基于数据挖掘和数据仓库的用户重购行为的研究
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 数据仓库技术的发展 | 第13-15页 |
| 1.2.2 数据挖掘技术的发展 | 第15页 |
| 1.3 本文的主要工作内容 | 第15-17页 |
| 第二章 论文相关理论与方法概述 | 第17-30页 |
| 2.1 数据挖掘技术 | 第17-25页 |
| 2.1.1 数据挖掘的概念 | 第17-18页 |
| 2.1.2 数据挖掘的过程 | 第18-19页 |
| 2.1.3 数据挖掘的功能 | 第19-20页 |
| 2.1.4 常用的数据挖掘算法 | 第20-24页 |
| 2.1.5 数据挖掘在CRM中的应用 | 第24-25页 |
| 2.2 数据仓库 | 第25-28页 |
| 2.2.1 数据仓库技术概述 | 第25页 |
| 2.2.2 数据仓库的特点 | 第25-26页 |
| 2.2.3 数据仓库的基本架构 | 第26-28页 |
| 2.2.4 数据仓库与数据库的区别 | 第28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 数据仓库建立 | 第30-40页 |
| 3.1 数据平台核心需求 | 第30页 |
| 3.2 数据仓库的层次功能 | 第30-32页 |
| 3.3 用户数据采集系统 | 第32-35页 |
| 3.4 用户购买信息数据仓库的建立 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于RFM模型和决策树的用户重购行为预测 | 第40-60页 |
| 4.1 客户流失 | 第40-41页 |
| 4.1.1 套餐客户流失的定义 | 第40-41页 |
| 4.1.2 客户流失的周期选取 | 第41页 |
| 4.2 衡量用户价值指数 | 第41-44页 |
| 4.2.1 RFM模型概述 | 第41-42页 |
| 4.2.2 基于RFM模型的用户价值评估 | 第42-44页 |
| 4.3 C5.0决策树预测客户流失 | 第44-59页 |
| 4.3.1 决策树建模的评价准则 | 第45-46页 |
| 4.3.2 决策树模型的选取 | 第46-50页 |
| 4.3.3 建立决策树串流预测用户重购 | 第50-57页 |
| 4.3.4 模型评估 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的专利目录 | 第67-68页 |
| 学位论文评阅及答辩情况表 | 第68页 |
