C2C网商决策支持系统研究—基于数据分解融合与案例学习集成

With the rapid development of e-commerce, complex data mining system for the development of C2C online decision support is very important. The project aims at how to construct and develop C2C online decision support system. It is based on the angle of how to construction of complex systems with the use of the combination of the ideas of deductive and inductive method. First, we study the time-varying characteristics of visitors number that is affected by of the major events, holidays, weather factors by empirical mode decomposition method, and construct the visiting volumn and visitor number predict model by using the result of empirical study; secondly we study the representation of soft set for multi-types data of C2C network operators related, and propose the decision rules obtain method based on soft set decision making system. Finally we combine time, scenes, episodic events and other factors, and study the architecture of C2C network operators decision-support system, and develop prototype for it. The results of theoretical studies of the project for the C2C online decision support system can provide theoretical ideas and enrich soft set theory and large data environment database designing theory and data mining methods. At the same time, the system prototype can be further developed to provide services for C2C network operators. It can also provide ideas for the C2C network operators on human resources, management theory, enterprise architecture etc.

随着电子商务的快速发展，面向复杂数据挖掘的C2C网商决策支持系统的研发具有急迫性。本项目旨在研究C2C网商决策支持系统的构建与开发问题，从复杂系统的构建角度出发，运用演绎法和归纳法结合的思路。首先运用经验模态分解方法研究浏览量受重大事件、节假日、天气等因素影响的时变特征，并进行离散化构建决策规则；然后研究与C2C网商相关的不同类型数据的软集合表示，并用案例库中的数据构建训练样本集，提出基于C2C网商案例学习的软集合决策规则获取模型；最后结合时间、场景、偶发事件等因素，研究C2C网商决策支持系统的系统构架，并开发C2C网商决策支持系统原型。本项目的理论研究成果可以为C2C网商决策支持系统设计提供理论思路，并丰富面向异值非结构化数据的软集合数据挖掘方法。同时，系统原形可进一步开发推广为C2C网商提供服务，并促进电子商务咨询服务业的发展。还可为C2C网商的人力资源、管理理论、企业构架提供新思路。

随着电子商务的快速发展，面向复杂数据挖掘的C2C网商决策支持系统的研发具有急迫性。本项目旨在研究C2C网商决策支持系统的构建与开发问题，从复杂系统的构建角度出发，运用演绎法和归纳法结合的思路。.首先，提出了基于经验模态分解的C2C转化率时间序列分析模型。该模型包括候选因素时间序列库、识别函数、识别的因素库、周期函数等，并构建算法。该模型可以将网购时间序列分解并识别为消费者行为模式，包括季节模式、价格趋利模式、工作日周期、犹豫窗口，还发现促销会破坏服饰网购转化率的运行周期性等。该模型能够将连续的数据和离散事件连接起来，为进一步研发考虑连续和离散数据的专家系统提供基础。.其次，提出了基于模糊双射软集合的KDD模型，定义模糊双射软集合、模糊双射软集合与论域子集之间的严格AND运算、模糊双射软集合之间的依赖度、模糊双射软集合决策系统的依赖度、约减和模糊双射软集合对决策系统的重要度、参数约减方法及决策规则获取算法，并进一步探讨了考虑权重的模糊双射决策系统的参数约减方法。该方法增强了双射软集合对模糊数据的适应性，能够在模糊环境下挖掘决策规则。此外，还将模糊双射软集合应用到评价问题中，提出了一种新的物流服务供应链服务质量评价方法。该方法用辨识矩阵求取约简。对于权重的求取，采用重要程度构建。最后的评价计分则是在权重和得分的基础上合成得到。.最后，提出了改善双射软集合容错能力的数据挖掘方法。引入了β-误分度的双射软集合的一些定义和运算。然后，提出了β自适应求取算法。模型提升了双射软集合规则挖掘和参数约简方法对缺陷数据的容忍能力，并可用于发现缺陷数据。.此外，采用JAVA语言编写了决策支持原型软件包。该软件包实现了基于双射软集合、模糊双射软集合、增强容错的双射软集合的依赖度、决策双射软集合系统依赖度、参数约简、参数重要度等的计算。.发表论文9篇，其中被SCI检索（刊源）2篇，EI检索3篇，重要期刊1篇，CSSCI检索3篇。发表会议论文1篇，并在国际顶级会议DSI 2015上进行分组报告。在科学出版社出版专著1部。培养研究生10人，其中1人获得校级优秀硕士学位论文奖，3人获得研究生国家奖学金，1人考入安泰管理学院攻读博士研究生。