發(fā)布時間：2018-03-31 00:25

  本文選題：數(shù)據(jù)挖掘　切入點：客戶分類　出處：《北京交通大學(xué)》2017年碩士論文

【摘要】：港口作為貨物集散和貿(mào)易往來的場所,對一個國家或地區(qū)是非常重要的運輸樞紐。隨著港口服務(wù)市場近年來供求關(guān)系的轉(zhuǎn)變,港口企業(yè)為謀求更長遠的發(fā)展,試圖通過傳統(tǒng)商業(yè)智能技術(shù)輔助其決策。然而由于傳統(tǒng)商業(yè)智能技術(shù)著重于分析企業(yè)內(nèi)部的結(jié)構(gòu)化數(shù)據(jù),對外部的非結(jié)構(gòu)化數(shù)據(jù)處理存在較大的局限性,導(dǎo)致其最終得到的應(yīng)用效果并不理想。針對這一問題,本文提出了一種基于Web數(shù)據(jù)的港口客戶分類方法,通過對企業(yè)外部非結(jié)構(gòu)化數(shù)據(jù)進行采集和處理,有針對性的提取港口客戶相關(guān)信息,進而運用文本分類、神經(jīng)網(wǎng)絡(luò)等理論和技術(shù),以期使用外部數(shù)據(jù)結(jié)合港口內(nèi)部數(shù)據(jù)對港口客戶進行全面立體的刻畫。內(nèi)外部數(shù)據(jù)結(jié)合的大數(shù)據(jù)技術(shù)的綜合應(yīng)用克服了內(nèi)部數(shù)據(jù)在港口客戶分類管理中存在遲滯、片面、失真的問題,使得企業(yè)更加及時、全面、系統(tǒng)地了解客戶真實情況,進而幫助港口企業(yè)更好的了解客戶以進行有效的商務(wù)決策。本文以廣州某港口企業(yè)信息化建設(shè)現(xiàn)狀為研究背景,采用基于Web數(shù)據(jù)的港口客戶數(shù)據(jù)結(jié)合傳統(tǒng)內(nèi)部數(shù)據(jù)的方法進行客戶分類,以港口企業(yè)客戶管理決策為目的,在研究客戶管理理論、文本分類、客戶分類方法的基礎(chǔ)上做了如下研究:第一,通過網(wǎng)絡(luò)爬蟲技術(shù)獲取港口客戶外部數(shù)據(jù)并轉(zhuǎn)化成分類指標,然后結(jié)合傳統(tǒng)客戶分類內(nèi)部指標建立全面的港口客戶分類指標體系;第二,基于內(nèi)外部數(shù)據(jù)結(jié)合建立全面的指標體系搭建港口客戶分類模型;第三,結(jié)合客戶管理理論及港口業(yè)務(wù)流程,對內(nèi)外部數(shù)據(jù)結(jié)合的客戶分類結(jié)果進行針對性的商務(wù)決策支持;最后,利用分布式計算技術(shù)以及J2EE技術(shù)實現(xiàn)了該港口商務(wù)決策系統(tǒng)的設(shè)計。
[Abstract]:As a place for cargo distribution and trade, port is a very important transportation hub for a country or region. With the change of supply and demand relationship in port service market in recent years, port enterprises seek for more long-term development. This paper attempts to assist the decision making by the traditional business intelligence technology. However, because the traditional business intelligence technology focuses on the analysis of the internal structured data, it has great limitations to the external unstructured data processing. In view of this problem, this paper puts forward a method of port customer classification based on Web data, which collects and processes external unstructured data. The relevant information of port customers is extracted pertinently, and then the theory and technology of text classification, neural network and so on are used. The comprehensive application of big data technology combined with external data and port internal data can overcome the lag and one-sided of internal data in the classification management of port customers. The problem of distortion makes the enterprise more timely, comprehensive and systematic understanding of the customer's real situation, In order to help port enterprises better understand customers in order to make effective business decisions, this paper takes the present situation of information construction of a port enterprise in Guangzhou as the research background. This paper adopts the method of combining port customer data based on Web data with traditional internal data to classify customers. The purpose of this paper is to study the theory of customer management and text classification. On the basis of the customer classification method, the following research is done: first, through the web crawler technology to obtain port customer external data and transform into classification indicators, and then combined with the traditional customer classification internal indicators to establish a comprehensive port customer classification index system; Second, based on the combination of internal and external data to establish a comprehensive index system to build a port customer classification model; third, combined with customer management theory and port business processes, Finally, the design of the port business decision system is realized by using distributed computing technology and J2EE technology.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP311.52;F552.6;F274

【參考文獻】

相關(guān)期刊論文 前10條

1 王肇國;易涵;張為華;;基于機器學(xué)習(xí)特性的數(shù)據(jù)中心能耗優(yōu)化方法[J];軟件學(xué)報;2014年07期

2 劉枚蓮;劉同存;肖吉軍;;基于雙向關(guān)聯(lián)規(guī)則的網(wǎng)絡(luò)消費者偏好挖掘研究[J];微電子學(xué)與計算機;2013年03期

3 林維仲;張東站;;NPLWAP:一種新的Web序列模式挖掘算法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2013年01期

4 張婷婷;賀昌政;肖進;;基于動態(tài)分類器集成選擇的不完整數(shù)據(jù)客戶分類方法實證研究[J];管理評論;2012年06期

5 唐蓉君;馬玉波;蔣丹璐;;基于多分類器的房地產(chǎn)客戶分類[J];世界科技研究與發(fā)展;2012年01期

6 胡雄斌;;基于客戶價值的客戶分類及保持策略研究[J];商業(yè)時代;2010年26期

7 周金柱;張福順;黃進;唐波;熊長武;;基于核機器學(xué)習(xí)的腔體濾波器輔助調(diào)試[J];電子學(xué)報;2010年06期

8 周歡;;CRM中客戶分類方法的研究與應(yīng)用[J];計算機工程與設(shè)計;2008年03期

9 周曉剛;洪春勇;;蟻群聚類算法在客戶分類中的應(yīng)用[J];計算機與現(xiàn)代化;2007年05期

10 梁工謙;李娟;楊濤;;基于電子商務(wù)的分銷渠道選擇與管理研究[J];情報雜志;2006年06期

相關(guān)碩士學(xué)位論文 前10條

1 楊嵐;電子商務(wù)潛在客戶挖掘[D];華僑大學(xué);2014年

2 江哲雅;聚類挖掘在電信客戶分類中的研究與應(yīng)用[D];上海交通大學(xué);2013年

3 黃雄偉;基于Web數(shù)據(jù)挖掘的客戶行為分析研究及應(yīng)用[D];武漢理工大學(xué);2011年

4 沈紅超;數(shù)據(jù)挖掘技術(shù)在電子商務(wù)中的應(yīng)用研究[D];江南大學(xué);2009年

5 周世東;Web數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用研究[D];北京交通大學(xué);2008年

6 任新;Web數(shù)據(jù)挖掘及其在電子商務(wù)中的應(yīng)用研究[D];貴州大學(xué);2008年

7 徐琛鈞;數(shù)據(jù)挖掘在分析型CRM中的應(yīng)用研究[D];安徽理工大學(xué);2007年

8 薛軍;基于聚類技術(shù)的客戶分類系統(tǒng)研究與實現(xiàn)[D];上海交通大學(xué);2007年

9 徐強;Web數(shù)據(jù)挖掘在CRM中的應(yīng)用研究[D];哈爾濱工程大學(xué);2006年

10 李蕾;電子商務(wù)企業(yè)客戶關(guān)系管理中的數(shù)據(jù)挖掘研究[D];東北財經(jīng)大學(xué);2005年

，

本文編號：1688340