B2C在线评论中的客户知识管理研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-40页 |
| ·研究背景和意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·相关文献综述 | 第14-36页 |
| ·在线评论研究综述 | 第14-24页 |
| ·口碑 | 第15-16页 |
| ·网络口碑 | 第16-21页 |
| ·在线评论 | 第21-24页 |
| ·客户知识管理研究综述 | 第24-36页 |
| ·知识管理 | 第24-26页 |
| ·客户知识管理 | 第26-28页 |
| ·客户参与 | 第28-29页 |
| ·网络知识获取 | 第29-32页 |
| ·知识智能分类方法 | 第32-35页 |
| ·知识管理系统 | 第35-36页 |
| ·问题的提出 | 第36-38页 |
| ·本文研究内容和结构 | 第38-40页 |
| 第二章 客户在线评论参与行为研究 | 第40-62页 |
| ·引言 | 第40-43页 |
| ·研究假设 | 第43-47页 |
| ·研究方法 | 第47-49页 |
| ·量表的选择 | 第48页 |
| ·数据收集 | 第48-49页 |
| ·数据分析 | 第49-58页 |
| ·基本描述性统计 | 第50页 |
| ·信度分析 | 第50-52页 |
| ·效度分析 | 第52-53页 |
| ·建模拟合 | 第53-55页 |
| ·假设验证结果 | 第55-58页 |
| ·研究讨论 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第三章 基于多信息源的在线评论知识获取研究 | 第62-80页 |
| ·引言 | 第62-64页 |
| ·基础理论 | 第64-71页 |
| ·隐马尔可夫模型 | 第64-69页 |
| ·模糊积分 | 第69-71页 |
| ·基于Choquet 积分的HMM 模型 | 第71-73页 |
| ·实验验证 | 第73-78页 |
| ·本章小结 | 第78-80页 |
| 第四章 客户在线评论知识的分类处理研究 | 第80-100页 |
| ·引言 | 第80-82页 |
| ·在线评论内容分类体系构建 | 第82-84页 |
| ·电子商务网站评价方法 | 第82-83页 |
| ·分类指标体系的构建 | 第83-84页 |
| ·基于模糊测度KNN 评论分类 | 第84-92页 |
| ·基础理论 | 第84-87页 |
| ·模型描述 | 第87-88页 |
| ·过程算法 | 第88-90页 |
| ·数据实验 | 第90-92页 |
| ·客户在线评论知识分类 | 第92-98页 |
| ·评论的预处理 | 第92-95页 |
| ·评论数据及实验设计 | 第95页 |
| ·实验结果及分析 | 第95-98页 |
| ·本章小结 | 第98-100页 |
| 第五章 在线评论客户知识管理系统构建研究 | 第100-117页 |
| ·引言 | 第100-102页 |
| ·基础理论 | 第102-105页 |
| ·SOA | 第102-104页 |
| ·本体 | 第104-105页 |
| ·RCKMS 功能设计 | 第105-109页 |
| ·RCKMS 体系结构设计 | 第109-112页 |
| ·RCKMS 流程设计 | 第112-116页 |
| ·本章小结 | 第116-117页 |
| 第六章 研究结论与展望 | 第117-120页 |
| ·主要结论和创新点 | 第117-119页 |
| ·研究局限与展望 | 第119-120页 |
| 致谢 | 第120-121页 |
| 参考文献 | 第121-139页 |
| 附录：调查问卷 | 第139-142页 |
| 攻读博士期间的学术成果 | 第142-143页 |
| 攻读博士期间参加的科研项目 | 第143-144页 |
