8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

Подлинная бесплатная доставка E -Commerce Environment Support Precessers и корпоративная прибыль Mining Xue Fuliang Книжный магазин потребительских исследований потребительских исследований

Цена: 725руб.    (¥40.3)
Артикул: 621070250293

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:创品世纪图书专营
Адрес:Пекин
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥41.2741руб.
¥34612руб.
¥611 097руб.
¥43.9790руб.
  • Информация о товаре
  • Фотографии

  Основная информация


Заголовок: Предпочтения для покупок клиентов и корпоративная прибыль в среде E -Commerce
Автор: Сюэ Фуланг
Издательство: Tsinghua University Press
Дата публикации: 2019-03-01
Версия: 
ISBN: 9787302511847
Рыночная цена: 49.0
Оглавление


Оглавление

Глава 1 Предпочтения для покупок клиентов в среде E -Commerce

1.1 E -Commerce и ее развитие

1.1.1 Концепция E -Commerce

1.1.2 E -Commerce Процесс разработки

1.1.3 Статус развития E -Commerce дома и за рубежом

1.1.4 Проблемы, с которыми сталкиваются развитие E -Commerce в моей стране

1.2 E -COMMERCE и Идентификация предпочтений за покупками клиентов

1.2.1 Применение предпочтений для покупок клиентов

1.2.2 Источник данных для предпочтений для покупок клиентов

1.2.3 E -Commerce Процесс интеллектуального анализа данных

1.3 Основная работа этой книги

1.3.1 Значение исследования

1.3.2 Основное содержание

1.3.3 Основные идеи и методы исследования

1.4 Организационная структура этой книги


ГЛАВА 2 E -Commerce System

2.1 E -Commerce and System

2.2 Концепция системы E -Commerce

2.2.1 E -Commerce System и Composition

2.2.2 Роль персонализированной системы E -Commerce

2.2.3. Содержание исследований персонализированной системы E -Commerce

2.2.4 Типичные случаи

2.3 Текущая стадия E -Commerce


Глава 3 Статус исследования систем E -Commerce

3.1 Статус исследований дома и за рубежом

3.1.1 Статуя состояния интеграции базовых данных оценки

3.1.2 Статус исследования метода

3.1.3 Статус исследования сложности расчета

3.2 Контент -основан

3.2.1 Основные идеи на основе контента

3.2.2 На основании процесса содержания

3.3 скоординированная фильтрация

3.3.1 Классификация технологии скоординированной фильтрации.

3.3.2 Пользовательская совместная фильтрация

3.3.3 Совместная фильтрация на основе проекта

3.3.4 Преимущества и недостатки скоординированной технологии фильтрации

3.4 Смешанный

3.5 на основе связанных правил

3.6Web Maning и E -Commerce

3.6.1 Скрытые интеллектуальные данные

3.6.2 Обработка скрытых данных оценки

3.7 Другие методы

3.8 Связанная техническая оценка


Глава 4 Дерево классификации продуктов, основанное на теории расплывчатой ​​коллекции

4.1.

4.1.1.

4.1.2Vague Set Theory of Basic Ideas

4.1.3.

4.2 Извлечение и представление функций продукта

4.2.1 Извлечение функций продукта

4.2.2 Неопределенная стоимость характеристик проекта

4.3 аналогичные продукты кластеризация

4.3.1 Сравнение общего кластера

4.3.2 Принцип и процесс кластеризации

4.4 Создание дерева классификации продуктов

4.4.1 Интерес и категория семян

4.4.2 Генерация дерева классификации продуктов

4.4.3 ПРЕДУПРЕТЫ КЛАССА СЕДУ

4.5 Диаграмма структуры классификации проектов


Глава 5 Кластеризация нейронной сети и прогнозирующая ценность -для лечения -значения

5.1 Основные принципы нейронных сетей

5.1.1 История развития нейронной сети

5.1.2 Особенности нейронных сетей

5.1.3 Основное содержание нейронных сетей

5.1.4 Тенденции разработки и применение

5.2som и кластер RBF и прогнозирование

5.3 Нейронная сеть аналогичного класса пользователей

5.4 Используйте SOM

5.4.1. Кластерный процесс

5.4.2matlab реализация

5,5RBF Дополнение прогнозирования нейронной сети

5.5.1RBF НЕРНАРНАЯ СЕТИ

5.5.2 Обучение и дизайн сети

5.6RBF Обработка добавок для прогнозирования нейронной сети.

5.6.1rbf Процесс прогнозирования нейронной сети

5.6.2 Эксперимент и анализ MATLAB


Глава 6 Координированная категория кластеров фильтров и реализация

6.1 Классификация аналогичных пользователей

6.2 Реализация

6.2.1 Процесс реализации этой книги

6.2.2 Оценка экстремальных и экстремальных соседей

6.2.3.

6.2.4 Генерация набора результатов


Глава 7 Экспериментальный анализ и оценка качества

7.1 Экспериментальный индекс измерения

7.1.1 Уровень и точность отзыва и точность

7.1.2f 测 Связанное обнаружение, средняя ошибка Mae

7.1.3 Экспериментальный план

7.2 Экспериментальный процесс

7.2.1 Основное содержание эксперимента

7.2.2MAE Средний анализ ошибок

7.2.3 Анализ сложности расчета


Глава 8 Координированный фильтр на основе улучшения доверительных отношений

8.1 Структура совместной фильтрации на основе доверительных отношений

8.2 Шаг

8.2.1. Определите целевой коллекцию пользователя пользователя пользователя

8.2.2. Обработка оценки пользователей доверия

8.2.3 Оценка оценки оценки

8.3 Подсчет теста

8.4 Оценка

8.4.1 Экспериментальные настройки

8.4.2 Индикаторы оценки

8.4.3 Результаты и анализ

8.5 Метод преимущества

8.6 Парето доминировал


Глава 9 Выбор разнообразия улучшения координированного алгоритма фильтра

9.1 Структура

9.2 Неопределенная совместная фильтрация

9.3 Алгоритм выбора разнообразия

9.4 Фильтрация на основе смутного содержания (Fuzzy CBF)

9.5 Смешанный метод (смутный CFCBF)

9.6 Экспериментальная оценка

9.6.1 Экспериментальный дизайн

9.6.2 Экспериментальные результаты

9.7 Заключение


Глава 10 Анализ связанной корпоративной прибыли корпоративной прибыли

10.1 Определение

10.2 Multi -Target Product Portfolio для корпоративной прибыли

10.3 Экспериментальный тест

10.3.1 Предварительная обработка данных

10.3.2 Анализ эксперимента


Глава 11 Заключение и перспективы

11.1 Основное содержание этой книги

11.2 Инновационная точка этой книги

11.3 Outlook


Рекомендации


PostScript

Введение
Персонализированная система, предложенная Институтом «предпочтений для покупок клиентов и прибыли предприятия» в «E -Commerce Environment», включает в себя 5 этапов: (1) Идентификация и интеграция явных предпочтений клиента и скрытых предпочтений.(2) Измерение сходства клиентов и аналогичная кластеризация клиентов (3) прогноз нейронной сети неизвестных предпочтений покупателей.(4) Анализ ассоциации прибыли продукта для определения реализации комбинации (5) реализации.
Чтение в Интернете
СМИ обзор

Текущая система достигла хороших результатов в предпочтениях и методах покупок клиентов, но в этих исследованиях все еще есть три недостатки.• Существующие исследования в основном основаны на одном историческом анализе данных и обработке клиентов для выявления предпочтений для покупок клиентов, отсутствия системной скрытности и явных методов интеллектуального анализа данных и методов обработки, а также интегрированных методов для эффективных скрытых предпочтений и явных предпочтений.? Как использовать существующие предпочтения для сходства с предпочтениями клиентов, и на основе сходства с предпочтениями клиента для выполнения аналогичных клиентов кластеризации*, наконец, на основе сходства клиентов в классе, неизвестные прогнозы неизвестных предпочтений клиентов заслуживают дальнейшего исследования Полем③ Алгоритмы большинства систем заключаются в том, чтобы просто гарантировать, что продукт должен соответствовать потребностям клиента и игнорировать анализ ассоциации прибыли различных продуктов для предприятия.