電子商務(wù)大數(shù)據(jù)分析

定　價(jià)：￥29.00

作　者：	曹杰，李樹(shù)青著
出版社：	高等教育出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787040543926	出版時(shí)間：	2021-02-01	包裝：	平裝
開(kāi)本：		頁(yè)數(shù)：	208	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《電子商務(wù)大數(shù)據(jù)分析》是教育部高等學(xué)校電子商務(wù)類(lèi)專(zhuān)業(yè)教學(xué)指導(dǎo)委員會(huì)規(guī)劃教材，也是“十三五”江蘇省高等學(xué)校重點(diǎn)教材（編號(hào)：2019-2-172）?！　峨娮由虅?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(dǎo)論、數(shù)據(jù)采集與預(yù)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(shí)用性強(qiáng)?！　峨娮由虅?wù)大數(shù)據(jù)分析》可作為高等學(xué)校電子商務(wù)專(zhuān)業(yè)大數(shù)據(jù)分析課程教材，也可供對(duì)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。

作者簡(jiǎn)介

　　曹杰，教授，南京財(cái)經(jīng)大學(xué)信息工程學(xué)院院長(zhǎng)、電子商務(wù)信息處理國(guó)際聯(lián)合研究中心主任、電子商務(wù)交易技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)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(xué)校電子商務(wù)類(lèi)專(zhuān)業(yè)教學(xué)指導(dǎo)委員會(huì)委員。近年來(lái)，主持國(guó)家自然科學(xué)基金項(xiàng)目4項(xiàng)（包括2項(xiàng)重點(diǎn)項(xiàng)目）、國(guó)家重點(diǎn)研發(fā)計(jì)劃課題1項(xiàng)、國(guó)家科技支撐計(jì)劃項(xiàng)目2項(xiàng)、國(guó)家國(guó)際科技合作專(zhuān)項(xiàng)項(xiàng)目1I頁(yè)。發(fā)表SCI論文52篇；一出版英文專(zhuān)著1部；主編教材8部；獲得授權(quán)發(fā)明專(zhuān)利25項(xiàng)、軟件著作權(quán)28項(xiàng)：獲得江蘇省科學(xué)技術(shù)進(jìn)步獎(jiǎng)二等獎(jiǎng)、教育部科學(xué)技術(shù)進(jìn)步獎(jiǎng)二等獎(jiǎng)等各類(lèi)科技獎(jiǎng)勵(lì)10余項(xiàng)。李樹(shù)青，教授，南京財(cái)經(jīng)大學(xué)信息工程學(xué)院副院長(zhǎng)，碩士生導(dǎo)師，南京大學(xué)博士、紐約州立大學(xué)布法羅分校訪問(wèn)學(xué)者；江蘇省高?！扒嗨{(lán)工程”優(yōu)秀青年骨干教師、江蘇省科學(xué)技術(shù)情報(bào)學(xué)會(huì)理事、江蘇省科技期刊學(xué)會(huì)科技評(píng)價(jià)專(zhuān)業(yè)委員會(huì)委員。主要研究方向?yàn)榛ヂ?lián)網(wǎng)用戶個(gè)性化服務(wù)和推薦系統(tǒng)。目前主持國(guó)家社會(huì)科學(xué)基金面上項(xiàng)目1項(xiàng)，主持和參與國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)、江蘇省高等學(xué)校自然科學(xué)研究重大項(xiàng)目1項(xiàng)、江蘇省高等學(xué)校自然科學(xué)研究面上項(xiàng)目3項(xiàng)；發(fā)表學(xué)術(shù)論文50余篇，出版學(xué)術(shù)專(zhuān)著和教材9部。

圖書(shū)目錄

第1章電子商務(wù)與大數(shù)據(jù)分析導(dǎo)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(guó)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(duì)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(jiǎn)介
1．7．1 大數(shù)據(jù)時(shí)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(lèi)及國(guó)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(yīng)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(xí)題

第2章數(shù)據(jù)采集與預(yù)處理
2．1 數(shù)據(jù)采集
2．1．1 數(shù)據(jù)來(lái)源
2．1．2 數(shù)據(jù)分類(lèi)
2．1．3 采集方式
2．1．4 網(wǎng)絡(luò)爬蟲(chóng)
2．2 電子商務(wù)數(shù)據(jù)采集
2．2．1 數(shù)據(jù)來(lái)源及分類(lèi)
2．2．2 電子商務(wù)平臺(tái)數(shù)據(jù)采集
2．2．3 面臨的問(wèn)題
2．3 數(shù)據(jù)預(yù)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(xí)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(yīng)用
3．2 軌跡數(shù)據(jù)預(yù)處理技術(shù)
3．2．1 噪聲過(guò)濾
3．2．2 駐留點(diǎn)檢測(cè)
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(lèi)
3．3．3 序列模式
3．3．4 周期模式
3．4 軌跡語(yǔ)義建模和標(biāo)注
3．4．1 軌跡語(yǔ)義轉(zhuǎn)化
3．4．2 軌跡語(yǔ)義標(biāo)注
3．5 蘇寧云商軌跡大數(shù)據(jù)實(shí)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(yù)處理
3．5．4 顧客行為分析
3．6 本章小結(jié)
習(xí)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(cè)
4．2．2 電子商務(wù)網(wǎng)站惡意評(píng)論用戶檢測(cè)
4．2．3 社會(huì)化商務(wù)惡意用戶檢測(cè)
4．3 基于評(píng)論數(shù)據(jù)識(shí)別虛假評(píng)論案例
4．3．1 基于評(píng)論數(shù)據(jù)識(shí)別虛假評(píng)論架構(gòu)
4．3．2 虛假評(píng)論語(yǔ)料庫(kù)構(gòu)建
4．3．3 虛假評(píng)論識(shí)別
4．3．4 基于評(píng)論數(shù)據(jù)識(shí)別虛假評(píng)論實(shí)驗(yàn)
4．4 本章小結(jié)
習(xí)題

第5章推薦系統(tǒng)
5．1 推薦系統(tǒng)簡(jiǎn)介
5．1．1 什么是推薦系統(tǒng)
5．1．2 推薦系統(tǒng)實(shí)驗(yàn)簡(jiǎn)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(xué)習(xí)與推薦生成
5．2．4 案例
5．3 基于協(xié)同過(guò)濾的推薦
5．3．1 引例
5．3．2 基于用戶的協(xié)同過(guò)濾推薦
5．3．3 基于物品的協(xié)同過(guò)濾推薦
5．3．4 案例
5．4 基于內(nèi)容的推薦與協(xié)同過(guò)濾推薦的對(duì)比
5．4．1 基于內(nèi)容的推薦
5．4．2 協(xié)同過(guò)濾推薦
5．5 大數(shù)據(jù)時(shí)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(xí)題

第6章案例分析
6．1 Python開(kāi)發(fā)環(huán)境的搭建
6．1．1 Python語(yǔ)言簡(jiǎn)介
6．1．2 Python程序安裝
6．1．3 Anaconda——流行的Python數(shù)據(jù)科學(xué)版本
6．2 PythonIDE
6．3 Python數(shù)據(jù)科學(xué)常用庫(kù)簡(jiǎn)介
6．3．1 Python庫(kù)的概念簡(jiǎn)介
6．3．2 Python第三方庫(kù)的安裝
6．3．3 NumPy庫(kù)
6．3．4 Pandas庫(kù)
6．3．5 PyQuery庫(kù)
6．4 Selenium工具
6．5 TesseractOCR引擎
6．6 具體案例分析
6．6．1 目標(biāo)
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(xiàn)