在线品牌忠诚度度量模型理论与方法研究 ——应用机器学习方法
发布时间：2021-05-12 13:18
“十三五”规划明确提出坚持扩大内需战略,充分挖掘我国内需的巨大潜力,拓展新型消费业态。尤其是在以互联网经济为代表的“新经济”背景下,在线消费作为新型消费业态的代表正逐渐改变着人们的消费观念和方式,在线品牌忠诚在在线消费领域具有极其重要的地位,对于刺激消费和实现企业精准营销、风险管控、决策支持、效率提升和产品设计等商业模式、商业形态甚至商业思维方面的变革,提升企业在在线领域的竞争力具有极其重要的意义。应用科学有效的机器学习方法对在线品牌忠诚进行系统分析和研究具有迫切性和必要性。在大数据环境下,面对在线消费提供的海量数据信息,传统的技术方法已逐渐无法满足企业创造和维持品牌忠诚的竞争需求。突出表现在传统随机采样方法很难定位具有高品牌忠诚度的消费群体;同时,传统的数据处理技术也无法处理具有海量、混杂和非结构化数据特性的在线消费行为。在面对庞大量级的在线数据,以及如何实时利用在线数据锁定品牌消费群体的需求时,传统的方法具有局限性。本研究的目的就是构建一个在线消费大数据时代下的人工智能模型——机器学习模型,通过机器学习方法,对在线消费者的品牌商品购买行为进行聚类,构建在线品牌忠诚度度量模型,实现具...
【文章来源】：首都经济贸易大学北京市
【文章页数】：172 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景
1.2 选题目的及意义
1.2.1 选题目的
1.2.2 选题意义
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.1.1 品牌忠诚度概念界定研究
1.3.1.2 品牌忠诚度价值研究
1.3.1.3 品牌忠诚度度量研究
1.3.1.4 在线品牌忠诚度研究
1.3.2 国内研究现状
1.3.2.1 品牌忠诚度度量研究
1.3.2.2 品牌忠诚度态度度量模型研究
1.3.3 研究现状评述
1.4 研究思路与研究内容
1.4.1 研究思路
1.4.2 研究内容
1.5 论文结构
2 在线品牌忠诚度大数据与机器学习方法
2.1 在线品牌忠诚度大数据特性
2.1.1 在线品牌忠诚度大数据的基本特性
2.1.2 在线品牌忠诚度大数据的特殊性
2.1.3 在线品牌忠诚度大数据分析评述
2.2 在线品牌忠诚度度量的机器学习方法
2.2.1 机器学习研究概述
2.2.2 在线品牌忠诚度度量的机器学习要素
2.2.3 在线品牌忠诚度度量的机器学习聚类方法
2.2.4 在线品牌忠诚度度量的机器学习框架
2.2.5 在线品牌忠诚度度量的机器学习环境
2.2.6 在线品牌忠诚度度量的机器学习路径
2.3 本章小结
3 品牌忠诚度度量的在线数据采集
3.1 品牌忠诚度度量的在线数据采集关键技术
3.1.1 信息源
3.1.2 采集方法
3.1.3 数据处理
3.2 品牌忠诚度度量的在线数据采集模型分析
3.2.1 在线数据采集模型
3.2.2 在线数据采集模型抓取策略
3.2.3 在线数据采集模型结构原理
3.3 品牌忠诚度度量的在线数据采集模型设计
3.3.1 在线数据采集模型的策略设计
3.3.2 在线数据采集模型的架构设计
3.3.3 在线数据采集模型的详细设计
3.4 品牌忠诚度度量的在线数据采集模型实现
3.4.1 根据主题爬取URL列表
3.4.2 URL判重
3.4.3 网页解析存储
3.5 本章小结
4 品牌忠诚度度量的在线数据清洗
4.1 品牌忠诚度度量的在线数据清洗概述
4.1.1 品牌忠诚度度量的在线数据清洗流程
4.1.2 品牌忠诚度度量的在线数据清洗准备
4.1.3 品牌忠诚度度量的在线数据清洗对象
4.2 品牌忠诚度度量的在线数据检测算法设计与实现
4.2.1 品牌忠诚度度量的在线重复数据检测算法
4.2.2 品牌忠诚度度量的在线错误数据检测算法
4.2.3 品牌忠诚度度量的在线缺失数据检测算法
4.3 品牌忠诚度度量的在线数据清洗算法设计与实现
4.3.1 品牌忠诚度度量的在线重复数据清洗算法
4.3.2 品牌忠诚度度量的转换在线数据类型算法
4.3.3 品牌忠诚度度量的在线错误数据清洗算法
4.3.4 品牌忠诚度度量的在线缺失数据清洗算法
4.3.5 合并和过滤品牌忠诚度度量的在线数据算法
4.4 本章小结
5 品牌忠诚度度量的机器学习方法建模
5.1 机器学习聚类算法理论
5.1.1 聚类基本概念
5.1.2 划分聚类
5.1.3 k-means算法基本思想
5.1.4 k-means算法步骤
5.1.5 k-means算法分析
5.2 品牌忠诚度度量模型特征概述
5.2.1 品牌忠诚度度量模型特征选择依据
5.2.2 品牌忠诚度度量模型特征指标定义
5.3 品牌忠诚度度量模型特征构建
5.3.1 品牌忠诚度度量模型行为特征集构建算法
5.3.2 品牌忠诚度度量模型态度特征集构建算法
5.3.3 品牌忠诚度度量模型时间特征集构建算法
5.3.4 品牌忠诚度度量模型用户特征集构建算法
5.3.5 品牌忠诚度度量模型初始特征集构建算法
5.4 品牌忠诚度度量模型构建
5.4.1 品牌忠诚度度量模型要素定义
5.4.2 品牌忠诚度度量模型要素实例
5.4.3 品牌忠诚度度量模型方法定义
5.4.4 品牌忠诚度度量模型构建实现
5.5 本章小结
6 品牌忠诚度度量模型检验
6.1 品牌忠诚度度量模型检验概述
6.1.1 聚类模型有效性
6.1.2 聚类模型有效性检验方法
6.2 品牌忠诚度度量模型检验指标设计
6.2.1 品牌忠诚度度量模型内部有效性指标
6.2.2 品牌忠诚度度量模型外部有效性指标
6.3 品牌忠诚度度量模型内部有效性指标检验实现
6.3.1 品牌忠诚度度量模型SSE指标检验算法
6.3.2 品牌忠诚度度量模型SSB指标检验算法
6.3.3 品牌忠诚度度量模型Intra DPS指标检验算法
6.3.4 品牌忠诚度度量模型Inter DPS指标检验算法
6.3.5 品牌忠诚度度量模型交叉检验算法
6.4 品牌忠诚度度量模型外部有效性指标检验实现
6.4.1 Allan L. Baldinger&Joel Rubinson理论检验
6.4.2 Palto理论检验
6.5 本章小结
7 品牌忠诚度度量模型优化
7.1 品牌忠诚度度量的模型数据处理优化方法
7.2 品牌忠诚度度量的模型数据处理优化实现
7.3 品牌忠诚度度量的模型特征工程优化方法
7.3.1 特征工程优化概述
7.3.2 RFE特征选择方法
7.3.3 Boruta特征选择方法
7.4 品牌忠诚度度量的模型特征工程优化实现
7.4.1 特征转换和选择预处理方法实现
7.4.2 RFE特征选择方法实现
7.4.3 基于RFE特征选择方法的模型优化
7.4.4 Boruta特征选择方法实现
7.4.5 基于Boruta特征选择方法的模型优化
7.4.6 基于RFE和Boruta特征选择方法的模型优化比较
7.5 品牌忠诚度度量的模型算法调整优化方法及实现
7.5.1 基于聚类数k选择的模型优化
7.5.2 基于迭代次数选择的模型优化
7.5.3 基于初始质心生成次数选择的模型优化
7.6 品牌忠诚度度量最优模型效果
7.6.1 实现在线品牌忠诚度相似用户聚类
7.6.2 实现在线品牌忠诚程度界定
7.7 本章小结
8 总结与展望
9 参考文献
10 在学期间发表的学术论文和研究成果
11 致谢
【参考文献】：
期刊论文
[1]网络爬虫技术研究与分析[J]. 苏雷,杜彦璞,刘斌. 城市地理. 2016(12)
[2]大数据质量管理:问题与研究进展[J]. 王宏志. 科技导报. 2014(34)
[3]基于大数据的网络用户行为分析[J]. 左军. 软件工程师. 2014(10)
[4]聚类有效性研究综述[J]. 周开乐,杨善林,丁帅,罗贺. 系统工程理论与实践. 2014(09)
[5]我国服装品牌忠诚度的实证研究[J]. 赵萌. 统计与决策. 2013(23)
[6]大数据的一个重要方面:数据可用性[J]. 李建中,刘显敏. 计算机研究与发展. 2013(06)
[7]网络品牌忠诚度测量指标体系的构建[J]. 刘慧,赵静. 经济视角(下). 2013(05)
[8]一种改进的动态k-均值聚类算法[J]. 胡伟. 计算机系统应用. 2013(05)
[9]大数据时代机器学习的新趋势[J]. 陈康,向勇,喻超. 电信科学. 2012(12)
[10]品牌忠诚度研究述评[J]. 王帅. 河南机电高等专科学校学报. 2010(06)
博士论文
[1]企业品牌竞争力测评研究[D]. 李海鹏.辽宁大学 2012
[2]消费者品牌依恋对品牌忠诚的影响研究[D]. 高翔.华侨大学 2012
[3]企业声誉对消费者忠诚影响机理分析[D]. 徐双庆.浙江大学 2009
[4]顾客承诺构成维度、驱动因素及对品牌忠诚的影响研究[D]. 梁威.复旦大学 2008
硕士论文
[1]我国网络消费发展的影响因素分析[D]. 赵学菊.山东大学 2014
[2]聚类分析结果评价方法研究[D]. 胡勇.内蒙古科技大学 2014
[3]基于用户反馈数据清洗技术的研究[D]. 谢辉.哈尔滨工业大学 2013
[4]网购顾客消费体验对在线评论行为影响研究[D]. 陈悦棠.广西大学 2012
[5]基于产品视角的多头忠诚研究[D]. 顾晨骏.南京师范大学 2012
[6]B2C电子商务顾客体验对顾客忠诚的影响研究[D]. 宋巍.山东大学 2012
[7]都市类报纸品牌忠诚度研究[D]. 林敏.南京财经大学 2010
[8]基于转换成本的网络顾客忠诚实证研究[D]. 郭泽毅.暨南大学 2009
[9]SVM-RFE算法在数据分析中的应用[D]. 卢运梅.吉林大学 2009
[10]大规模数据聚类技术研究与实现[D]. 钱彦江.电子科技大学 2009
本文编号：3183484
【文章来源】：首都经济贸易大学北京市
【文章页数】：172 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景
1.2 选题目的及意义
1.2.1 选题目的
1.2.2 选题意义
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.1.1 品牌忠诚度概念界定研究
1.3.1.2 品牌忠诚度价值研究
1.3.1.3 品牌忠诚度度量研究
1.3.1.4 在线品牌忠诚度研究
1.3.2 国内研究现状
1.3.2.1 品牌忠诚度度量研究
1.3.2.2 品牌忠诚度态度度量模型研究
1.3.3 研究现状评述
1.4 研究思路与研究内容
1.4.1 研究思路
1.4.2 研究内容
1.5 论文结构
2 在线品牌忠诚度大数据与机器学习方法
2.1 在线品牌忠诚度大数据特性
2.1.1 在线品牌忠诚度大数据的基本特性
2.1.2 在线品牌忠诚度大数据的特殊性
2.1.3 在线品牌忠诚度大数据分析评述
2.2 在线品牌忠诚度度量的机器学习方法
2.2.1 机器学习研究概述
2.2.2 在线品牌忠诚度度量的机器学习要素
2.2.3 在线品牌忠诚度度量的机器学习聚类方法
2.2.4 在线品牌忠诚度度量的机器学习框架
2.2.5 在线品牌忠诚度度量的机器学习环境
2.2.6 在线品牌忠诚度度量的机器学习路径
2.3 本章小结
3 品牌忠诚度度量的在线数据采集
3.1 品牌忠诚度度量的在线数据采集关键技术
3.1.1 信息源
3.1.2 采集方法
3.1.3 数据处理
3.2 品牌忠诚度度量的在线数据采集模型分析
3.2.1 在线数据采集模型
3.2.2 在线数据采集模型抓取策略
3.2.3 在线数据采集模型结构原理
3.3 品牌忠诚度度量的在线数据采集模型设计
3.3.1 在线数据采集模型的策略设计
3.3.2 在线数据采集模型的架构设计
3.3.3 在线数据采集模型的详细设计
3.4 品牌忠诚度度量的在线数据采集模型实现
3.4.1 根据主题爬取URL列表
3.4.2 URL判重
3.4.3 网页解析存储
3.5 本章小结
4 品牌忠诚度度量的在线数据清洗
4.1 品牌忠诚度度量的在线数据清洗概述
4.1.1 品牌忠诚度度量的在线数据清洗流程
4.1.2 品牌忠诚度度量的在线数据清洗准备
4.1.3 品牌忠诚度度量的在线数据清洗对象
4.2 品牌忠诚度度量的在线数据检测算法设计与实现
4.2.1 品牌忠诚度度量的在线重复数据检测算法
4.2.2 品牌忠诚度度量的在线错误数据检测算法
4.2.3 品牌忠诚度度量的在线缺失数据检测算法
4.3 品牌忠诚度度量的在线数据清洗算法设计与实现
4.3.1 品牌忠诚度度量的在线重复数据清洗算法
4.3.2 品牌忠诚度度量的转换在线数据类型算法
4.3.3 品牌忠诚度度量的在线错误数据清洗算法
4.3.4 品牌忠诚度度量的在线缺失数据清洗算法
4.3.5 合并和过滤品牌忠诚度度量的在线数据算法
4.4 本章小结
5 品牌忠诚度度量的机器学习方法建模
5.1 机器学习聚类算法理论
5.1.1 聚类基本概念
5.1.2 划分聚类
5.1.3 k-means算法基本思想
5.1.4 k-means算法步骤
5.1.5 k-means算法分析
5.2 品牌忠诚度度量模型特征概述
5.2.1 品牌忠诚度度量模型特征选择依据
5.2.2 品牌忠诚度度量模型特征指标定义
5.3 品牌忠诚度度量模型特征构建
5.3.1 品牌忠诚度度量模型行为特征集构建算法
5.3.2 品牌忠诚度度量模型态度特征集构建算法
5.3.3 品牌忠诚度度量模型时间特征集构建算法
5.3.4 品牌忠诚度度量模型用户特征集构建算法
5.3.5 品牌忠诚度度量模型初始特征集构建算法
5.4 品牌忠诚度度量模型构建
5.4.1 品牌忠诚度度量模型要素定义
5.4.2 品牌忠诚度度量模型要素实例
5.4.3 品牌忠诚度度量模型方法定义
5.4.4 品牌忠诚度度量模型构建实现
5.5 本章小结
6 品牌忠诚度度量模型检验
6.1 品牌忠诚度度量模型检验概述
6.1.1 聚类模型有效性
6.1.2 聚类模型有效性检验方法
6.2 品牌忠诚度度量模型检验指标设计
6.2.1 品牌忠诚度度量模型内部有效性指标
6.2.2 品牌忠诚度度量模型外部有效性指标
6.3 品牌忠诚度度量模型内部有效性指标检验实现
6.3.1 品牌忠诚度度量模型SSE指标检验算法
6.3.2 品牌忠诚度度量模型SSB指标检验算法
6.3.3 品牌忠诚度度量模型Intra DPS指标检验算法
6.3.4 品牌忠诚度度量模型Inter DPS指标检验算法
6.3.5 品牌忠诚度度量模型交叉检验算法
6.4 品牌忠诚度度量模型外部有效性指标检验实现
6.4.1 Allan L. Baldinger&Joel Rubinson理论检验
6.4.2 Palto理论检验
6.5 本章小结
7 品牌忠诚度度量模型优化
7.1 品牌忠诚度度量的模型数据处理优化方法
7.2 品牌忠诚度度量的模型数据处理优化实现
7.3 品牌忠诚度度量的模型特征工程优化方法
7.3.1 特征工程优化概述
7.3.2 RFE特征选择方法
7.3.3 Boruta特征选择方法
7.4 品牌忠诚度度量的模型特征工程优化实现
7.4.1 特征转换和选择预处理方法实现
7.4.2 RFE特征选择方法实现
7.4.3 基于RFE特征选择方法的模型优化
7.4.4 Boruta特征选择方法实现
7.4.5 基于Boruta特征选择方法的模型优化
7.4.6 基于RFE和Boruta特征选择方法的模型优化比较
7.5 品牌忠诚度度量的模型算法调整优化方法及实现
7.5.1 基于聚类数k选择的模型优化
7.5.2 基于迭代次数选择的模型优化
7.5.3 基于初始质心生成次数选择的模型优化
7.6 品牌忠诚度度量最优模型效果
7.6.1 实现在线品牌忠诚度相似用户聚类
7.6.2 实现在线品牌忠诚程度界定
7.7 本章小结
8 总结与展望
9 参考文献
10 在学期间发表的学术论文和研究成果
11 致谢
【参考文献】：
期刊论文
[1]网络爬虫技术研究与分析[J]. 苏雷,杜彦璞,刘斌. 城市地理. 2016(12)
[2]大数据质量管理:问题与研究进展[J]. 王宏志. 科技导报. 2014(34)
[3]基于大数据的网络用户行为分析[J]. 左军. 软件工程师. 2014(10)
[4]聚类有效性研究综述[J]. 周开乐,杨善林,丁帅,罗贺. 系统工程理论与实践. 2014(09)
[5]我国服装品牌忠诚度的实证研究[J]. 赵萌. 统计与决策. 2013(23)
[6]大数据的一个重要方面:数据可用性[J]. 李建中,刘显敏. 计算机研究与发展. 2013(06)
[7]网络品牌忠诚度测量指标体系的构建[J]. 刘慧,赵静. 经济视角(下). 2013(05)
[8]一种改进的动态k-均值聚类算法[J]. 胡伟. 计算机系统应用. 2013(05)
[9]大数据时代机器学习的新趋势[J]. 陈康,向勇,喻超. 电信科学. 2012(12)
[10]品牌忠诚度研究述评[J]. 王帅. 河南机电高等专科学校学报. 2010(06)
博士论文
[1]企业品牌竞争力测评研究[D]. 李海鹏.辽宁大学 2012
[2]消费者品牌依恋对品牌忠诚的影响研究[D]. 高翔.华侨大学 2012
[3]企业声誉对消费者忠诚影响机理分析[D]. 徐双庆.浙江大学 2009
[4]顾客承诺构成维度、驱动因素及对品牌忠诚的影响研究[D]. 梁威.复旦大学 2008
硕士论文
[1]我国网络消费发展的影响因素分析[D]. 赵学菊.山东大学 2014
[2]聚类分析结果评价方法研究[D]. 胡勇.内蒙古科技大学 2014
[3]基于用户反馈数据清洗技术的研究[D]. 谢辉.哈尔滨工业大学 2013
[4]网购顾客消费体验对在线评论行为影响研究[D]. 陈悦棠.广西大学 2012
[5]基于产品视角的多头忠诚研究[D]. 顾晨骏.南京师范大学 2012
[6]B2C电子商务顾客体验对顾客忠诚的影响研究[D]. 宋巍.山东大学 2012
[7]都市类报纸品牌忠诚度研究[D]. 林敏.南京财经大学 2010
[8]基于转换成本的网络顾客忠诚实证研究[D]. 郭泽毅.暨南大学 2009
[9]SVM-RFE算法在数据分析中的应用[D]. 卢运梅.吉林大学 2009
[10]大规模数据聚类技术研究与实现[D]. 钱彦江.电子科技大学 2009
本文编号：3183484
本文链接：https://www.wllwen.com/jingjilunwen/jjtj/3183484.html
