目錄

第1章商務智能概述

1.1商務智能的概念

1.1.1數據、信息與知識

1.1.2商務智能的定義

1.1.3商務智能的特點

1.1.4商務智能的過程

1.2商務智能的產生與發展

1.2.1商務智能的產生和發展過程

1.2.2商務智能與其他繫統的關繫

1.3商務智能的研究內容

1.4商務智能繫統的支撐技術

1.5商務智能繫統框架及數據流程

1.5.1商務智能繫統框架

1.5.2商務智能繫統的數據流程

1.6主流商務智能產品

1.6.1主流商務智能產品簡介

1.6.2商務智能的抉擇

1.7商務智能的未來發展趨勢

1.8商務智能的應用

小結

習題

第2章商務智能中的核心技術

2.1數據倉庫

2.1.1數據倉庫的產生與發展

2.1.2數據倉庫的概念與特征

2.1.3ETL

2.1.4數據集市

2.1.5數據倉庫的數據組織

2.1.6數據倉庫的體繫結構

2.1.7數據倉庫的開發步驟

2.2在線分析處理

2.2.1OLAP簡介

2.2.2OLAP的定義和相關概念

2.2.3OLAP與OLTP的區別

2.2.4OLAP的分類

2.2.5OLAP多維數據分析

2.3數據可視化

2.3.1什麼是數據可視化

2.3.2數據可視化的優勢

2.3.3數據可視化工具

小結

習題

第3章數據挖掘概述

3.1數據挖掘的起源與發展

3.1.1數據挖掘的起源

3.1.2數據挖掘的發展

3.2數據挖掘所要解決的問題

3.3數據挖掘的定義

3.4數據挖掘的過程

3.5數據挖掘繫統

3.5.1數據挖掘繫統的分類

3.5.2數據挖掘繫統的發展

3.6數據挖掘的功能和方法

3.6.1數據挖掘的功能

3.6.2數據挖掘的方法

3.7數據挖掘的典型應用領域

3.8數據挖掘的發展趨勢

小結

習題

第4章分類分析

4.1預備知識

4.2解決分類問題的一般方法

4.3分類算法

4.3.1貝葉斯分類器

4.3.2貝葉斯信念網絡

4.3.3決策樹

4.3.4支持向量機

4.3.5粗糙集

4.3.6其他分類算法

4.4評估分類器的性能

4.4.1保持方法

4.4.2隨機二次抽樣

4.4.3交叉驗證

4.4.4自助法

小結

習題

第5章關聯分析

5.1引言

5.2基本概念

5.3關聯規則的種類

5.4關聯規則的研究現狀

5.5關聯規則挖掘算法

5.5.1Apriori算法

5.5.2Apriori改進算法

5.5.3FP增長算法

5.6改善關聯規則挖掘質量問題

5.6.1用戶主觀層面

5.6.2繫統客觀層面

5.7約束數據挖掘問題

小結

習題

第6章聚類分析

6.1聚類的概念

6.1.1聚類概念及應用

6.1.2聚類算法要求

6.1.3聚類技術類型劃分

6.2聚類分析的統計量

6.2.1模型定義

6.2.2相似性度量

6.3常用聚類算法

6.3.1k均值算法

6.3.2kmedoids算法

6.3.3凝聚層次聚類算法

6.3.4DBSCAN算法

6.3.5STING算法

6.3.6CLIQUE算法

6.4簇評估

6.4.1概述

6.4.2非監督簇評估：使用凝聚度和分離度

6.4.3非監督簇評估：使用鄰近度矩陣

6.4.4層次聚類的非監督評估

6.4.5確定正確的簇個數

6.4.6聚類趨勢

6.4.7簇有效性的監督度量

6.5聚類與分類比較

小結

習題

第7章深度學習

7.1深度學習的由來

7.1.1深度學習的神經學啟示

7.1.2淺層結構函數表示能力的局限性

7.1.3特征提取的需要

7.2深度學習的經典方法

7.2.1深度學習表示模型和網絡結構

7.2.2自動編碼器

7.2.3受限玻爾茲曼機

7.2.4卷積神經網絡

7.3深度學習的應用

7.3.1深度學習在語音識別、合成及機器翻譯中的應用

7.3.2深度學習在圖像分類及識別中的應用

7.3.3深度學習在視頻分類及行為識別中的應用

7.4深度學習的研究近況及未來研究方向

7.4.1研究近況

7.4.2未來研究方向

小結

習題

第8章Web挖掘技術

8.1Web數據挖掘概述

8.1.1Web數據挖掘的概念

8.1.2Web數據挖掘的特點

8.1.3Web數據挖掘的處理流程

8.1.4Web數據挖掘與信息檢索、信息抽取的區別

8.2Web數據挖掘分類

8.2.1Web內容挖掘概述

8.2.2Web結構挖掘概述

8.2.3Web使用挖掘概述

8.3Web內容挖掘

8.3.1特征提取和特征表示

8.3.2自動摘要

8.3.3文本分類

8.3.4文本聚類

8.4Web結構挖掘

8.4.1超鏈和頁面內容的關繫

8.4.2不同挖掘階段的分析

8.4.3PageRank

8.4.4HITS

8.4.5兩種算法的比較

8.4.6Web結構挖掘應用

8.5Web使用挖掘

8.5.1Web使用挖掘數據預處理

8.5.2Web使用挖掘模式發現

8.5.3Web使用挖掘模式分析

8.5.4Web使用挖掘模式應用

小結

習題

第9章數據挖掘在電子商務中的應用

9.1網站結構優化

9.2智能搜索引擎

9.2.1網絡機器人

9.2.2文本分析

9.2.3搜索條件的獲取和分析

9.2.4信息的搜索和排序

9.3移動商務智能

9.4客戶關繫管理

9.4.1營銷

9.4.2銷售

9.4.3客戶服務

9.4.4客戶保持

9.4.5風險評估和欺詐識別

9.5客戶分類

9.5.1傳統的客戶分類理論

9.5.2基於客戶行為的客戶分類

9.5.3基於客戶生命周期的客戶分類

9.5.4基於客戶生命周期價值的客戶分類

小結

習題

參考文獻

前言

當今社會信息技術飛速發展，經濟全球化趨勢日益明顯，市場競爭激烈。生存在這樣一個“信息爆炸”的時代，企業管理者能否利用信息進行快速而有效的決策已直接關繫到企業的生死存亡。越來越多的企業提出對商務智能的需求，商務智能的出現和飛速發展已成為必然趨勢。但隨著商務智能在企業活動中的不斷進行，海量的、具有潛在價值知識的信息便混同一般信息積累在企業商務智能繫統中，盡管企業希望能夠提取出有價值的信息，應用各種技術進行數據分析，以期將分析結果用於科學研究、商業決策或企業管理決策等方面，但目前市場數據分析工具種類繁多，若選擇不當就很難對數據進行深層次的處理，無法真正提煉出信息的價值，使得企業管理層隻能望“數”興嘆。除此之外，電子商務數據類型繁多、模型復雜，以及應用繫統的分布性和異構性都會增加這些數據的分析難度，由此數據挖掘技術應運而生。

本教材自2016年4月出版，經過一年多的使用，根據學生和教師的反饋，編者對教材中的相關內容進行了改動。第2版與第1版相比增加了新的知識，刪除了一些陳舊或使用較少的知識，使其更加簡練。具體體現在以下幾個方面。

(1) 增加了新的技術知識。

①
增加了第1章商務智能繫統框架及數據流程的相關知識。

②
增加了第2章數據可視化的內容。

③
增加了第7章深度學習的內容。

(2) 對原第4、5、10章重新組織編寫，使其內容更貼切、更充實。

①
第4章對決策樹和支持向量機進行了重新描述，去掉了BP神經網絡算法，增加了粗糙集的闡述。

②
第5章對Apriori算法、Apriori改進算法以及FP增長算法進行了重新描述。

③
去掉了原第7章。

④
原第10章改為現第9章，重新舉例並深入闡述了數據挖掘在電子商務中的典型應用。

本書各章編寫分工如下：
蔡曉妍編寫第1、3章；
楊麗麗編寫第2章；
朱珊娜編寫第4章；
李梅編寫第5章；
梁春泉編寫第6章；楊黎斌編寫第7、9章；
張曉婷編寫第8章。蔡曉妍負責全書的策劃、大綱的制定和統纂工作。

本書在編寫過程中，參考了一些優秀教材和論文，在此對所有被引用文獻的原作者表示衷心的感謝。研究生郭藍天、何健、張野和呂鑫分別對本書進行了校對並提出了寶貴的建議，特在此表示感謝。由於編者水平所限，書中如有不妥之處，歡迎讀者批評指正。

編者

2017年8月