应调整偏好度,可生成最佳偏好敏感决策树。实验结果证明该算法既能实现对偏好类的高精度预测,同时能够保证决策树拥有良好的整体精度,且具有较高的有效性和实用性,能够很好的解决偏好敏感环境下的决策问题。     

WEB数据挖掘在电子商务中的研究应用

WEB数据挖掘旨在从大量的WEB数据信息中发现有用的模式和隐藏的信息,从而为决策者提供决策支持,优化市场策略,有效地解决当今互联网信息膨胀的问题。WEB数据挖掘的一个重要应用就是电子商务。电子商务是一个基于网络平台的现代化的商业模式,目前电子商务发展势头强劲,WEB数据挖掘在电子商务中必定有广阔的应用前景。本文将WEB数据挖掘与电子商务相结合,介绍了在电子商务平台中进行WEB数据挖掘的方法,从而为电子商务从业人员提供借鉴,以便更好地分析数据间的隐藏关系和模式,掌握用户喜好,为电子商务平台的市场决策提供决策支持,减少风险。     

决策树方法在煤炭物流客户分析中的应用

目前物流企业中积累了大量的客户历史数据,为了有效利用这些数据,使用数据挖掘方法对客户进行分类管理和服务是CRM中非常重要的一方面。而决策树是进行分类分析与数据挖掘的常用方法。研究了运用C4.5算法对煤炭物流客户信息构造决策树,并把提取到的规则应用到公路煤炭物流公司的客户关系管理中,结果证明具有较好的应用价值。     

基于数据包络和数据挖掘的财务危机预测模型研究

以往的企业财务危机预测研究只能预测企业是否具有财务危机,无法预测企业财务危机的程度,这是由于在界定企业财务危机时,只依据了企业是否为ST企业的分类方式。鉴于此,通过数据包络分析法,近一步细化了企业财务危机的分类,再使用关联规则算法筛选出重要的预测变量,最后使用决策树技术构建企业财务危机预测模型,并对分类的有效性和预测的准确率进行了验证。实证结果表明,基于数据包络和数据挖掘的财务危机预测模型既能保持较高的准确率,又能预测企业财务危机的程度,使得预测结果更具有参考价值。     

基于决策树规则的分类算法研究

在商业利益的驱动下,人们不断地深入研究决策树算法.为了提高分类的精度,提出了一种基于决策树规则的分类算法.通过C4.5决策树算法得出决策规则,计算决策规则的长度,准确率与覆盖率,对所得的决策规则依次按照规则长度与准确率的乘积大小、长度的大小、覆盖率的大小对规则集进行排序构造分类器,选择优选权最高的规则进行匹配分类.实验结果表明,与C4.5算法相比,该方法的分类精度有所提高.     

钢铁企业生产成本关键工序数据挖掘应用研究

在钢铁企业的成本分析中,工艺路线关键工序消耗的分析和控制成为钢铁企业生产成本决策分析中首要的任务。通过以工艺路线为切入点,结合企业的成本分析项目,对生产成本工序进行数据仓库维度建模。采用基于抽样的C4.5算法对生产成本工序数据进行挖掘,挖掘出工艺路线中的关键工序和影响钢铁企业成本的分类规则,为企业的成本管理提供了科学依据。     

贝叶斯决策树在客户流失预测中的应用

针对电信企业客户流失问题,提出采用贝叶斯决策树算法的预测模型,将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合,应用到电信行业客户流失分析中,分别将移动公司的客户数据以及UCI数据纳入到模型中得出相应的结果。加入贝叶斯节点弥补决策树不能处理缺失值以及二义性数据的缺点。检验结果表明,基于贝叶斯推理的决策树算法在牺牲了较小的训练时间与分类时间的情况下,得到了比仅基于决策树算法更高的覆盖率与命中率。     

大数据环境下精准客户定位的社交网络分析

大数据为企业进行精准营销提供了重要支撑,精准营销能提升营销效果,提高客户满意度,精准营销的前提是客户识别与选择。通过分析网络个体与群体特征,社交网络分析能够定位核心价值客户。首先对社交网络的中心性进行分析,探讨社交网络节点地位与营销效果的关系,运用社群识别方法,对社交网络进行分群,提出并用MapReduce实现了针对大规模社交网络的社群划分RMCL方法。在此基础上,构建了客户影响度与客户影响因子等指标,并结合中心度指标,定位社群的核心节点,并采用分类回归树方法,研究了社交网络结构与客户消费响应关系,并确定了变量重要性,为企业采取客户差异化营销组合策略提供指导。     

基于知识的模型自动选择策略

模型自动选择是决策支持系统智能化发展的必然要求。针对目前实用算法较少的现状,提出一种模型自动选择策略。基于知识框架描述模型,根据事实库和知识库提取相应规则生成推理树,结合经验和专业知识实现模型自动选择。实验结果表明,该策略具有较高的命中率。     

基于相关性的类偏好敏感决策树算法

针对决策者在面对几个分类结果时会有选择其中某一个结果的倾向性这一事实,提出了一种基于相关性的类偏好敏感决策树分类算法（CPSDT）。该算法引入了类偏好度、偏好代价矩阵等概念。为弥补在传统决策树构造过程中,选择分裂属性时未考虑非类属性之间相关性的不足,该算法在进行学习之前先采用基于相关性的特征预筛选排除属性冗余并重新构造了基于相关性的属性选择因子。经实验证明,该算法能够有效减小决策树规模,且能够在实现对偏好类的高精度预测的同时保证决策树拥有较好的整体精度。     

基于粗糙集的决策树构造算法

针对ID3算法构造决策树复杂、分类效率不高问题,基于粗糙集理论提出一种决策树构造算法。该算法采用加权分类粗糙度作为节点选择属性的启发函数,与信息增益相比,能全面地刻画属性分类的综合贡献能力,并且计算简单。为消除噪声对选择属性和生成叶节点的影响,利用变精度粗糙集模型对该算法进行优化。实验结果表明,该算法构造的决策树在规模与分类效率上均优于ID3算法。     

基于粗糙变精度的食品安全决策树研究

食品安全决策是食品安全问题研究的一项重要内容。为了对食品安全状况进行分析,基于粗糙集变精度模型,提出了一种包含规则置信度的构造决策树新方法。这种新方法针对传统加权决策树生成算法进行了改进,新算法以加权平均变精度粗糙度作为属性选择标准构造决策树,用变精度近似精度来代替近似精度,可以在数据库中消除噪声冗余数据,并且能够忽略部分矛盾数据,保证决策树构建过程中能够兼容部分存在冲突的决策规则。该算法可以在生成决策树的过程中,简化其生成过程,提高其应用范围,并且有助于诠释其生成规则。验证结果表明该算法是有效可行的。     

决策树算法分析及应用

决策树是数据挖掘技术中一种常用的分类方法,易于理解,应用范围广泛。随着对决策树算法的持续深入地研究,以及对应用中发现的问题加以解决和不断改进,提高了决策树的分类速度、精度和实用性,并形成了多种独特的算法。该文以某商业银行信用卡消费为例对决策树及常用算法进行了详细解析,以期在今后使用或改进算法时能提供有益的帮助。