计算机专业毕业设计外文翻译2份-中英文对照 (2)

计算机专业毕业设计外文翻译2份-中英文对照 (2)

ID:30469521

大小:80.88 KB

页数:18页

时间:2018-12-30

计算机专业毕业设计外文翻译2份-中英文对照 (2)_第1页
计算机专业毕业设计外文翻译2份-中英文对照 (2)_第2页
计算机专业毕业设计外文翻译2份-中英文对照 (2)_第3页
计算机专业毕业设计外文翻译2份-中英文对照 (2)_第4页
计算机专业毕业设计外文翻译2份-中英文对照 (2)_第5页
资源描述:

《计算机专业毕业设计外文翻译2份-中英文对照 (2)》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、毕业论文外文文献翻译2份目录1外文文献译文(1)11.1建立客户模型与业务数据:一个自动的方法基于模糊聚类和机器学习11.2摘要11.3介绍11.4提案22外文文献原文(1)32.1title32.2Abstract32.3Introduction32.4OurProposal53外文文献译文(2)63.1客户的知识关系管理:整合知识管理和客户关系管理过程63.2摘要63.3介绍63.4文献综述73.5提出客户知识关系管理过程的概念模型84外文文献原文(2)84.1title84.2Abstract84.3Introduction94.4LiteratureReview1

2、04.5ProposedCustomerKnowledgeRelationshipManagementProcess:AConceptualModel11171外文文献译文(1)1.1建立客户模型与业务数据:一个自动的方法基于模糊聚类和机器学习1.2摘要数据挖掘(DM)是一门新兴学科,旨在从数据中提取知识使用几种技术。DM证明是有用的业务数据的描述客户和他们的交易以兆兆字节。在本文中,我们提出的方法建立客户模型(也说在文献资料)与业务数据。我们的方法是三步。在第一步中,我们使用模糊聚类分类的客户,即确定客户群。一个关键特性是,很多团体(或集群)自动计算从数据使用划分熵作为

3、真实性的标准。在第二步中,我们进行降维旨在保持为每组只有客户的信息最丰富的属性。为此,我们定义了信息损失量化信息程度的一个属性。因此,作为结果,第二步,我们获得的消费者群每个描述由一种独特的属性集。在第三个和最后一步,我们使用摘要神经网络中获取有用的知识从这些组织。真实世界的数据集上的实验结果揭示了我们的方法的良好性能,应该模拟未来的研究。关键字:数据挖掘、客户利润、客户关系、模糊聚类、降维、倒传递类神经网路、信息原理1.3介绍如果可以探测和预测客户的行为改变,营销管理能够和客户发展长期和愉快的关系。在过去,研究人员通常使用应用统计调查研究客户的行为。最近,数据挖掘技术已

4、经采用,这些技术的目标通过搜索数据库以获取隐式的,未知,和潜在有用信息,包括知识规则、约束和规律。数据挖掘,是数据库的中知识发现关键的一步,包括特定算法的模式提取的应用,像网络、市场、金融和银行业务这些领域已经有多方面成功的应用。目前,企业面临的挑战是一个不断发展的市场,客户的需求在不断地变化。17因此,代替对待所有客户一样,企业可以只选择那些符合特定的盈利条件的客户,标准基于他们个人的需求或消费行为。这样,所发现的信息可以为市场做更精准的决策。因此,可以定义对客户概括的数据挖掘,是简单地作为的允许建立描述一组特定的习惯、态度和行为客户档案的技术。数据挖掘技术在客户分析中

5、面临一些困难,大量的数据可用来创建用户模型,数据是否适当,数据噪音问题和和捕获人类不确定性行为的必要性。数据挖掘和机器学习技术能够处理大量的数据和不确定性。这些特征使这些技术实现客户模型的自动生成,提高决策效率。一些文献提出人工智能技术可以解决这个问题。事实上,许多工业应用程序为了发展客户分析已经使用贝叶斯网络、决策树、支持向量机、人工神经网络和关联规则技术。以后,我们将列出一些对于客户分析的研究活动,向新手读者介绍一些该领域的背景知识。如果想对现有方法深入学习,感兴趣的读者参考相关的专业文献。第十七文献中提出一个集成的数据挖掘模型和行为得分模型管理银行现有的信用卡客户。

6、区分基于还款行为时效性、频率、货币行为和得分的预测因子的客户群,使用自组织映射方法。同样将银行的客户分为三种主要盈利的客户群,使用先验的关联规则挖掘不同客户群的功能属性。其他方法也在零售市场得到应用,因为在动态的零售市场观察客户行为的变化可以帮助管理者建立有效的宣传活动。第五文献中的模型,合并了客户行为变量,人口统计学变量和事务数据库统计客户的行为变化。为了挖掘变化模式,相似性和不可预测性两种扩展特征用来分析不同时期模式的相似度。关联规则挖掘首次发现客户行为模式。自从发现了关联规则,通过比较两组不同时期的数据的关联规则确定客户行为的变化。基于先前的学习,客户行为改变包括出

7、现模式、增加模式、流失模式和不确定模式。第四十文献中另一个值得注意的案例,现在这个模式使用到其他的服务,目前提供给移动电信用户。使用要素分析,聚类和定量关联规则这些方法发现细分客户群采用的服务模式,从这些分析中,确定了三种类别的用户。第一类用户由新一代利用额外服务收费的用户组成,组要为了休闲和娱乐。年轻的一代比年长的一代更频繁地使用手机,他们趋向展示更高的各种不同的附加服务使用模式。第二类用户使用实际的附加服务,低价或免费的如“数据服务”和“通话服务”通过“来电显示请求服务”。最后一类用户没有明显的特征。这份研究使用关联规则发

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。