商務智能原理與方法（第2版）

基 礎 篇
第1章 引言
1．1 商務智能簡介
1．2 商務智能與信息社會
1．2．1 商務智能是信息社會的產物
1．2．2 商務智能是信息社會繁榮的推動力
1．3 商務智能與企業(yè)管理
1．3．1 商務智能在企業(yè)管理中的作用
1．3．2 商務智能協(xié)助企業(yè)管理的方式
1．3．3 商務智能的商業(yè)價值
1．4 商務智能與數(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 商務智能與新技術融合
1．6 小結
思考練習題
第2章 商務智能應用
2．1 制造領域應用
2．2 金融領域應用
2．3 電信領域應用
2．4 生物與醫(yī)藥領域應用
2．5 零售與營銷領域應用
2．6 移動商務應用
2．7 社會化商務應用
2．8 商務智能系統(tǒng)與產品
2．8．1 商務智能解決方案的系統(tǒng)結構
2．8．2 商務智能系統(tǒng)產品
2．9 小結
思考練習題
第3章 商務智能過程
3．1 數(shù)據(jù)庫與事務處理
3．1．1 數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng)
3．1．2 在線事務處理
3．2 數(shù)據(jù)倉庫與在線分析處理
3．2．1 從事務處理到分析處理
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
思考練習題
第4章 數(shù)據(jù)倉庫
4．1 數(shù)據(jù)處理技術演進
4．2 數(shù)據(jù)倉庫過程與體系結構
4．3 數(shù)據(jù)集成、提取與轉換
4．3．1 數(shù)據(jù)提取
4．3．2 數(shù)據(jù)轉換
4．3．3 數(shù)據(jù)加載
4．3．4 ETL設計與開發(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
思考練習題
第5章 構建商務智能環(huán)境
5．1 商務智能環(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 商務智能組織
5．2．1 外包商務智能
5．2．2 內給商務智能
5．2．3 商務智能組織成員
5．3 商務智能基礎設施
5．4 商務智能系統(tǒng)軟件
5．5 小結
思考練習題
方 法 篇
第6章 關聯(lián)規(guī)則
6．1 關聯(lián)規(guī)則簡介
6．2 關聯(lián)規(guī)則挖掘方法
6．3 關聯(lián)規(guī)則興趣性
6．4 關聯(lián)規(guī)則知識形式擴展
6．4．1 廣義關聯(lián)規(guī)則
6．4．2 數(shù)量關聯(lián)規(guī)則
6．5 簡單關聯(lián)規(guī)則
6．6 小結
思考練習題
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 貝葉斯信念網絡
7．4 其他分類方法
7．4．1 神經元網絡分類
7．4．2 支持向量機分類
7．4．3 懶惰型分類器
7．5 分類準確率
7．5．1 分類準確率比較與評估
7．5．2 提高分類器的準確率
7．6 小結
思考練習題
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
思考練習題
第9章 信息搜索服務
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 搜索結果排序
9．7 小結
思考練習題
第10章 社會網絡分析
10．1 社會網絡的中心性
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 社會網絡的權威
10．2．1 度權威
10．2．2 鄰近權威
10．2．3 等級權威
10．3 引用社會網絡
10．3．1 同引分析
10．3．2 引文耦合
10．4 社會網絡的鏈接分析
10．4．1 PageRank算法
10．4．2 HITS算法
10．5 社會網絡中的社區(qū)
10．6 小結
思考練習題
第11章 概念描述
11．1 概念描述簡介
11．2 描述統(tǒng)計學的方法
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
思考練習題
第12章 數(shù)據(jù)預處理
12．1 數(shù)據(jù)預處理簡介
12．1．1 數(shù)據(jù)預處理的原因
12．1．2 數(shù)據(jù)預處理的目的
12．1．3 數(shù)據(jù)預處理的方法
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
思考練習題
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 網絡文本的代表性評估測度
13．2．2 網絡文本的代表性信息提取方法
13．2．3 在線產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
13．3．4 消費者信息搜索過程中的推薦
13．4 小結
思考練習題
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)關系模式
14．5 時態(tài)數(shù)據(jù)的表達與轉換
14．6 小結
思考練習題
第15章 關聯(lián)分類
15．1 生成分類關聯(lián)規(guī)則
15．2 分類關聯(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
思考練習題
第16章 不確定性知識發(fā)現(xiàn)
16．1 不確定性信息表達
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
思考練習題
第17章 復雜類型數(shù)據(jù)的挖掘
17．1 復雜類型數(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
思考練習題
第18章 商務智能的經濟社會影響與發(fā)展
18．1 商務智能的經濟社會影響
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
18．1．3 隱私與安全
18．2 商務智能的發(fā)展趨勢
18．2．1 移動商務智能
18．2．2 社會化商務智能
18．2．3 實時商務智能
18．2．4 商務智能的技術標準
18．3 小結
思考練習題
參考文獻
索引詞檢索目錄