| 论文创新点 | 第4-5页 |
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 0 绪论 | 第17-45页 |
| 0.1 研究背景与意义 | 第17-22页 |
| 0.2 国内外研究现状 | 第22-41页 |
| 0.2.1 企业竞争情报分析的研究现状 | 第22-32页 |
| 0.2.2 数据挖掘的研究现状 | 第32-37页 |
| 0.2.3 数据挖掘与企业竞争情报分析的结合 | 第37-41页 |
| 0.3 研究方法与内容 | 第41-44页 |
| 0.3.1 研究方法 | 第41-42页 |
| 0.3.2 论文的主要内容 | 第42-44页 |
| 0.4 论文的组织结构 | 第44-45页 |
| 1 企业竞争情报及其分析 | 第45-67页 |
| 1.1 企业竞争情报概述 | 第45-53页 |
| 1.1.1 企业竞争情报的含义 | 第45-47页 |
| 1.1.2 企业竞争情报的特征 | 第47-51页 |
| 1.1.3 企业竞争情报的功能 | 第51-53页 |
| 1.2 企业竞争情报分析的内容与方法 | 第53-58页 |
| 1.2.1 企业竞争情报分析的内容 | 第53-55页 |
| 1.2.2 企业竞争情报分析的方法 | 第55-58页 |
| 1.3 企业竞争情报分析的策略与价值增值 | 第58-65页 |
| 1.3.1 企业竞争情报分析的策略 | 第58-61页 |
| 1.3.2 企业竞争情报分析过程中的价值增值 | 第61-65页 |
| 1.4 基于数据挖掘的智能分析的优势 | 第65-66页 |
| 1.5 本章小结 | 第66-67页 |
| 2 基于数据挖掘的企业竞争情报智能分析体系 | 第67-95页 |
| 2.1 基于数据挖掘的企业竞争情报智能分析体系框架 | 第67-69页 |
| 2.2 支撑理论与技术 | 第69-85页 |
| 2.2.1 商务智能 | 第69-72页 |
| 2.2.2 现代竞争理论 | 第72-75页 |
| 2.2.3 知识管理 | 第75-78页 |
| 2.2.4 数据挖掘 | 第78-82页 |
| 2.2.5 本体 | 第82-85页 |
| 2.3 企业竞争情报智能分析策略与方法 | 第85-91页 |
| 2.3.1 基于语义聚类的智能分析策略与方法 | 第85-88页 |
| 2.3.2 基于语义分类的智能分析策略与方法 | 第88-90页 |
| 2.3.3 基于语义关联的智能分析策略与方法 | 第90-91页 |
| 2.4 分析结果的可视化 | 第91-94页 |
| 2.5 本章小结 | 第94-95页 |
| 3 企业竞争情报语义组织 | 第95-113页 |
| 3.1 领域语料采集与语料库构建 | 第95-106页 |
| 3.1.1 应用领域的选择 | 第95-96页 |
| 3.1.2 领域语料的采集 | 第96-101页 |
| 3.1.3 领域语料的组织与表示 | 第101-106页 |
| 3.2 基于本体的语义组织方法与实现 | 第106-112页 |
| 3.2.1 实现语义组织的本体构建方法 | 第106-108页 |
| 3.2.2 实现语义组织的本体构建思路 | 第108页 |
| 3.2.3 实现语义组织的本体构建步骤 | 第108-111页 |
| 3.2.4 本体可视化 | 第111-112页 |
| 3.3 本章小结 | 第112-113页 |
| 4 基于语义聚类挖掘的企业竞争情报智能分析方法 | 第113-126页 |
| 4.1 聚类挖掘方法与算法 | 第113-116页 |
| 4.2 基于语义聚类挖掘的智能分析方法 | 第116-122页 |
| 4.2.1 簇数目k的设定 | 第117页 |
| 4.2.2 初始k个聚类中心的选取 | 第117-118页 |
| 4.2.3 数据对象间相似度的计算 | 第118-120页 |
| 4.2.4 聚类结果的可视化展示 | 第120-122页 |
| 4.3 算法实验与性能评估 | 第122-125页 |
| 4.3.1 实验数据与测评指标 | 第122-123页 |
| 4.3.2 实验过程与结果 | 第123-124页 |
| 4.3.3 实验结果分析 | 第124-125页 |
| 4.4 本章小结 | 第125-126页 |
| 5 基于语义分类挖掘的企业竞争情报智能分析方法 | 第126-138页 |
| 5.1 分类挖掘的流程与方法 | 第126-130页 |
| 5.1.1 分类挖掘的流程 | 第126-127页 |
| 5.1.2 分类挖掘的方法与算法 | 第127-130页 |
| 5.2 基于语义分类挖掘的智能分析方法 | 第130-135页 |
| 5.2.1 语义分类挖掘方法框架 | 第130-131页 |
| 5.2.2 融合领域本体与通用本体的类别向量构建 | 第131-134页 |
| 5.2.3 语义特征与类别的相似度计算 | 第134-135页 |
| 5.3 算法实验与性能评估 | 第135-137页 |
| 5.3.1 实验数据与测评指标 | 第135-136页 |
| 5.3.2 实验过程与结果 | 第136-137页 |
| 5.3.3 实验结果分析 | 第137页 |
| 5.4 本章小结 | 第137-138页 |
| 6 基于语义关联挖掘的企业竞争情报智能分析方法 | 第138-151页 |
| 6.1 关联挖掘的原理与方法 | 第138-143页 |
| 6.1.1 关联挖掘原理 | 第138-140页 |
| 6.1.2 关联挖掘方法与算法 | 第140-143页 |
| 6.2 基于语义关联挖掘的智能分析方法 | 第143-148页 |
| 6.2.1 Apriori算法及其不足 | 第143-144页 |
| 6.2.2 候选项集的相关性确定 | 第144-145页 |
| 6.2.3 数据库约简划分 | 第145-147页 |
| 6.2.4 频繁项集挖掘 | 第147-148页 |
| 6.3 算法实验与性能评估 | 第148-150页 |
| 6.3.1 实验数据与测评指标 | 第148页 |
| 6.3.2 实验过程与结果 | 第148-149页 |
| 6.3.3 实验结果分析 | 第149-150页 |
| 6.4 本章小结 | 第150-151页 |
| 7 实验分析与应用 | 第151-164页 |
| 7.1 实验环境配置 | 第151-154页 |
| 7.1.1 实验工具简介 | 第151-153页 |
| 7.1.2 本体解析与网页解析方法 | 第153-154页 |
| 7.2 实验数据采集与清洗 | 第154-156页 |
| 7.2.1 实验数据采集 | 第154-155页 |
| 7.2.2 数据清洗 | 第155-156页 |
| 7.3 实验过程与结果可视化 | 第156-163页 |
| 7.3.1 语义聚类分析的实验过程与结果可视化 | 第156-159页 |
| 7.3.2 语义分类分析的实验过程与结果可视化 | 第159-161页 |
| 7.3.3 语义关联分析的实验过程与结果可视化 | 第161-163页 |
| 7.4 本章小结 | 第163-164页 |
| 8 总结与展望 | 第164-168页 |
| 8.1 全文总结 | 第164-166页 |
| 8.2 研究展望 | 第166-168页 |
| 中外文参考文献 | 第168-189页 |
| 读博期间相关科研成果 | 第189-191页 |
| 后记 | 第191页 |