基于数据挖掘的呼叫中心数据分析与研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 数据挖掘的应用背景 | 第10页 |
| 1.1.2 呼叫中心的应用背景 | 第10-11页 |
| 1.2 研究目的和意义 | 第11-12页 |
| 1.2.1 研究的目的 | 第11-12页 |
| 1.2.2 研究的意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 研究内容与结构框架 | 第13-15页 |
| 第2章 数据挖掘 | 第15-28页 |
| 2.1 数据挖掘技术概述 | 第15-16页 |
| 2.2 数据挖掘技术基础 | 第16-17页 |
| 2.3 数据挖掘功能 | 第17-18页 |
| 2.3.1 聚类 | 第17页 |
| 2.3.2 关联规则和序列模式的发现 | 第17-18页 |
| 2.3.3 分类和预测 | 第18页 |
| 2.3.4 偏差的检测 | 第18页 |
| 2.4 数据挖掘过程 | 第18-20页 |
| 2.5 数据挖掘的应用领域 | 第20-22页 |
| 2.6 聚类算法 | 第22-26页 |
| 2.6.1 聚类算法的应用条件 | 第22-24页 |
| 2.6.2 聚类算法分类方法 | 第24-26页 |
| 2.7 关联规则算法 | 第26-27页 |
| 2.7.1 Apriori 算法概述 | 第26页 |
| 2.7.2 Apriori 原理 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第3章 K-means 算法流程及性能分析 | 第28-35页 |
| 3.1 K-means 原理与概念 | 第28-29页 |
| 3.2 K-means 算法流程 | 第29-31页 |
| 3.2.1 K-means 算法一般流程 | 第29-31页 |
| 3.2.2 K-means 算法优缺点 | 第31页 |
| 3.3 k-means 算法性能分析 | 第31-34页 |
| 3.3.1 相关概念 | 第32页 |
| 3.3.2 算法流程 | 第32-33页 |
| 3.3.3 实验验证 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 呼叫中心数据挖掘系统设计 | 第35-48页 |
| 4.1 呼叫中心数据挖掘应用背景介绍 | 第35-36页 |
| 4.2 呼叫中心数据挖掘系统问题描述 | 第36-37页 |
| 4.3 呼叫中心数据挖掘系统总体设计方案 | 第37-48页 |
| 4.3.1 总体构架 | 第37-39页 |
| 4.3.2 数据准备 | 第39-42页 |
| 4.3.3 构建模型 | 第42-45页 |
| 4.3.4 模型评估 | 第45-46页 |
| 4.3.5 结果分析与评价 | 第46-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 5.1 研究结论与贡献 | 第48页 |
| 5.2 不足与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简介 | 第52-53页 |
| 致谢 | 第53页 |
