| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-23页 |
| ·电子商务销售数据及其研究问题 | 第11-14页 |
| ·电子商务销售数据的产生及其特点 | 第11-12页 |
| ·基于电子商务销售数据研究的问题 | 第12-14页 |
| ·数据挖掘综述 | 第14-18页 |
| ·数据挖掘技术简介 | 第14-17页 |
| ·数据挖掘技术应用于电子商务领域存在的问题 | 第17-18页 |
| ·数据挖掘在电子商务销售数据中的分析和应用 | 第18-21页 |
| ·电子商务销售数据研究方法概述 | 第18-19页 |
| ·基于统计分析的电子商务销售数据研究 | 第19-20页 |
| ·基于多关系聚类分析的电子商务销售数据研究 | 第20-21页 |
| ·本文工作主要内容 | 第21-23页 |
| 第二章 基于线性回归模型的新商品购买者行为影响因素分析 | 第23-35页 |
| ·引言 | 第23-24页 |
| ·假设 | 第24-25页 |
| ·方法 | 第25-28页 |
| ·数据获取情况 | 第25-26页 |
| ·影响因素分析和特征描述 | 第26页 |
| ·实证模型 | 第26-27页 |
| ·解释变量和依赖变量的统计描述 | 第27-28页 |
| ·统计结果 | 第28-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于复杂网络的日用商品销售数据分析 | 第35-52页 |
| ·引言 | 第35-36页 |
| ·可视化算法及幂率分布 | 第36-38页 |
| ·可视化图 | 第36-37页 |
| ·幂率分布及其验证策略 | 第37-38页 |
| ·数据集描述 | 第38-40页 |
| ·网店商品日销售数据 | 第38-39页 |
| ·门店超市商品日销售数据 | 第39-40页 |
| ·销量分布及其自相似性分析 | 第40-44页 |
| ·销量分布 | 第40-43页 |
| ·自相似性-Hurst 指数 | 第43-44页 |
| ·可视化图的统计特性 | 第44-50页 |
| ·度分布 | 第45-49页 |
| ·其他统计量结果 | 第49-50页 |
| ·结论 | 第50-52页 |
| 第四章 基于结构相似度和属性相似度的顾客划分问题 | 第52-77页 |
| ·引言 | 第52-55页 |
| ·相关工作 | 第55-59页 |
| ·关系数据挖掘 | 第55-56页 |
| ·结构相似度计算方法 SimRank | 第56-58页 |
| ·属性特征距离度量 | 第58-59页 |
| ·方法 | 第59-63页 |
| ·预备知识 | 第59-61页 |
| ·Attribute-SimRank 公式 | 第61页 |
| ·Attribute-SimRank 相似度的计算 | 第61-63页 |
| ·聚类实验 | 第63-72页 |
| ·数据集 | 第63-65页 |
| ·聚类结果评价指标 | 第65-66页 |
| ·实验结果分析 | 第66-72页 |
| ·商品推荐实验 | 第72-76页 |
| ·协同过滤问题 | 第73页 |
| ·Top-N 推荐的基本思想 | 第73页 |
| ·Top-N 推荐实验的具体方法和步骤 | 第73-74页 |
| ·Top-N 推荐实验结果及其分析 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第83-84页 |
| 致谢 | 第84页 |