顶部
收藏

电子商务大数据分析-换封面


作者:
曹杰 李树青
定价:
29.00元
ISBN:
978-7-04-054392-6
版面字数:
0.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2021-02-26
读者对象:
高等教育
一级分类:
管理
二级分类:
电子商务
三级分类:
电子商务

本书是“十三五”江苏省高等学校重点教材(编号:2019-2-172)。本书共分6 章,主要内容包括电子商务与大数据分析导论、数据采集与预处理、轨迹大数据挖掘技术、电子商务欺诈与反欺诈、推荐系统以及案例分析。本书结构清晰,内容新颖,案例丰富,实用性强。

本书可作为高等学校电子商务专业大数据分析课程教材,也可供对电子商务大数据分析感兴趣的管理人员、技术人员及研究人员阅读参考。

  • 前辅文
  • 第1章 电子商务与大数据分析导论
    • 1.1 电子商务的定义
    • 1.2 电子商务发展现状
      • 1.2.1 全球电子商务发展现状
      • 1.2.2 国内电子商务发展现状
    • 1.3 电子商务的主要模式
    • 1.4 电子商务的相关概念
      • 1.4.1 电子商务构成要素
      • 1.4.2 电子商务关联对象
    • 1.5 电子商务发展历程
    • 1.6 电子商务中的数据
    • 1.7 大数据简介
      • 1.7.1 大数据时代背景
      • 1.7.2 大数据概念
      • 1.7.3 大数据融合
      • 1.7.4 大数据的分类及国内外研究现状
    • 1.8 电子商务大数据
      • 1.8.1 大数据在电子商务中的应用
      • 1.8.2 O2O 电子商务大数据的融合
    • 1.9 本章小结
    • 习题
  • 第2章 数据采集与预处理
    • 2.1 数据采集
      • 2.1.1 数据来源
      • 2.1.2 数据分类
      • 2.1.3 采集方式
      • 2.1.4 网络爬虫
    • 2.2 电子商务数据采集
      • 2.2.1 数据来源及分类
      • 2.2.2 电子商务平台数据采集
      • 2.2.3 面临的问题
    • 2.3 数据预处理
      • 2.3.1 数据清理
      • 2.3.2 数据集成
      • 2.3.3 数据变换
      • 2.3.4 数据归约
    • 2.4 综合案例
      • 2.4.1 数据获取
      • 2.4.2 数据分析
    • 2.5 本章小结
    • 习题
  • 第3章 轨迹大数据挖掘技术
    • 3.1 轨迹大数据现状与应用
    • 3.2 轨迹数据预处理技术
      • 3.2.1 噪声过滤
      • 3.2.2 驻留点检测
      • 3.2.3 轨迹压缩
      • 3.2.4 轨迹分割
      • 3.2.5 地图匹配
    • 3.3 轨迹模式挖掘技术
      • 3.3.1 伴行模式
      • 3.3.2 轨迹聚类
      • 3.3.3 序列模式
      • 3.3.4 周期模式
    • 3.4 轨迹语义建模和标注
      • 3.4.1 轨迹语义转化
      • 3.4.2 轨迹语义标注
    • 3.5 苏宁云商轨迹大数据实例
      • 3.5.1 研究思路
      • 3.5.2 数据采集
      • 3.5.3 数据预处理
      • 3.5.4 顾客行为分析
    • 3.6 本章小结
    • 习题
  • 第4章 电子商务欺诈与反欺诈
    • 4.1 电子商务欺诈
      • 4.1.1 电子商务欺诈定义
      • 4.1.2 电子商务欺诈形成原因
      • 4.1.3 电子商务欺诈危害
    • 4.2 电子商务反欺诈
      • 4.2.1 电子商务推荐系统恶意用户检测
      • 4.2.2 电子商务网站恶意评论用户检测
      • 4.2.3 社会化商务恶意用户检测
    • 4.3 基于评论数据识别虚假评论案例
      • 4.3.1 基于评论数据识别虚假评论架构
      • 4.3.2 虚假评论语料库构建
      • 4.3.3 虚假评论识别
      • 4.3.4 基于评论数据识别虚假评论实验
    • 4.4 本章小结
    • 习题
  • 第5章 推荐系统
    • 5.1 推荐系统简介
      • 5.1.1 什么是推荐系统
      • 5.1.2 推荐系统实验简介
    • 5.2 基于内容的推荐.
      • 5.2.1 引例
      • 5.2.2 特征提取.
      • 5.2.3 兴趣学习与推荐生成
      • 5.2.4 案例
    • 5.3 基于协同过滤的推荐
      • 5.3.1 引例
      • 5.3.2 基于用户的协同过滤推荐
      • 5.3.3 基于物品的协同过滤推荐
      • 5.3.4 案例
    • 5.4 基于内容的推荐与协同过滤推荐的对比
      • 5.4.1 基于内容的推荐
      • 5.4.2 协同过滤推荐
    • 5.5 大数据时代的推荐系统
      • 5.5.1 基于情境感知的推荐
      • 5.5.2 基于用户行为的推荐
    • 5.6 本章小结
    • 习题
  • 第6章 案例分析
    • 6.1 Python 开发环境的搭建
      • 6.1.1 Python 语言简介
      • 6.1.2 Python 程序安装
      • 6.1.3 Anaconda——流行的Python 数据科学版本
    • 6.2 Python IDE
    • 6.3 Python 数据科学常用库简介
      • 6.3.1 Python 库的概念简介
      • 6.3.2 Python 第三方库的安装
      • 6.3.3 NumPy 库
      • 6.3.4 Pandas 库
      • 6.3.5 PyQuery 库
    • 6.4 Selenium 工具
    • 6.5 Tesseract OCR 引擎
    • 6.6 具体案例分析
      • 6.6.1 目标
      • 6.6.2 数据获取
      • 6.6.3 数据处理
      • 6.6.4 数据分析
  • 参考文献

相关图书