商務(wù)智能原理與方法（第2版）

基 礎(chǔ) 篇
第1章 引言
1．1 商務(wù)智能簡介
1．2 商務(wù)智能與信息社會
1．2．1 商務(wù)智能是信息社會的產(chǎn)物
1．2．2 商務(wù)智能是信息社會繁榮的推動力
1．3 商務(wù)智能與企業(yè)管理
1．3．1 商務(wù)智能在企業(yè)管理中的作用
1．3．2 商務(wù)智能協(xié)助企業(yè)管理的方式
1．3．3 商務(wù)智能的商業(yè)價值
1．4 商務(wù)智能與數(shù)據(jù)挖掘
1．4．1 數(shù)據(jù)挖掘的概念
1．4．2 數(shù)據(jù)挖掘的特點
1．5 商務(wù)智能與新技術(shù)融合
1．6 小結(jié)
思考練習(xí)題
第2章 商務(wù)智能應(yīng)用
2．1 制造領(lǐng)域應(yīng)用
2．2 金融領(lǐng)域應(yīng)用
2．3 電信領(lǐng)域應(yīng)用
2．4 生物與醫(yī)藥領(lǐng)域應(yīng)用
2．5 零售與營銷領(lǐng)域應(yīng)用
2．6 移動商務(wù)應(yīng)用
2．7 社會化商務(wù)應(yīng)用
2．8 商務(wù)智能系統(tǒng)與產(chǎn)品
2．8．1 商務(wù)智能解決方案的系統(tǒng)結(jié)構(gòu)
2．8．2 商務(wù)智能系統(tǒng)產(chǎn)品
2．9 小結(jié)
思考練習(xí)題
第3章 商務(wù)智能過程
3．1 數(shù)據(jù)庫與事務(wù)處理
3．1．1 數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng)
3．1．2 在線事務(wù)處理
3．2 數(shù)據(jù)倉庫與在線分析處理
3．2．1 從事務(wù)處理到分析處理
3．2．2 數(shù)據(jù)倉庫
3．3 知識發(fā)現(xiàn)與可持續(xù)競爭優(yōu)勢
3．3．1 OLAP與知識發(fā)現(xiàn)
3．3．2 企業(yè)外部大數(shù)據(jù)分析
3．3．3 使用數(shù)據(jù)挖掘增強企業(yè)競爭優(yōu)勢
3．4 小結(jié)
思考練習(xí)題
第4章 數(shù)據(jù)倉庫
4．1 數(shù)據(jù)處理技術(shù)演進(jìn)
4．2 數(shù)據(jù)倉庫過程與體系結(jié)構(gòu)
4．3 數(shù)據(jù)集成、提取與轉(zhuǎn)換
4．3．1 數(shù)據(jù)提取
4．3．2 數(shù)據(jù)轉(zhuǎn)換
4．3．3 數(shù)據(jù)加載
4．3．4 ETL設(shè)計與開發(fā)
4．4 數(shù)據(jù)倉庫開發(fā)、管理與安全
4．4．1 數(shù)據(jù)倉庫開發(fā)模式
4．4．2 數(shù)據(jù)倉庫設(shè)計
4．4．3 數(shù)據(jù)倉庫的數(shù)據(jù)模型
4．4．4 元數(shù)據(jù)
4．4．5 數(shù)據(jù)倉庫的安全
4．5 云數(shù)據(jù)平臺
4．5．1 云數(shù)據(jù)平臺的概念
4．5．2 云數(shù)據(jù)平臺與BI
4．6 小結(jié)
思考練習(xí)題
第5章 構(gòu)建商務(wù)智能環(huán)境
5．1 商務(wù)智能環(huán)境
5．1．1 確定什么數(shù)據(jù)可用的能力
5．1．2 對數(shù)據(jù)挖掘的能力
5．1．3 用戶與系統(tǒng)交互的能力
5．2 商務(wù)智能組織
5．2．1 外包商務(wù)智能
5．2．2 內(nèi)給商務(wù)智能
5．2．3 商務(wù)智能組織成員
5．3 商務(wù)智能基礎(chǔ)設(shè)施
5．4 商務(wù)智能系統(tǒng)軟件
5．5 小結(jié)
思考練習(xí)題
方 法 篇
第6章 關(guān)聯(lián)規(guī)則
6．1 關(guān)聯(lián)規(guī)則簡介
6．2 關(guān)聯(lián)規(guī)則挖掘方法
6．3 關(guān)聯(lián)規(guī)則興趣性
6．4 關(guān)聯(lián)規(guī)則知識形式擴展
6．4．1 廣義關(guān)聯(lián)規(guī)則
6．4．2 數(shù)量關(guān)聯(lián)規(guī)則
6．5 簡單關(guān)聯(lián)規(guī)則
6．6 小結(jié)
思考練習(xí)題
第7章 分類分析
7．1 分類分析簡介
7．2 決策樹分類
7．2．1 決策樹構(gòu)建
7．2．2 決策樹剪枝
7．3 貝葉斯分類
7．3．1 貝葉斯定理
7．3．2 簡單貝葉斯分類器
7．3．3 貝葉斯信念網(wǎng)絡(luò)
7．4 其他分類方法
7．4．1 神經(jīng)元網(wǎng)絡(luò)分類
7．4．2 支持向量機分類
7．4．3 懶惰型分類器
7．5 分類準(zhǔn)確率
7．5．1 分類準(zhǔn)確率比較與評估
7．5．2 提高分類器的準(zhǔn)確率
7．6 小結(jié)
思考練習(xí)題
第8章 聚類分析
8．1 聚類分析簡介
8．2 相似度及距離測度
8．3 聚類分析方法
8．3．1 劃分方法
8．3．2 層次方法
8．3．3 基于密度的方法
8．3．4 基于網(wǎng)格的方法
8．3．5 基于模型的方法
8．4 k-means方法
8．5 DBSCAN方法
8．6 小結(jié)
思考練習(xí)題
第9章 信息搜索服務(wù)
9．1 信息搜索的基本概念
9．2 信息搜索模型
9．2．1 布爾模型
9．2．2 空間向量模型
9．3 信息搜索測度
9．4 文本預(yù)處理
9．5 搜索索引
9．5．1 倒排索引搜索
9．5．2 倒排索引的建立
9．6 搜索結(jié)果排序
9．7 小結(jié)
思考練習(xí)題
第10章 社會網(wǎng)絡(luò)分析
10．1 社會網(wǎng)絡(luò)的中心性
10．1．1 度中心性
10．1．2 貼近中心性
10．1．3 中介中心性
10．2 社會網(wǎng)絡(luò)的權(quán)威
10．2．1 度權(quán)威
10．2．2 鄰近權(quán)威
10．2．3 等級權(quán)威
10．3 引用社會網(wǎng)絡(luò)
10．3．1 同引分析
10．3．2 引文耦合
10．4 社會網(wǎng)絡(luò)的鏈接分析
10．4．1 PageRank算法
10．4．2 HITS算法
10．5 社會網(wǎng)絡(luò)中的社區(qū)
10．6 小結(jié)
思考練習(xí)題
第11章 概念描述
11．1 概念描述簡介
11．2 描述統(tǒng)計學(xué)的方法
11．3 數(shù)據(jù)歸納
11．3．1 屬性概化
11．3．2 屬性消減
11．3．3 數(shù)據(jù)表示
11．4 數(shù)據(jù)對比
11．4．1 數(shù)據(jù)對比方法
11．4．2 數(shù)據(jù)對比表示
11．5 小結(jié)
思考練習(xí)題
第12章 數(shù)據(jù)預(yù)處理
12．1 數(shù)據(jù)預(yù)處理簡介
12．1．1 數(shù)據(jù)預(yù)處理的原因
12．1．2 數(shù)據(jù)預(yù)處理的目的
12．1．3 數(shù)據(jù)預(yù)處理的方法
12．2 數(shù)據(jù)清洗
12．2．1 缺失數(shù)據(jù)處理
12．2．2 噪聲數(shù)據(jù)處理
12．3 數(shù)據(jù)集成與規(guī)范
12．3．1 數(shù)據(jù)集成處理
12．3．2 數(shù)據(jù)規(guī)范化處理
12．4 數(shù)據(jù)消減
12．4．1 清除冗余數(shù)據(jù)
12．4．2 采樣
12．4．3 數(shù)據(jù)立方合計
12．4．4 屬性選取與生成
12．4．5 數(shù)據(jù)壓縮
12．4．6 離散化與概念分層方法
12．5 小結(jié)
思考練習(xí)題
專 題 篇
第13章 信息提取與推薦
13．1 信息提取與推薦問題概述
13．2 代表性信息提取方法
13．2．1 網(wǎng)絡(luò)文本的代表性評估測度
13．2．2 網(wǎng)絡(luò)文本的代表性信息提取方法
13．2．3 在線產(chǎn)品評論的代表性信息提取
13．3 信息推薦方法
13．3．1 推薦系統(tǒng)概述
13．3．2 兩種協(xié)同過濾推薦方法
13．3．3 推薦系統(tǒng)評測指標(biāo)
13．3．4 消費者信息搜索過程中的推薦
13．4 小結(jié)
思考練習(xí)題
第14章 時態(tài)模式
14．1 時態(tài)數(shù)據(jù)類型與模式
14．2 時態(tài)關(guān)聯(lián)規(guī)則
14．3 序列相似性
14．3．1 距離測度法
14．3．2 模式匹配法
14．4 時態(tài)關(guān)系模式
14．5 時態(tài)數(shù)據(jù)的表達(dá)與轉(zhuǎn)換
14．6 小結(jié)
思考練習(xí)題
第15章 關(guān)聯(lián)分類
15．1 生成分類關(guān)聯(lián)規(guī)則
15．2 分類關(guān)聯(lián)規(guī)則剪枝
15．2．1 后剪枝方式
15．2．2 先剪枝方式
15．3 構(gòu)建分類器
15．3．1 單一規(guī)則分類器
15．3．2 多規(guī)則分類器
15．4 混合型關(guān)聯(lián)分類
15．5 GARC方法解析
15．5．1 GARC思路與算法框架
15．5．2 數(shù)據(jù)實驗與方法比較
15．6 小結(jié)
思考練習(xí)題
第16章 不確定性知識發(fā)現(xiàn)
16．1 不確定性信息表達(dá)
16．2 分區(qū)中的邊界問題
16．3 數(shù)據(jù)間的部分隸屬性
16．4 不完整數(shù)據(jù)依賴
16．5 小結(jié)
思考練習(xí)題
第17章 復(fù)雜類型數(shù)據(jù)的挖掘
17．1 復(fù)雜類型數(shù)據(jù)
17．2 多維分析和描述性挖掘
17．3 空間數(shù)據(jù)挖掘
17．4 多媒體數(shù)據(jù)挖掘
17．5 Web挖掘
17．6 小結(jié)
思考練習(xí)題
第18章 商務(wù)智能的經(jīng)濟社會影響與發(fā)展
18．1 商務(wù)智能的經(jīng)濟社會影響
18．1．1 “長尾”與“利基”市場
18．1．2 大數(shù)據(jù)與新興電子商務(wù)
18．1．3 隱私與安全
18．2 商務(wù)智能的發(fā)展趨勢
18．2．1 移動商務(wù)智能
18．2．2 社會化商務(wù)智能
18．2．3 實時商務(wù)智能
18．2．4 商務(wù)智能的技術(shù)標(biāo)準(zhǔn)
18．3 小結(jié)
思考練習(xí)題
參考文獻(xiàn)
索引詞檢索目錄