基于内容分析的短信种子客户挖掘模型与算法
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 课题来源 | 第10页 |
| 1.3 研究现状与选题意义 | 第10-11页 |
| 1.3.1 研究现状 | 第10-11页 |
| 1.3.2 选题意义 | 第11页 |
| 1.4 论文主要工作 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第2章 文本分类方法概述 | 第14-23页 |
| 2.1 文本分类概念 | 第14-15页 |
| 2.2 文本预处理 | 第15-16页 |
| 2.3 特征选择 | 第16-18页 |
| 2.3.1 文档频率 | 第16-17页 |
| 2.3.2 互信息 | 第17页 |
| 2.3.3 x~2统计量 | 第17-18页 |
| 2.3.4 信息增益 | 第18页 |
| 2.4 特征加权 | 第18-19页 |
| 2.4.1 布尔权重法 | 第18-19页 |
| 2.4.2 TF-IDF权重法 | 第19页 |
| 2.5 分类算法 | 第19-21页 |
| 2.5.1 简单向量距离算法 | 第19-20页 |
| 2.5.2 K近邻邻居算法 | 第20页 |
| 2.5.3 贝叶斯算法 | 第20-21页 |
| 2.5.4 支持向量机算法 | 第21页 |
| 2.6 分类性能评估 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第3章 构建挖掘模型 | 第23-29页 |
| 3.1 最小生成树算法 | 第23-24页 |
| 3.2 构建模型 | 第24-25页 |
| 3.3 模型优化 | 第25-27页 |
| 3.4 模型分类 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 短信种子客户挖掘算法 | 第29-37页 |
| 4.1 算法设计 | 第29-33页 |
| 4.1.1 剔除一次转发量过小的节点 | 第29页 |
| 4.1.2 剔除综合评分过低的节点 | 第29-30页 |
| 4.1.3 基于亲密群概念挖掘种子客户 | 第30-33页 |
| 4.2 实证分析 | 第33-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第5章 应用与实现 | 第37-56页 |
| 5.1 需求分析 | 第37-39页 |
| 5.1.1 总体目标 | 第37页 |
| 5.1.2 主要功能 | 第37-39页 |
| 5.2 系统架构 | 第39-42页 |
| 5.2.1 体系结构 | 第39-40页 |
| 5.2.2 功能模块组成 | 第40-42页 |
| 5.3 系统功能实现 | 第42-48页 |
| 5.3.1 种子客户挖掘 | 第42页 |
| 5.3.2 活动任务管理 | 第42-43页 |
| 5.3.3 系统接口管理 | 第43-44页 |
| 5.3.4 基础数据管理 | 第44-45页 |
| 5.3.5 后台业务处理 | 第45-47页 |
| 5.3.6 统计分析 | 第47-48页 |
| 5.4 数据库设计 | 第48-50页 |
| 5.5 短信种子客户挖掘模块设计与实现 | 第50-55页 |
| 5.5.1 数据过滤 | 第51页 |
| 5.5.2 短信分类 | 第51-53页 |
| 5.5.3 种子客户提取 | 第53-55页 |
| 5.5.4 种子客户查询与导出 | 第55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
