基于评论数据的B2C客户消费偏好模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-20页 |
| 1.1 国内外研究现状 | 第12-17页 |
| 1.1.1 在线评论相关研究 | 第13-14页 |
| 1.1.2 消费者行为研究 | 第14-15页 |
| 1.1.3 B2C网站客户消费偏好研究 | 第15-17页 |
| 1.2 研究意义 | 第17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 研究方法及技术路线 | 第18-20页 |
| 1.4.1 研究方法 | 第18-19页 |
| 1.4.2 技术路线 | 第19-20页 |
| 2 贝叶斯网络基础理论 | 第20-26页 |
| 2.1 贝叶斯网络理论研究 | 第20-21页 |
| 2.2 贝叶斯网络的模型与构成 | 第21-23页 |
| 2.3 贝叶斯网络学习 | 第23-24页 |
| 2.4 TAN树形朴素贝叶斯算法 | 第24-26页 |
| 3 客户消费偏好影响因素分析和数据采集 | 第26-40页 |
| 3.1 客户消费偏好影响因素分析 | 第26-27页 |
| 3.2 评论数据获取 | 第27-32页 |
| 3.2.1 评论数据来源 | 第28-30页 |
| 3.2.2 评论数据采集过程 | 第30-31页 |
| 3.2.3 商品销售信息分析 | 第31-32页 |
| 3.3 评论数据预处理 | 第32-40页 |
| 3.3.1 评论数据采集结果 | 第32-33页 |
| 3.3.2 高频评论信息提取 | 第33-36页 |
| 3.3.3 评论数据特征因素归纳 | 第36-37页 |
| 3.3.4 特征因素量化评分 | 第37-40页 |
| 4 B2C客户消费偏好贝叶斯网络模型—以天猫为例 | 第40-87页 |
| 4.1 Clementine12.0软件简介 | 第40-41页 |
| 4.2 贝叶斯网络模型构建流程 | 第41-42页 |
| 4.3 B2C客户消费偏好贝叶斯网络模型构建 | 第42-87页 |
| 4.3.1 女装外穿商品贝叶斯网络模型构建 | 第42-48页 |
| 4.3.2 女装内搭商品贝叶斯网络模型构建 | 第48-54页 |
| 4.3.3 女装裤装商品贝叶斯网络模型构建 | 第54-62页 |
| 4.3.4 女装裙装商品贝叶斯网络模型构建 | 第62-69页 |
| 4.3.5 男装外穿商品贝叶斯网络模型构建 | 第69-76页 |
| 4.3.6 男装内搭商品贝叶斯网络模型构建 | 第76-81页 |
| 4.3.7 男装裤装商品贝叶斯网络模型构建 | 第81-87页 |
| 5 B2C客户消费偏好贝叶斯网络模型分析 | 第87-91页 |
| 5.1 B2C客户消费偏好贝叶斯网络结构分析 | 第87页 |
| 5.2 B2C客户消费偏好贝叶斯网络条件概率分析 | 第87-88页 |
| 5.3 特征因素重要性分析 | 第88-90页 |
| 5.4 模型预测结果准确性分析 | 第90-91页 |
| 6 结论 | 第91-95页 |
| 6.1 研究结论 | 第91-92页 |
| 6.2 创新点 | 第92-93页 |
| 6.3 不足与展望 | 第93-95页 |
| 参考文献 | 第95-99页 |
| 致谢 | 第99-100页 |
| 作者简介及读研期间主要科研成果 | 第100页 |
