本书系统研究了面向不同交互场景的个性化需求预测理论与方法,在基本交互方面,主要研究了基于用户和产品交互的个性化需求预测;在交互广度方面,主要研究了融合好友交互和群组交互的个性化需求预测;在交互深度方面,主要研究了面向会话式交互和沉浸式交互的个性化需求预测;在交互多样性方面,主要研究了面向跨域交互的个性化需求预测。 通过这些研究工作,以期揭示不同交互场景下消费者需求偏好变化规律,为企业 好地洞察消费者,开展个性化营销实践提供理论依据。 本书可供电子商务、市场营销、大数据管理与应用、信息管理与信息系统等领域的研究人员、管理人员和工程技术人员阅读、参考,对于相关专业的研究生和高年级本科生也是一部有价值的参考书。
对象代理数据库系统既具有关系数据库的灵活性,又具有面向对象数据库表现复杂语义的能力, 适合管理结构复杂、语义丰富的数据。 本书根据作者提出的对象代理模型,给出对象代理代数,描述对象代理数据库语言,并围绕对象代理数据库的存储管理、查询处理、事务管理和安全机制等实现技术进行深入介绍,使读者能够全面掌握对象代理数据库系统原理。 本书既可供计算机专业高年级本科和研究生学习,也可作为数据库专业技术人员的参考书籍。
数据包络分析(DEA)方法是一种应用广泛的效率评价方法。本书结合作者近年来的研究成果,将数据包络分析方法进行扩展与集成,使之成为一种开展系统综合评价的有效方法。本书重点介绍DEA公共权重配置和DMU 排序方法、DEA中DMU结构分析和效率分解方法、不确定信息条件下的鲁棒DEA方法、径向和非径向DEA集成效率测度方法、基于DEA的资源配置和目标分解方法等DEA领域的前沿建模方法。同时本书还介绍了DEA方法在能源与环境绩效评价、银行和供应链效率分析中的应用。
本书是一本区分统计数据挖掘和机器学习数据挖掘的图书。它创造性地汇编了数据挖掘技术,解决了对经典和现代统计方法框架的扩展,用于预测建模和大数据分析。SM-DM为数据挖掘领域新晋的数据科学家所面临的共同问题提供了适当的解决方案。它的展示侧重于数据科学家(通常被称为统计学家、数据采矿者和数据分析师)的需求,提供实用但又强大的、简单而又有洞察力的量化技术,其中大部分使用了新机器学习影响改进的“旧”统计方法。
本书系统地阐述了移动性数据建模、管理和分析的内容,从移动性数据建模与表达、移动性数据分析、移动性数据应用三个方面深入介绍了移动数据管理技术和应用。本书由四篇组成: 篇涉及移动性数据处理的基本概念和术语、数据采集与存储管理的基本技术;第二篇涉及移动性知识的管理过程,具体包括移动性数据挖掘、知识发现的方法与系统、可视化知识提取的方法与系统等;第三篇展示了移动性数据在城市交通、海事、航空、动物移动、人群移动等各方面的具体应用;第四篇给出了移动性数据的**发展形势和用途。