定 價:29 元
叢書名:教育部高等學校電子商務(wù)類專業(yè)教學指導委員會規(guī)劃教材 , “十三五”江蘇省高等學校重點教材
- 作者:曹杰,李樹青 編
- 出版時間:2020/12/1
- ISBN:9787040543926
- 出 版 社:高等教育出版社
- 中圖法分類:F713.36
- 頁碼:199
- 紙張:膠版紙
- 版次:1
- 開本:16開
《電子商務(wù)大數(shù)據(jù)分析》是教育部高等學校電子商務(wù)類專業(yè)教學指導委員會規(guī)劃教材,也是“十三五”江蘇省高等學校重點教材(編號:2019-2-172)。
《電子商務(wù)大數(shù)據(jù)分析》共分6章,主要內(nèi)容包括電子商務(wù)與大數(shù)據(jù)分析導論、數(shù)據(jù)采集與預處理、軌跡大數(shù)據(jù)挖掘技術(shù)、電子商務(wù)欺詐與反欺詐、推薦系統(tǒng)以及案例分析。
《電子商務(wù)大數(shù)據(jù)分析》結(jié)構(gòu)清晰,內(nèi)容新穎,案例豐富,實用性強。
《電子商務(wù)大數(shù)據(jù)分析》可作為高等學校電子商務(wù)專業(yè)大數(shù)據(jù)分析課程教材,也可供對電子商務(wù)大數(shù)據(jù)分析感興趣的管理人員、技術(shù)人員及研究人員閱讀參考。
在電子商務(wù)大數(shù)據(jù)的各個應用分析領(lǐng)域中,人們最熟悉的就是個性化用戶服務(wù)。借助海量用戶訪問和消費形成的大數(shù)據(jù)資源,電子商務(wù)平臺可以建立“千人千面”的個性化服務(wù)模式,并實現(xiàn)對每一個用戶的個性化導購、個性化界面呈現(xiàn)和商品推薦服務(wù),最終實現(xiàn)電子商務(wù)平臺服務(wù)變革、商家銷售額增長、用戶滿意度提高的多贏共利局面。
其實,電子商務(wù)領(lǐng)域中的大數(shù)據(jù)分析應用遠遠不止這些。比如,在線上線下一體化的O2O電子商務(wù)模式中,通過軌跡大數(shù)據(jù)挖掘技術(shù)和多渠道知識融合方法,不僅可以進行室內(nèi)空間建模、用戶駐留點定位及行走路徑推測,還可以結(jié)合用戶線下行為模式及其時空特性,進行不同類型室內(nèi)場景中線下行為與購買動機、購買決策、策劃活動之間的關(guān)聯(lián)及相互影響分析。再比如,對于以社交互動為特點的電子商務(wù)應用領(lǐng)域,大量的惡意買家也對整個行業(yè)生態(tài)產(chǎn)生了巨大的不利影響,尤其是網(wǎng)絡(luò)水軍通過發(fā)布虛假評論來影響某件商品的評論走勢,最終影響用戶的購買決定,為其雇主或自身帶來不正當?shù)纳虡I(yè)利益。而借助基于評論數(shù)據(jù)識別虛假評論的半監(jiān)督方法,就可以實現(xiàn)有效的機器識別功能。以上內(nèi)容都會在本書中詳細介紹。
同時,我們也注意到,很多讀者在學習電子商務(wù)大數(shù)據(jù)分析原理和方法時,缺乏相應的實踐指導,所以本書融入了大量應用案例。本書中的案例主要分為兩部分:一是現(xiàn)代電子商務(wù)企業(yè)的真實應用案例,二是指導讀者具體實踐的操作案例,這些案例主要采用包括Python在內(nèi)的各種常見編程語言,結(jié)合真實應用場景和分析目標,詳細地介紹了相關(guān)方法的具體實現(xiàn)過程及其注意事項,為讀者掌握相關(guān)知識提供了必要的條件。
本書是在作者團隊多年講授相關(guān)課程和從事相關(guān)課題研究的基礎(chǔ)上編寫而成的,同時也借鑒了國內(nèi)外學者的相關(guān)研究成果。在理論闡述上力求簡潔扼要、深入淺出,在應用介紹上力求清晰、詳盡而有針對性。因此,本書是一本適合管理人員、技術(shù)人員、相關(guān)專業(yè)本科生及碩士生學習電子商務(wù)大數(shù)據(jù)分析的參考書。
曹杰,教授,南京財經(jīng)大學信息工程學院院長、電子商務(wù)信息處理國際聯(lián)合研究中心主任、電子商務(wù)交易技術(shù)國家地方聯(lián)合工程實驗室主任、江蘇省商務(wù)大數(shù)據(jù)工程研究中心主任、江蘇省商務(wù)軟件工程技術(shù)研究中心主任;兼任教育部高等學校電子商務(wù)類專業(yè)教學指導委員會委員。近年來,主持國家自然科學基金項目4項(包括2項重點項目)、國家重點研發(fā)計劃課題1項、國家科技支撐計劃項目2項、國家國際科技合作專項項目1I頁。發(fā)表SCI論文52篇;一出版英文專著1部;主編教材8部;獲得授權(quán)發(fā)明專利25項、軟件著作權(quán)28項:獲得江蘇省科學技術(shù)進步獎二等獎、教育部科學技術(shù)進步獎二等獎等各類科技獎勵10余項。
李樹青,教授,南京財經(jīng)大學信息工程學院副院長,碩士生導師,南京大學博士、紐約州立大學布法羅分校訪問學者;江蘇省高校“青藍工程”優(yōu)秀青年骨干教師、江蘇省科學技術(shù)情報學會理事、江蘇省科技期刊學會科技評價專業(yè)委員會委員。主要研究方向為互聯(lián)網(wǎng)用戶個性化服務(wù)和推薦系統(tǒng)。目前主持國家社會科學基金面上項目1項,主持和參與國家自然科學基金項目2項、江蘇省高等學校自然科學研究重大項目1項、江蘇省高等學校自然科學研究面上項目3項;發(fā)表學術(shù)論文50余篇,出版學術(shù)專著和教材9部。
第1章 電子商務(wù)與大數(shù)據(jù)分析導論
1.1 電子商務(wù)的定義
1.2 電子商務(wù)發(fā)展現(xiàn)狀
1.2.1 全球電子商務(wù)發(fā)展現(xiàn)狀
1.2.2 國內(nèi)電子商務(wù)發(fā)展現(xiàn)狀
1.3 電子商務(wù)的主要模式
1.4 電子商務(wù)的相關(guān)概念
1.4.1 電子商務(wù)構(gòu)成要素
1.4.2 電子商務(wù)關(guān)聯(lián)對象
1.5 電子商務(wù)發(fā)展歷程
1.6 電子商務(wù)中的數(shù)據(jù)
1.7 大數(shù)據(jù)簡介
1.7.1 大數(shù)據(jù)時代背景
1.7.2 大數(shù)據(jù)概念
1.7.3 大數(shù)據(jù)融合
1.7.4 大數(shù)據(jù)的分類及國內(nèi)外研究現(xiàn)狀
1.8 電子商務(wù)大數(shù)據(jù)
1.8.1 大數(shù)據(jù)在電子商務(wù)中的應用
1.8.2 O2O電子商務(wù)大數(shù)據(jù)的融合
1.9 本章小結(jié)
習題
第2章 數(shù)據(jù)采集與預處理
2.1 數(shù)據(jù)采集
2.1.1 數(shù)據(jù)來源
2.1.2 數(shù)據(jù)分類
2.1.3 采集方式
2.1.4 網(wǎng)絡(luò)爬蟲
2.2 電子商務(wù)數(shù)據(jù)采集
2.2.1 數(shù)據(jù)來源及分類
2.2.2 電子商務(wù)平臺數(shù)據(jù)采集
2.2.3 面臨的問題
2.3 數(shù)據(jù)預處理
2.3.1 數(shù)據(jù)清理
2.3.2 數(shù)據(jù)集成
2.3.3 數(shù)據(jù)變換
2.3.4 數(shù)據(jù)歸約
2.4 綜合案例
2.4.1 數(shù)據(jù)獲取
2.4.2 數(shù)據(jù)分析
2.5 本章小結(jié)
習題
第3章 軌跡大數(shù)據(jù)挖掘技術(shù)
3.1 軌跡大數(shù)據(jù)現(xiàn)狀與應用
3.2 軌跡數(shù)據(jù)預處理技術(shù)
3.2.1 噪聲過濾
3.2.2 駐留點檢測
3.2.3 軌跡壓縮
3.2.4 軌跡分割
3.2.5 地圖匹配
3.3 軌跡模式挖掘技術(shù)
3.3.1 伴行模式
3.3.2 軌跡聚類
3.3.3 序列模式
3.3.4 周期模式
3.4 軌跡語義建模和標注
3.4.1 軌跡語義轉(zhuǎn)化
3.4.2 軌跡語義標注
3.5 蘇寧云商軌跡大數(shù)據(jù)實例
3.5.1 研究思路
3.5.2 數(shù)據(jù)采集
3.5.3 數(shù)據(jù)預處理
3.5.4 顧客行為分析
3.6 本章小結(jié)
習題
第4章 電子商務(wù)欺詐與反欺詐
4.1 電子商務(wù)欺詐
4.1.1 電子商務(wù)欺詐定義
4.1.2 電子商務(wù)欺詐形成原因
4.1.3 電子商務(wù)欺詐危害
4.2 電子商務(wù)反欺詐
4.2.1 電子商務(wù)推薦系統(tǒng)惡意用戶檢測
4.2.2 電子商務(wù)網(wǎng)站惡意評論用戶檢測
4.2.3 社會化商務(wù)惡意用戶檢測
4.3 基于評論數(shù)據(jù)識別虛假評論案例
4.3.1 基于評論數(shù)據(jù)識別虛假評論架構(gòu)
4.3.2 虛假評論語料庫構(gòu)建
4.3.3 虛假評論識別
4.3.4 基于評論數(shù)據(jù)識別虛假評論實驗
4.4 本章小結(jié)
習題
第5章 推薦系統(tǒng)
5.1 推薦系統(tǒng)簡介
5.1.1 什么是推薦系統(tǒng)
5.1.2 推薦系統(tǒng)實驗簡介
5.2 基于內(nèi)容的推薦
5.2.1 引例
5.2.2 特征提取
5.2.3 興趣學習與推薦生成
5.2.4 案例
5.3 基于協(xié)同過濾的推薦
5.3.1 引例
5.3.2 基于用戶的協(xié)同過濾推薦
5.3.3 基于物品的協(xié)同過濾推薦
5.3.4 案例
5.4 基于內(nèi)容的推薦與協(xié)同過濾推薦的對比
5.4.1 基于內(nèi)容的推薦
5.4.2 協(xié)同過濾推薦
5.5 大數(shù)據(jù)時代的推薦系統(tǒng)
5.5.1 基于情境感知的推薦
5.5.2 基于用戶行為的推薦
5.6 本章小結(jié)
習題
第6章 案例分析
6.1 Python開發(fā)環(huán)境的搭建
6.1.1 Python語言簡介
6.1.2 Python程序安裝
6.1.3 Anaconda——流行的Python數(shù)據(jù)科學版本
6.2 PythonIDE
6.3 Python數(shù)據(jù)科學常用庫簡介
6.3.1 Python庫的概念簡介
6.3.2 Python第三方庫的安裝
6.3.3 NumPy庫
6.3.4 Pandas庫
6.3.5 PyQuery庫
6.4 Selenium工具
6.5 TesseractOCR引擎
6.6 具體案例分析
6.6.1 目標
6.6.2 數(shù)據(jù)獲取
6.6.3 數(shù)據(jù)處理
6.6.4 數(shù)據(jù)分析
參考文獻