网络购物中仿冒品的识别与测量--以京东商城NIKE男鞋为例
| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 研究内容和技术路线 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15页 |
| 1.4 研究方法 | 第15-17页 |
| 第2章 相关文献综述 | 第17-23页 |
| 2.1 网络购物和仿冒品国内外相关文献综述 | 第17-20页 |
| 2.2 贝叶斯网络和电子商务的相关文献综述 | 第20-23页 |
| 第3章 识别测量仿冒品的指标的提取与分析 | 第23-37页 |
| 3.1 NIKE鞋的仿冒品识别与测量指标的确定 | 第23-27页 |
| 3.1.1 NIKE鞋仿冒品识别测量指标的收集 | 第23页 |
| 3.1.2 NIKE鞋仿冒品识别测量指标的提取 | 第23-27页 |
| 3.2 样本的采集及初步分析 | 第27-37页 |
| 3.2.1 样本的采集 | 第27-29页 |
| 3.2.2 样本的描述性分析 | 第29-37页 |
| 第4章 测量仿冒品的贝叶斯网络模型的建立 | 第37-48页 |
| 4.1 基于K2算法的贝叶斯网络结构的学习 | 第37-40页 |
| 4.2 二维离散化数据的贝叶斯网络学习 | 第40-45页 |
| 4.2.1 数据预处理和二维离散化处理 | 第40-41页 |
| 4.2.2 二维数据最优贝叶斯网络结构的选取 | 第41-43页 |
| 4.2.3 二维数据的贝叶斯网络参数 | 第43-45页 |
| 4.3 多维离散化数据的贝叶斯网络学习 | 第45-48页 |
| 第5章 结论与展望 | 第48-52页 |
| 5.1 研究结论与管理建议 | 第48-50页 |
| 5.1.1 研究结论 | 第48-49页 |
| 5.1.2 对网络购物平台的建议 | 第49-50页 |
| 5.2 不足与展望 | 第50-52页 |
| 5.2.1 不足 | 第50页 |
| 5.2.2 对未来研究的展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录 训练贝叶斯网络结构和参数的matlab代码 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |
