敏捷供应链中的客户知识管理

第1章 绪论1.1 敏捷供应链概述1.1.1 敏捷供应链的特点1.1.2 国内外敏捷供应链的研究现状1.2 客户知识管理概述1.3 评论挖掘概述1.4 基于评论挖掘的敏捷供应链客户知识管理研究的意义和方法1.4.1 基于评论挖掘的敏捷供应链客户知识管理研究的意义1.4.2 基于评论挖掘的敏捷供应链客户知识管理的研究方法第2章 基于产品评论挖掘的敏捷供应链客户知识管理体系构建2.1 敏捷供应链中的客户知识管理2.1.1 客户知识和敏捷供应链2.1.2 敏捷供应链中的客户知识管理流程2.2 产品评论挖掘对敏捷供应链客户知识管理的重要性2.3 基于评论挖掘的敏捷供应链客户知识管理体系构建过程分析2.3.1 知识资源层2.3.2 知识产生层2.3.3 知识应用层2.4 本章小结第3章 结合概念树的产品评论数据预处理方法3.1 产品评论挖掘中的数据预处理概述3.1.1 数据挖掘的数据预处理3.1.2 产品评论数据的特点分析3.1.3 产品评论数据预处理研究框架3.2 产品评价概念树的构建3.2.1 产品评价概念树的定义3.2.2 产品评价概念树的构建方法3.2.3 产品参数中概念的提取3.2.4 客户服务中概念的提取3.2.5 评论数据中概念的提取3.3 产品评价特征库的构建3.3.1 产品评价特征库的定义3.3.2 产品评价概念树到产品评价特征库的转换规则3.4 产品评论特征词到产品评价特征库的映射3.4.1 映射前数据清理3.4.2 映射算法3.5 实例分析3.5.1 建立产品评价概念树3.5.2 建立产品评价特征库3.6 本章小结第4章 产品评论挖掘中提取产品的客户关注特征方法4.1 产品的客户关注特征提取方法研究框架4.2 关联规则中的Apriori算法基本原理4.2.1 关联规则的相关概念4.2.2 Apriori算法基本原理4.3 基于MA_Apriori算法挖掘产品的客户关注特征4.3.1 基于数据预处理中的MA算法创建关联规则的事务文件4.3.2 采用Apriori算法提取频繁规则项4.3.3 频繁规则项转换为产品的客户关注特征4.4 产品的客户关注特征对敏捷供应链的影响分析4.5 实例分析4.5.1 创建关联规则事务文件4.5.2 Apriori算法提取频繁规则项4.5.3 客户关注特征4.6 本章小结第5章 客户关注特征的评价倾向性研究5.1 客户关注特征的评价倾向性研究方法概述5.1.1 评论观点的定义5.1.2 评论观点抽取方法5.1.3 评论观点的极性及强度判断方法5.1.4 性能评估方法5.1.5 客户关注特征的评价倾向性研究框架5.2 产品领域情感词典的建立5.3 特征观点组的提取5.4 观点程度获取5.5 复杂语义倾向性计算方法5.6 实例分析5.6.1 情感词典及程度副词表结构5.6.2 性能评估5.6.3 特征评价倾向计算结果5.7 本章小结第6章 基于评论挖掘的敏捷供应链产品评价和推荐系统6.1 问题的提出6.2 产品评价的信息检索6.2.1 评论挖掘的结果显示研究现状6.2.2 产品特征评价的分层计算6.2.3 产品评价信息检索功能6.3　潜在客户的产品推荐6.3.1 产品推荐方法概述6.3.2 评论数据的稀疏性问题6.3.3 特征相似度计算6.3.4 基于特征相似度的产品推荐算法（CS-HR）6.4 系统实现6.4.1 系统数据管理6.4.2 产品评价的分层检索6.4.3　产品推荐6.5 本章小结第7章结语7.1 成果应用启示7.2 展望附录A 特征表附录B 标准词_同义词参考文献