社会计算中的组织行为模式挖掘

书籍简介:

目前，社会组织行为分析研究主要集中在构建预测模型以预测组织可能的行为。机器学习方法，特别是分类方法，近年来成为了组织行为预测建模的主要方法。本书比较分析了主要的分类方法所建立的组织行为预测模型的性能，为不同情形下分类方法的恰当选择提供了依据。组织行为数据普遍存在类不平衡和误分类代价不一致问题，这导致标准分类器所构建的组织行为预测模型性能较差。为此，在期望误分类代价这一指标下，本书经验研究了四种典型代价敏感学习方法基于不同标准分类器所构建的组织行为预测模型的性能，为不同情形下代价敏感学习方法的恰当选择提供了依据。另外，提出了一个新的适用于本领域的代价敏感学习算法。最后，针对本领域误分类代价易变且不易确定等特点，提出了一个基于代价曲线的个性化解决方案。尽管组织行为预测模型可提供相当准确的组织行为预测知识，但却不能提供可被用户直接用来影响（抑制或鼓励）组织行为并因此获益的具体行动建议。这些行动建议又称为可操作知识，常常是用户所切实需要的。然而，尽管已有不少研究致力于其它类型的可操作知识发现，挖掘影响组织行为的可操作规则（可操作行为规则）这一重要问题尚未被识别、定义和研究。为此，本书建立了一类新的组织行为模式挖掘问题——可操作组织行为规则挖掘。具体来说，本书提出了可操作组织行为规则挖掘问题的形式化定义，并提出多种可靠有效的挖掘算法。另外，本书还探讨了大数据背景下的组织行为模式挖掘的研究框架。

书籍规格:

书籍信息归属:

社会计算中的组织行为模式挖掘是电子工业出版社于2019.1出版的中图分类号为 C32 的主题关于 计算机应用－社会科学－计算－组织管理－行为模式－研究 的书籍。