电子商务大数据分析

图书标准信息

• 作者 曹杰、李树青 编
• 出版社 高等教育出版社
• 出版时间 2020-12
• ISBN 9787040543926
• 定价 29.00元
• 装帧 平装
• 开本 16开

【内容简介】

  《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。

【作者简介】

  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。

【目录】

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