分布式连锁商业数据挖掘模型

章节摘录

　　本书研究的创新之处主要体现在研究视角、研究内容和研究方法三个方面，归纳如下。　　（1）研究视角上的创新　　充分认识到我国连锁商业企业的发展对我国商品流通业整体发展的积极作用以及未来发展面临的问题，将目前以软件研究为主的分布式数据挖掘系统研究与之相结合，一方面将分布式数据挖掘的研究延伸到商业企业决策应用领域，解决了大型连锁商业企业海量数据分散、异构带来的数据处理的难题；另一一方面，采用分布式数据挖掘技术通过面向服务的多移动Agent系统的设计，保证了数据挖掘的安全性，实现了系统灵活性、可扩展性；通过优化的算法保证了数据挖掘的准确性，提高了数据挖掘的效率；通过多种预测模型、决策模型的组合满足了企业对多维、多层企业决策支持的需求，从而为知识经营背景下连锁商业企业的知识发现提供了技术基础，有效解决了目前我国大型连锁商业企业经营决策面临的实际问题。　　（2）研究内容上的创新　　①根据连锁商业数据源特点及数据挖掘需求，提出了反映连锁商业企业经营过程的多维多层商业数据概念模型，为连锁商业企业量身定做了适应于决策需求的分布式数据管理概念模型。　　②将面向服务的架构S0A引入系统设计，并结合移动Agent技术构建了以面向服务的模型库为核心的多移动Agent系统——SMAS，利用Agent对服务机制进行封装，通过多个Agent之间的合作来实现复杂信息系统的各种功能，在系统架构设计及通用性方面具有理论和应用的创新。

前言

　　随着知识经济时代的来临，信息与知识已经成为国家和企业发展的重要战略资源，是提高一个组织乃至一个国家战略竞争力的核心，也是实施科学管理与决策的基础。如何获取信息与发现知识，尤其是如何快速高效地在动态变化和爆炸性增长的分布型海量数据中获取信息和发现知识就成了关键性问题。　　作为国民经济和社会发展的重要组成部分，商贸流通业已经在过去的发展中形成了大量的商业数据库，并且其数据流量仍在继续保持增长。尤其是商业领域中大型连锁商业企业（如沃尔玛Wall-mart、家乐福Cattfour、麦得龙Metro、上海百联、解百集团等）通过网络实现上千家连锁分店、配送中心与总店间内部信息的互联，以及与众多供应商、银行等外部信息的交换，形成了分布式的商业数据共享环境。这些分布的数据库以每天几百兆甚至更多的数据记录量的速度增加和流动。形成了动态变化的海量商业数据库。　　显然，在知识成为企业核心竞争力的今天，如何从海量动态商业数据中提炼出有价值的商业知识，指导企业经营管理和科学决策，已经成为连锁商业企业持续健康发展的关键所在。

书籍目录

第1章  绪论  1.1  背景意义    1.1.1  连锁商业企业发展现状与趋势    1.1.2  连锁商业企业信息化现状与趋势    1.1.3  连锁商业企业经营决策需求分析    1.1.4  商务智能与数据挖掘技术的发展    1.1.5  分布式数据挖掘技术的内涵与发展  1.2  数据挖掘技术的商业应用现状与挑战    1.2.1  电子商务管理领域    1.2.2  客户关系管理领域    1.2.3  经营决策领域  1.3  本书研究创新之处第2章  布式数据挖掘理论及应用综述  2.1  分布式数据库管理与访问机制  2.2  分布环境下数据挖掘研究现状    2.2.1  分布式数据挖掘的形成与发展    2.2.2  基于CORBA的分布数据挖掘体系    2.2.3  基于网格的分布数据挖掘体系    2.2.4  基于Web services的分布数据挖掘体系  2.3  分布环境下数据挖掘算法研究    2.3.1  数据挖掘算法任务类型    2.3.2  经典数据挖掘算法    2.3.3  其他分布式算法  2.4  现有数据挖掘工具介绍    2.4.1  DMiner挖掘工具    2.4.2  Weka挖掘工具  2.5  本章小结第3章  分布式连锁商业数据源内涵与管理体系  3.1  连锁商业企业组织网络分布与特点  3.2  连锁商业企业数据管理组织行为特点  3.3  分布式连锁商业企业数据源内涵  3.4  分布式连锁商业数据概念模型与内涵    3.4.1  分布式连锁商业数据概念与内容    3.4.2  分布式连锁商业数据的概念模型    3.4.3  基于概念模型的商业数据表达与运算  3.5  分布式连锁商业数据管理体系    3.5.1  支持分布式连锁商业数据挖掘的逻辑管理模型    3.5.2  支持分布式连锁商业数据挖掘的协同管理模型    3.5.3  基于Mobile—Agent的连锁商业协同挖掘模型实现  3.6  本章小结第4章  分布式连锁商业数据挖掘系统的体系架构实现  4.1  分布式连锁商业企业数据挖掘需求分析    4.1.1  支持全局决策优化的数据挖掘需求分析    4.1.2  支持局部自主决策的数据挖掘需求分析  4.2  面向连锁商业决策的分布式数据挖掘系统（B—DSM）    4.2.1  面向连锁商业企业的B—DSM系统框架    4.2.2  面向连锁商业企业的B—DSM模型原理    4.2.3  面向连锁商业企业的B—DSM功能模块  4.3  基于SMAS体系的B—DSM系统实现技术    4.3.1  设计思想    4.3.2  支撑结构    4.3.3  运行结构  4.4  支持SMAS系统实现的数据交换关键技术    4.4.1  对等交换和主从交换的概念与内涵    4.4.2  基于对等交换和主从交换的商业企业知识迁移和交换模型  4.5  大型零售企业综合电子商务平台与客户服务系统的实证    4.5.1  系统结构    4.5.2  系统功能  4.6  本章小结第5章  面向连锁商业企业的分布式数据挖掘算法模型  5.1  基于分布式ID3的连锁商业企业挖掘算法（B—DID3）      5.1.1  分布式ID3在连锁商业决策中的应用分析    5.1.2  面向连锁商业企业的分布式ID3算法实现    5.1.3  基于分布式ID3算法的连锁商业挖掘模型    5.1.4  数据挖掘模型验证和数据分析  5.2  基于分布式BNs的连锁商业企业挖掘算法（B—BNs）    5.2.1  分布式BNs在连锁商业决策中的应用分析    5.2.2  面向连锁商业企业的分布式BNs算法实现    5.2.3  基于分布式BNs算法的连锁商业挖掘模型    5.2.4  数据挖掘模型验证与结果分析  5.3  基于分布式关联规则的连锁商业企业挖掘模型（B—DAR）    5.3.1  分布式关联规则在连锁商业决策中的应用分析    5.3.2  面向连锁商业企业的分布式关联规则算法实现    5.3.3  基于分布DAR算法的连锁商业数据挖掘模型    5.3.4  数据挖掘试验与结果分析  5.4  基于C4.5和地域因素的连锁商业企业挖掘算法（B—ZDT）    5.4.1  分布式C4.5算法在连锁商业企业决策中的应用分析    5.4.2  基于地域因素的分布式连锁商业企业数据挖掘模型    5.4.3  基于网格技术的GZDM模型  5.5  本章小结第6章  面向大型连锁商业企业商业数据挖掘的实证研究  6.1  某百货集团商业数据挖掘系统（HZ—DM）概况  6.2  某百货集团HZ—DM系统体系结构实现    6.2.1  体系结构设计    6.2.2  业务逻辑层设计    6.2.3  用户界面层设计  6.3  某百货集团HZ—DM系统挖掘功能实证    6.3.1  传统统计分析方法在某百货集团中的应用分析    6.3.2  关联规则在某百货集团中的应用分析    6.3.3  B—ZDT算法在某百货集团的应用分析    6.3.4  B—BNs算法在某百货集团的应用分析  6.4  某百货集团HZ—DM实施的经济效益评价  6.5  本章小结第7章  集成情境因素的连锁商业数据挖掘系统研究  7.1  数据挖掘知识重用与情境研究    7.1.1  知识重用理论研究    7.1.2  知识情境理论研究  7.2  连锁商业数据挖掘知识情境内涵  7.3  集成情境的连锁商业数据挖掘知识产品概念模型    7.3.1  嵌入情境的连锁商业数据挖掘知识产品描述    7.3.2  基于情境匹配的连锁商业数据挖掘知识产品发现和重用  7.4  分布式连锁商业数据挖掘知识管理系统架构  7.5  某百货集团数据挖掘系统功能的进一步探索    7.5.1  理论研究与建模思路    7.5.2  产品品类生命周期情境知识生成    7.5.3  集成情境知识的推理规则库    7.5.4  应用示例分析  7.6  本章小结第8章  数据流时代的连锁商业数据挖掘研究展望  8.1  数据流管理理论与技术发展动态    8.1.1  数据流概要数据结构研究    8.1.2  数据流环境下的连续近似查询    8.1.3  经典数据流管理原型系统回顾  8.2  连锁商业数据流挖掘研究现状比较  8.3  连锁商业数据流挖掘的研究工作展望参考文献

作者简介

《分布式连锁商业数据挖掘模型》力图追踪国内外数据挖掘理论的最新热点——分布式商业数据挖掘技术，其研究视野居于国内同领域理论研究前沿，研究观点比较全面、系统、深入，具有较强的前瞻性和创新性。全书在深入分析当前连锁商业企业经营特点的基础上，以连锁商业企业为主要研究和应用对象，系统介绍了分布式商业数据挖掘理论和技术应用。

图书封面

---

 分布式连锁商业数据挖掘模型下载

---