新興電子商務——深度模式分析與不確定性建模

《新興電子商務——深度模式分析與不確定性建模》是2013年5月清華大學出版社出版的圖書，作者是陳國青、熊輝、曹永知、吳俊傑、袁華。

基本介紹

• 中文名：新興電子商務——深度模式分析與不確定性建模
• 作者：陳國青、熊輝、曹永知、吳俊傑、袁華
• 出版社：清華大學出版社
• 出版時間：2013年5月
• 定價：55 元
• ISBN：9787302318767

內容簡介

新興電子商務與傳統電子商務相比，呈現出移動性（如泛在互聯、移動商務）、虛擬性（如虛擬體驗、賽博空間）、個性化（如精準行銷、推薦服務）、社會性（如社交媒體、社會商務）、極端數據（如富媒體、大數據）等鮮明特徵。本書圍繞新興電子商務若干重要理論與套用課題，從商務模式分析和不確定性決策的視角出發，展現在信息搜尋服務與推薦、聚類分析和分類方法、病毒傳播模式和業務安全策略、不確定性狀態轉移建模等方面的研究成果。研究內容緊扣現實問題，通過科學凝練和系統性建模，旨在為學界和業界提供具體技術方法和管理策略的同時，也為相關研究提供了求解路徑和方法論實例。

本書主要面向高校和科研單位的碩士生、博士生和學者，對企業套用和研發人員也具參考價值。

圖書目錄

第1章引言

第2章信息搜尋服務方法與測度

2.1信息推薦與信息提取問題

2.2消費者信息搜尋過程中的信息推薦

2.2.1消費者網上產品選擇過程

2.2.2消費者產品考慮機率預測

2.2.3消費者信息搜尋價值增益預測

2.3代表性信息提取

2.3.1基於聚類的代表性信息提取方法

2.3.2基於啟發式的代表性信息提取方法

2.4信息推薦與提取服務評測

2.4.1信息覆蓋度

2.4.2信息冗餘度

2.4.3測度評價實驗

小結

第3章信息搜尋中的 Topk相似性測度

3.1概述

3.2基於相關係數的Topk相關對查詢

3.2.1Pearson相關係數的基本概念

3.2.2TAPERTopk——基於TAPER的Topk

相關對查詢

3.2.3TopCOP: Topk相關對查詢

3.2.4實驗結果

3.3基於餘弦相似性的Topk相關對查詢

3.3.1餘弦相似性

3.3.2Topk餘弦相似性搜尋——對角線遍歷算法

3.3.3Topk餘弦相關性搜尋——最大優先

遍歷算法

3.3.4實驗結果

小結

第4章聚類測度分析與設計

4.1聚類評價總述

4.2Kmeans聚類算法的均勻效應

4.3Kmeans算法外部測度的篩選

4.3.1常用的外部測度指標

4.3.2外部測度指標的缺陷分析

4.4Kmeans算法外部測度的標準化

4.4.1測度標準化

4.4.2均勻效應監測指標DCV的有效性

4.4.3測度標準化的影響

4.4.4測度的性質

小結

第5章基於關聯的高效分類模式發現

5.1分類方法

5.1.1分類方法簡介

5.1.2現有分類方法

5.1.3分類方法評價標準

5.2基於關聯規則的分類方法

5.2.1經典關聯規則分類方法

5.2.2混合型關聯規則分類

5.2.3關聯規則分類方法的可解釋性評價

5.3關聯規則分類最佳化策略

5.3.1基於信息熵的高效關聯規則分類方法

5.3.2模糊關聯分類方法

小結

第6章大型網路中基於群組的快速擴散系統與傳播控制

6.1網路擴散系統動力學機理

6.1.1信息網路環境

6.1.2網路結構模型

6.1.3網路節點狀態“劃分—轉移”模型

6.1.4網路中“點—組”快速擴散模型

6.2網路擴散控制策略

6.2.1網路病毒的短期擴散與長期存在

6.2.2多步、分段控制策略

6.3大型信息網路中病毒免疫策略分析

6.3.1大型信息網路實施免疫策略面臨的管理挑戰

6.3.2傳統的免疫策略

6.3.3基於“點—組”快速擴散模式的周期免疫策略

6.3.4周期免疫策略的容錯性分析

6.4網路中的非線性擴散問題

6.4.1非線性SEIR擴散模型及其性質

6.4.2恐慌心理效應對擴散的影響實驗

6.4.3非線性擴散情況的啟示

小結

第7章語言概括與狀態轉移模型

7.1概述

7.2狀態轉移系統的基本模型

7.3狀態轉移的語言概括與建模

7.3.1模糊性

7.3.2隨機性

7.3.3非確定性

7.4狀態轉移系統的行為比較

7.4.1語言等價

7.4.2互模擬等價

7.4.3行為距離測度

小結

參考文獻

索引

Emerging EBusiness—Business Analytics and Uncertainty Modeling

Contents

Contents

Chapter 1Introduction

Chapter 2Methods and Metrics for Information Search Services

2.1Information Recommendation and Information Extraction

2.2Information Recommendation in Consumer Information

Search

2.2.1Consumers ConsiderthenChoose Process in

Online Shopping

2.2.2Consideration Probability Prediction

2.2.3Incremental Benefits Prediction for Consumer

Information Search

2.3Representative Information Extraction

2.3.1Clusteringbased Representative Information

Extraction

2.3.2Heuristic Representative Information Extraction

2.4Evaluation for Information Recommendation and

Extraction Services

2.4.1Information Coverage

2.4.2Information Redundancy

2.4.3Experiments for Metrics Evaluation

Summary

Chapter 3Scaling Up Topk Similarity Search

3.1Introduction

3.2Topk  Correlation Computation

3.2.1Preliminaries of Pearson Correlation Coefficient

3.2.2TAPERbased Topk  Correlation Computation

3.2.3TOPCOPbased Topk  Correlation Computation

3.2.4Experimental Results

3.3Topk Cosine Similarity Search

3.3.1Preliminaries of Cosine Similarity

3.3.2Topk Cosine Similarity Search: The Diagonal

Traversal Algorithm

3.3.3Topk Cosine Similarity Search: The MaxFirst

Algorithm

3.3.4Experimental Results

Summary

Chapter 4Cluster Validity: A Revisit

4.1An Overview of Cluster Validity

4.2The Uniform Effect of Kmeans Clustering

4.3External Validation Measures for Kmeans Clustering

4.3.1An Overview of External Validation Measures

4.3.2The Defects of External Validation Measures

4.4The Normalization of External Validation Measures of

Kmeans

4.4.1The Methods for Measure Normalization

4.4.2A New Validation Measure: DCV

4.4.3The Effect of Measure Normalization

4.4.4The Properties of Normalized Measures

Summary

Chapter 5Efficient Associative Classification

5.1Classification Methods

5.1.1An Overview

5.1.2Existing Classification Methods

5.1.3Evaluation Metrics for Classification Methods

5.2Classification Based on Association Rules

5.2.1Traditional Methods for Associative Classification

5.2.2Hybrid Associative Classification

5.2.3Understandability of Associative Classification

5.3Optimization Strategies for Associative Classification

5.3.1Gainbased Association Rule Classification

5.3.2Fuzzy Associative Classification

Summary

Chapter 6GroupBased Fast Propagation System and Prevalence

Control in Large Scale Network

6.1System Dynamics of Network Propagation

6.1.1Information Propagation Network

6.1.2Complex Network Models

6.1.3State PartitionTransition Model

6.1.4P2G Fast Propagation Model

6.2Control Strategies for Network Propagation

6.2.1ShortTerm and Longterm Behaviors of

Network Virus

6.2.2MultiStage Control Strategies

6.3Virus Immunization Strategies in Large Scale Network

6.3.1Managerial Challenges

6.3.2Traditional Immunization Strategies

6.3.3Periodic Immunization Strategy based on P2G

Propagation Models

6.3.4FaultTolerant Analysis for Periodic Immunization

Strategy

6.4NonLinear Propagation Problems in Network

6.4.1NonLinear SEIR Model

6.4.2Impacts of Crowding and Psychological Effects on

Network Propagation

6.4.3Managerial Implications

Summary

Chapter 7Language Descriptions and StateTransition Models

7.1An Overview

7.2The Basic Models of StateTransition Systems

7.3Language Descriptions and Modeling of StateTransitions

7.3.1Fuzziness

7.3.2Randomness

7.3.3Nondeterminism

7.4Behavior Comparison of StateTransition Systems

7.4.1Language Equivalence

7.4.2Bisimulation Equivalence

7.4.3Measure of Behavioral Distance

Summary

References

Index