定 价:29 元
丛书名:教育部高等学校电子商务类专业教学指导委员会规划教材 , “十三五”江苏省高等学校重点教材
- 作者:曹杰,李树青 编
- 出版时间:2020/12/1
- ISBN:9787040543926
- 出 版 社:高等教育出版社
- 中图法分类:F713.36
- 页码:199
- 纸张:胶版纸
- 版次:1
- 开本:16开
《电子商务大数据分析》是教育部高等学校电子商务类专业教学指导委员会规划教材,也是“十三五”江苏省高等学校重点教材(编号:2019-2-172)。
《电子商务大数据分析》共分6章,主要内容包括电子商务与大数据分析导论、数据采集与预处理、轨迹大数据挖掘技术、电子商务欺诈与反欺诈、推荐系统以及案例分析。
《电子商务大数据分析》结构清晰,内容新颖,案例丰富,实用性强。
《电子商务大数据分析》可作为高等学校电子商务专业大数据分析课程教材,也可供对电子商务大数据分析感兴趣的管理人员、技术人员及研究人员阅读参考。
在电子商务大数据的各个应用分析领域中,人们最熟悉的就是个性化用户服务。借助海量用户访问和消费形成的大数据资源,电子商务平台可以建立“千人千面”的个性化服务模式,并实现对每一个用户的个性化导购、个性化界面呈现和商品推荐服务,最终实现电子商务平台服务变革、商家销售额增长、用户满意度提高的多赢共利局面。
其实,电子商务领域中的大数据分析应用远远不止这些。比如,在线上线下一体化的O2O电子商务模式中,通过轨迹大数据挖掘技术和多渠道知识融合方法,不仅可以进行室内空间建模、用户驻留点定位及行走路径推测,还可以结合用户线下行为模式及其时空特性,进行不同类型室内场景中线下行为与购买动机、购买决策、策划活动之间的关联及相互影响分析。再比如,对于以社交互动为特点的电子商务应用领域,大量的恶意买家也对整个行业生态产生了巨大的不利影响,尤其是网络水军通过发布虚假评论来影响某件商品的评论走势,最终影响用户的购买决定,为其雇主或自身带来不正当的商业利益。而借助基于评论数据识别虚假评论的半监督方法,就可以实现有效的机器识别功能。以上内容都会在本书中详细介绍。
同时,我们也注意到,很多读者在学习电子商务大数据分析原理和方法时,缺乏相应的实践指导,所以本书融入了大量应用案例。本书中的案例主要分为两部分:一是现代电子商务企业的真实应用案例,二是指导读者具体实践的操作案例,这些案例主要采用包括Python在内的各种常见编程语言,结合真实应用场景和分析目标,详细地介绍了相关方法的具体实现过程及其注意事项,为读者掌握相关知识提供了必要的条件。
本书是在作者团队多年讲授相关课程和从事相关课题研究的基础上编写而成的,同时也借鉴了国内外学者的相关研究成果。在理论阐述上力求简洁扼要、深入浅出,在应用介绍上力求清晰、详尽而有针对性。因此,本书是一本适合管理人员、技术人员、相关专业本科生及硕士生学习电子商务大数据分析的参考书。
曹杰,教授,南京财经大学信息工程学院院长、电子商务信息处理国际联合研究中心主任、电子商务交易技术国家地方联合工程实验室主任、江苏省商务大数据工程研究中心主任、江苏省商务软件工程技术研究中心主任;兼任教育部高等学校电子商务类专业教学指导委员会委员。近年来,主持国家自然科学基金项目4项(包括2项重点项目)、国家重点研发计划课题1项、国家科技支撑计划项目2项、国家国际科技合作专项项目1I页。发表SCI论文52篇;一出版英文专著1部;主编教材8部;获得授权发明专利25项、软件著作权28项:获得江苏省科学技术进步奖二等奖、教育部科学技术进步奖二等奖等各类科技奖励10余项。
李树青,教授,南京财经大学信息工程学院副院长,硕士生导师,南京大学博士、纽约州立大学布法罗分校访问学者;江苏省高校“青蓝工程”优秀青年骨干教师、江苏省科学技术情报学会理事、江苏省科技期刊学会科技评价专业委员会委员。主要研究方向为互联网用户个性化服务和推荐系统。目前主持国家社会科学基金面上项目1项,主持和参与国家自然科学基金项目2项、江苏省高等学校自然科学研究重大项目1项、江苏省高等学校自然科学研究面上项目3项;发表学术论文50余篇,出版学术专著和教材9部。
第1章 电子商务与大数据分析导论
1.1 电子商务的定义
1.2 电子商务发展现状
1.2.1 全球电子商务发展现状
1.2.2 国内电子商务发展现状
1.3 电子商务的主要模式
1.4 电子商务的相关概念
1.4.1 电子商务构成要素
1.4.2 电子商务关联对象
1.5 电子商务发展历程
1.6 电子商务中的数据
1.7 大数据简介
1.7.1 大数据时代背景
1.7.2 大数据概念
1.7.3 大数据融合
1.7.4 大数据的分类及国内外研究现状
1.8 电子商务大数据
1.8.1 大数据在电子商务中的应用
1.8.2 O2O电子商务大数据的融合
1.9 本章小结
习题
第2章 数据采集与预处理
2.1 数据采集
2.1.1 数据来源
2.1.2 数据分类
2.1.3 采集方式
2.1.4 网络爬虫
2.2 电子商务数据采集
2.2.1 数据来源及分类
2.2.2 电子商务平台数据采集
2.2.3 面临的问题
2.3 数据预处理
2.3.1 数据清理
2.3.2 数据集成
2.3.3 数据变换
2.3.4 数据归约
2.4 综合案例
2.4.1 数据获取
2.4.2 数据分析
2.5 本章小结
习题
第3章 轨迹大数据挖掘技术
3.1 轨迹大数据现状与应用
3.2 轨迹数据预处理技术
3.2.1 噪声过滤
3.2.2 驻留点检测
3.2.3 轨迹压缩
3.2.4 轨迹分割
3.2.5 地图匹配
3.3 轨迹模式挖掘技术
3.3.1 伴行模式
3.3.2 轨迹聚类
3.3.3 序列模式
3.3.4 周期模式
3.4 轨迹语义建模和标注
3.4.1 轨迹语义转化
3.4.2 轨迹语义标注
3.5 苏宁云商轨迹大数据实例
3.5.1 研究思路
3.5.2 数据采集
3.5.3 数据预处理
3.5.4 顾客行为分析
3.6 本章小结
习题
第4章 电子商务欺诈与反欺诈
4.1 电子商务欺诈
4.1.1 电子商务欺诈定义
4.1.2 电子商务欺诈形成原因
4.1.3 电子商务欺诈危害
4.2 电子商务反欺诈
4.2.1 电子商务推荐系统恶意用户检测
4.2.2 电子商务网站恶意评论用户检测
4.2.3 社会化商务恶意用户检测
4.3 基于评论数据识别虚假评论案例
4.3.1 基于评论数据识别虚假评论架构
4.3.2 虚假评论语料库构建
4.3.3 虚假评论识别
4.3.4 基于评论数据识别虚假评论实验
4.4 本章小结
习题
第5章 推荐系统
5.1 推荐系统简介
5.1.1 什么是推荐系统
5.1.2 推荐系统实验简介
5.2 基于内容的推荐
5.2.1 引例
5.2.2 特征提取
5.2.3 兴趣学习与推荐生成
5.2.4 案例
5.3 基于协同过滤的推荐
5.3.1 引例
5.3.2 基于用户的协同过滤推荐
5.3.3 基于物品的协同过滤推荐
5.3.4 案例
5.4 基于内容的推荐与协同过滤推荐的对比
5.4.1 基于内容的推荐
5.4.2 协同过滤推荐
5.5 大数据时代的推荐系统
5.5.1 基于情境感知的推荐
5.5.2 基于用户行为的推荐
5.6 本章小结
习题
第6章 案例分析
6.1 Python开发环境的搭建
6.1.1 Python语言简介
6.1.2 Python程序安装
6.1.3 Anaconda——流行的Python数据科学版本
6.2 PythonIDE
6.3 Python数据科学常用库简介
6.3.1 Python库的概念简介
6.3.2 Python第三方库的安装
6.3.3 NumPy库
6.3.4 Pandas库
6.3.5 PyQuery库
6.4 Selenium工具
6.5 TesseractOCR引擎
6.6 具体案例分析
6.6.1 目标
6.6.2 数据获取
6.6.3 数据处理
6.6.4 数据分析
参考文献