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