基于数据挖掘的电子商务卖家分层模型研究

发布时间：2021-01-20 19:27

　　我国电子商务在这十几年的发展时间里,先后经历了起步期、调整期、回暖期、高速发展期,但是随着互联网行业的人口红利逐步消失,电子商务行业也进入到转型与升级时期,面临用户增长乏力、平台业绩增长趋于平缓、用户留存压力大等问题;在这样的背景下,各大电商企业的平台运营理念逐渐向商家侧倾斜,从商家精细化运营入手提升平台商家质量、用户留存、保持业务增长;而基于商家在平台上的表现将商家分成不同的层级,能够从数据的角度辅助提升商家运营理念,对商家的精细化运营有非常好的助推作用,可以说,针对商家分层模型的研究具有非常重要的理论意义和实际应用价值。SOM自适应神经网络算法在实际应用中具有自组织映射、可视化好、计算效率高、聚类效果好的良好特性,同时神经网络算法对数据量大的数据集有更好的预测效果,因此本文选择将SOM算法应用于商家分层模型的构建。本文详细介绍了SOM算法,深入剖析了算法的底层原理,重新设计了学习速率和邻域半径的计算过程,以适应本研究的实验环境;后续基于R语言对数据集进行了全面的数据探查,采取数据清洗、数据异常值处理、数据转换、数据归一化等方法解决了原始数据集缺省值、异常值、数据偏态分布、量纲不一的... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图１－２?２００８－２０１７中国网民规模及增长率??数据来源？？根据中国互联网络信息中心第４１次《中国互联网络发展状况统计报告》数据整理??

图１－４研究架构图??文创新之处??文结合前人对电子商务商家的相关研究，以及在电商企业的实际项目经历，的创新见解；结合目前人口红利消失的现状，剖析了电子商务行业用户运营形势，慢慢引入从商家侧进行精细化运营的理念，并运用数据挖掘的手段，商家数据对商家进行层级划分，针对不同等级商家的特点提出可用的运营策掘手段用于商家分层，一改以往仅根据销售额统计分段的方法，进而将产反作用于商家的个性化运营，是本文最大的一个特点。??）研究视角独特??对于电子商务商家的研究大多停留在信用机制、评论、情感等领域，并没划分、精细化运营这一方面进行深入研究，对于如何对商家进行层级划分。本文首先分析了目前电子商务行业面临的用户运营乏力的严峻形势，引精细化运营的理念，进而提出利用数据挖掘的手段对电子商务卖家层级划

??＂＂＾１７?〇??图２－３权值调整函数一??图２－３中的权值调整函数又称墨西哥草帽函数，名称依据其形状而来，所有神经元??中获胜的节点对应最大的权重调整量，附近其他的神经元的权重调整依据上述函数计算，??距离获胜节点越远的神经元调整量越小，直到某一个距离Ｒ时调整量将为零，距离再稍??远点时权值调整量变为负值，再远点时权值调整重新归于零。??１４??

【参考文献】：
期刊论文
[1]基于直觉模糊层次分析的零售电子商务商家信用评价研究[J]. 霍红,杨永会.  北京交通大学学报(社会科学版). 2017(04)
[2]基于电子商务评论的商家信誉维度构建[J]. 王宇,李秀秀.  数据分析与知识发现. 2017(08)
[3]基于模糊理论的O2O模式商家信誉评估模型[J]. 茹永梅.  西安邮电大学学报. 2016(03)
[4]一种改进的SOM神经网络对Web用户的聚类[J]. 肖强,钱晓东,武振锋.  情报科学. 2012(06)
[5]数据挖掘中SOM神经网络的聚类方法研究[J]. 郭伟业,赵晓丹,庞英智,奇志.  情报科学. 2009(06)
[6]SOM神经网络算法的研究与进展[J]. 杨占华,杨燕.  计算机工程. 2006(16)

硕士论文
[1]基于改进的模糊SOM算法确定最佳聚类数目方法的研究[D]. 王积丽.华南理工大学 2016
[2]O2O模式下商家平台用户三方互利共生机制研究[D]. 李珈.华中师范大学 2016
[3]电子商务下引入退货运费险对商家经营行为影响研究[D]. 谷宇.上海交通大学 2013
[4]基于附加敏感参数SOM神经网络的自动聚类系统的研究[D]. 施红鑫.燕山大学 2010
[5]基于SOM算法的中文文本聚类[D]. 陈小丽.南京理工大学 2008
[6]基于自组织特征映射网络的聚类算法研究[D]. 吴红艳.重庆大学 2006
[7]基于数据挖掘技术的纳税信用等级划分[D]. 李蓓丽.哈尔滨工程大学 2004



本文编号：2989641