商务智能中的利润挖掘研究

商务智能中的利润挖掘研究

论文摘要

本文研究商务智能中的利润挖掘算法与应用,包括如下几个方面:商品选择、商品促销、市场细分、目录细分和信用评估。本文从利润的角度出发,应用数据挖掘方法来帮助企业提升利润。本文从利润角度考察数据挖掘在商务中的应用框架,此框架能够帮助企业进行决策从而提升企业的利润,帮助企业选择合理的商品组合从而布置店铺,帮助企业设计合理的目录从而吸引更多的顾客进入店铺,帮助企业挑选优化的高端人群定制高端目录从而获取更高的利润,帮助银行依据申请人的条件进行判别从而发放合适额度的贷款。本文对商品选择问题,提出了基于链接分析的算法FullRank,给出算法的三种表示方法,并讨论衰减因子的边界值,给出了算法的收敛性证明,并提出了算法的三种随机解释。实验结果表明,该算法能取得更好的利润度。对于此问题还给出了DualRank算法和SALSARank算法。实验结果比较了各算法的优缺点。本文对面向顾客的目录细分问题,提出了基于TFP-Tree的MaxCover算法,以获得最多的顾客覆盖率。在面向顾客的目录细分问题上加入利润约束,提出了双重约束的目录细分问题,并给出了一个算法DCCS,分析了该算法的复杂度,并与其它算法进行比较,得到的结果表明算法能够针对高利润人群从而获得更高的利润。本文对信用评估问题,提出了HACS算法、HubAvgCS算法和ATkCS算法,应用链接分来寻找合适的权威矩阵,然后使用支持向量机来进行识别,实验表明了该方法的有效性。本文构建了一个专业的利润挖掘在商务中的应用工具,通过本文提出的算法进行决策分析,对企业的策略给出合理的建议。

论文目录

  • 提要
  • 第1章 绪论
  • 1.1 研究背景
  • 1.1.1 商务智能的定义
  • 1.1.2 商务智能的发展历史
  • 1.1.3 商务智能的实施步骤
  • 1.1.4 数据挖掘概述
  • 1.1.5 商务智能的发展趋势
  • 1.2 利润挖掘
  • 1.2.1 微观经济观点
  • 1.2.2 利润挖掘的定义
  • 1.3 国内外研究现状
  • 1.4 利润挖掘在商务应用中需解决的问题
  • 1.5 本文主要工作
  • 1.5.1 基于链接分析的商品选择问题研究
  • 1.5.2 加入约束的目录细分问题研究
  • 1.5.3 基于链接分析的个人信用评估研究
  • 1.5.4 基于利润的商务智能软件构建
  • 第2章 利润挖掘在商务中的应用模型
  • 2.1 商务智能基础
  • 2.2 零售业中的商务智能
  • 2.2.1 商品选择问题
  • 2.2.2 商品促销问题
  • 2.2.3 小结
  • 2.3 市场中的商务智能
  • 2.3.1 目录细分问题
  • 2.3.2 市场细分问题
  • 2.3.3 小结
  • 2.4 银行中的商务智能
  • 2.4.1 个人信用评估问题
  • 2.4.2 企业信用评估问题
  • 2.4.3 小结
  • 2.5 本章小结
  • 第3章 商品选择问题改进
  • 3.1 商品选择问题介绍
  • 3.2 基于链接分析的商品选择算法
  • 3.3 ItemRank算法
  • 3.4 FullRank算法
  • 3.4.1 算法的一般表示
  • 3.4.2 算法的序列表示
  • 3.4.3 算法的矩阵表示
  • 3.4.4 虚悬节点的三种处理方法
  • 3.4.5 算法收敛性的证明
  • 3.4.6 衰减因子的边界值
  • 3.4.7 算法模型的三种随机解释
  • 3.5 DualRank两阶段算法
  • 3.6 SALSARank算法
  • 3.7 性能评估
  • 3.7.1 实验数据
  • 3.7.2 实验结果
  • 3.8 小结
  • 第4章 目录细分问题改进
  • 4.1 目录细分问题介绍
  • 4.1.1 基于关联规则的算法
  • 4.2 面向顾客的目录细分问题
  • 4.2.1 问题复杂度分析
  • 4.2.2 TFP-Tree
  • 4.2.3 MaxCover算法
  • 4.3 双重约束的目录细分问题
  • 4.3.1 Pareto原则
  • 4.3.2 问题定义
  • 4.3.3 双重约束的目录细分算法
  • 4.4 性能评估
  • 4.4.1 面向顾客的目录细分的实验结果
  • 4.4.2 双重约束的目录细分的实验结果
  • 4.5 小结
  • 第5章 个人信用评估问题改进
  • 5.1 信用评估问题定义
  • 5.2 信用评估问题的相关工作介绍
  • 5.2.1 基于统计方法的信用评估
  • 5.2.2 基于神经网络的信用评估算法
  • 5.2.3 基于支持向量机的信用评估算法
  • 5.2.4 基于遗传编程的信用评估算法
  • 5.2.5 其它的信用评估算法
  • 5.3 基于链接分析的信用评估
  • 5.3.1 发现信息相关的重要矩阵
  • 5.3.2 找到矩阵中的权重
  • 5.3.3 支持向量机分类器的基本概念
  • 5.4 性能评估
  • 5.4.1 实验数据
  • 5.4.2 实验结果分析
  • 5.4.3 两类错误分析
  • 5.5 小结
  • 第6章 商务中的利润挖掘软件开发
  • 6.1 利润挖掘软件的体系结构
  • 6.2 数据收集与预处理
  • 6.3 数据挖掘分析模块
  • 6.4 利润挖掘分析模块
  • 6.5 小结
  • 第7章 结论与展望
  • 7.1 结论
  • 7.2 未来展望
  • 参考文献
  • 攻读博士期间发表的学术论文
  • 摘要
  • Abstract
  • 致谢
  • 相关论文文献

    • [1].商品选择越少越好?[J]. 消费者报道 2014(02)
    • [2].行使商品选择权,促进可持续发展[J]. 消费者报道 2014(06)
    • [3].主题营销的营销主张[J]. 中国药店 2011(09)
    • [4].面向推荐服务的消费者在线商品选择决策中的知识支持分析[J]. 情报理论与实践 2013(03)
    • [5].难以撼动的第一[J]. 汽车商业评论 2010(11)
    • [6].基于在线评价信息和消费者期望的商品选择方法[J]. 中国管理科学 2017(11)
    • [7].有限制的选择,才是最好的设计[J]. 东方企业家 2016(05)
    • [8].行使商品选择权,促进可持续发展[J]. 消费者报道 2015(08)
    • [9].行使商品选择权,促进可持续发展[J]. 消费者报道 2018(06)
    • [10].行使商品选择权,促进可持续发展[J]. 消费者报道 2019(04)
    • [11].行使商品选择权,促进可持续发展[J]. 消费者报道 2018(03)
    • [12].融媒体时代农村广告关联型商品选择分析[J]. 内蒙古财经大学学报 2014(06)
    • [13].浅析团购网站的商品选择策略[J]. 市场研究 2012(10)
    • [14].投诉基础知识介绍[J]. 中国标准化 2009(03)
    • [15].构建下一代零售运营模式[J]. 计算机与网络 2014(06)
    • [16].求人不如求己[J]. 新民周刊 2012(38)
    • [17].商标这种信息[J]. 湖北第二师范学院学报 2020(09)
    • [18].慢病品类的结构选择[J]. 中国药店 2013(20)
    • [19].新内容,新尝试——《购物策略》教学设计[J]. 新课程(小学) 2014(07)
    • [20].业内高手教你开便利店[J]. 大众投资指南 2016(06)
    • [21].“狼”烟似起[J]. 中国服饰 2016(06)
    • [22].网购评价机制对周期性产品顾客挽留问题的探讨[J]. 东方企业文化 2015(07)
    • [23].JDA软件公司端到端的下一代零售计划与执行解决方案[J]. 计算机与网络 2014(02)
    • [24].重塑“互联网+”时代零售格局 唯品会:用“新四化”抢占未来商机[J]. 商学院 2016(01)
    • [25].电子商务对税法要素的冲击及其影响[J]. 法制博览 2016(29)
    • [26].非油花开格外红[J]. 全国商情 2013(20)
    • [27].CI:企业科学发展的经营策略[J]. 冶金企业文化 2009(01)
    • [28].基于电子商务背景下企业财务管理模式的构建[J]. 营销界 2020(38)
    • [29].试析提高仓储超市竞争力问题[J]. 消费导刊 2010(03)
    • [30].浅谈企业渠道演变的三大趋势[J]. 中国汽配市场 2009(01)

    标签:;  ;  ;  ;  ;  

    商务智能中的利润挖掘研究
    下载Doc文档

    猜你喜欢