一、关于电子商务中改进DSS决策系统的分析（论文文献综述）
刘华剑[1]（2020）在《动态环境下在线优化与决策算法的研究》文中研究表明优化与决策算法作为数学在现实中的应用,可以解决很多社会中实际的复杂（NP-Hard）问题,如商品配送路线规划、在线出租车订单分配、灾难搜救等场景。然而随着社会的发展,出现了越来越多动态的优化场景,在这些场景下与传统优化算法不同,环境的状态随时间在不断改变,因此传统优化算法性能显着下降,难以保证优化效果。因此,本文选择了电子商务中在线订单分配及车辆配送动态调度问题与面向森林火灾异构机器人群救援预案辅助决策系统研究这两个场景,针对动态环境下在线优化与决策算法进行了研究。主要工作和创新点包括:1.为了解决电子商务中在线订单分配及车辆配送动态调度问题,本文研究了电子商务领域中在线配送订单的闭环执行过程,即从用户在线下单,到配送中心的订单处理以及货物的成功配送,并针对这一问题提出了集成车辆平衡策略的自适应大邻域搜索算法（ALNS with Vehicle Balance Strategy,ALNS-VBS）,算法中包括用于车辆平衡策略、车辆配送路径搜索以及动态任务插入策略。其中,车辆平衡策略通过将交通路网进行区域划分,并通过计算不同区域的车辆短缺程度来进行主动地调整车辆在路网中的分布;车辆配送路径搜索中我们基于时空敏感性设计了针对性的优化算子以解决订单在时间和空间维度上分离的问题;动态任务插入策略的提出是为了解决在线配送过程中出现的接收到新任务却没有空闲车辆的问题,通过将新任务动态插入到已分配的车辆路径中,降低了任务响应实际以及配送成本。仿真实验结果表明,相比其他算法,ALNS-VBS能够有效降低对在线任务的配送成本并提高在线配送的时效性。2.为了解决森林火灾中异构机器人群救援预案辅助决策的问题,本文根据灭火知识库设计了几种针对性的森林火灾救援预案,并使用多属性决策的方法根据森林火灾救援预案评价指标选择最优的救援预案。同时,本文提出了集成灭火知识的人工蜂群（Artificial Bee Colony with Integrate Firefighting knowledge,ABC-IFK）算法,目的是在确定了救援预案的前提下,将火场中的灭火任务分配给异构的救援机器人,最后当救援机器人到达目标救援位置后,会通过救援动作模糊推理机在其附近进行救援,这本质是一种贪心策略,考虑到救援机器人移动的时间损耗这种设计是合理的。本文采用了 20个基于真实地图的数据集进行仿真实验,结果表明,本文提出的救援预案辅助决策系统与ABC-IFK算法可以满足在森林火灾救援中提供高效灭火方案的需求,其可以有效降低森林火灾造成的经济损失,并在一定程度上降低救援成本。
王俭[2]（2020）在《基于SOR理论的消费者感知在线评论有用性形成机理与评价研究》文中指出电子商务的快速发展不仅使消费者在时间和空间上体验到购买的愉快,同时在线评论平台也为消费者之间进行沟通提供了渠道。但信息过载、信息碎片等诸多问题的暴露影响在线评论信息环境的发展,不利于为消费者购买决策提供信息支持。因此,在线评论平台需要以先进和务实的理论思想和管理方法对评论信息内容及其相关的信息技术进行优化设计。本研究的主要目的是提高消费者对在线评论有用性的感知及优化在线评论平台对评论内容的信息管理和服务,因此引入刺激-有机体-反应（stimulus-organism-response,缩写SOR）理论,揭示了消费者感知在线评论有用性的形成机理并进行有用性评价,这对于提高消费者对在线评论有用性的感知、辅助消费者进行购买决策以及对在线评论平台信息内容进行优化管理具有重要的理论和现实意义。本文在归纳和整理有关SOR理论、消费者对在线评论的感知以及在线评论有用性评价等相关国内外研究现状的基础上,对消费者感知过程、在线评论特点和在线评论有用性内涵等内容进一步梳理。在此基础上,对消费者感知在线评论有用性的形成动力、形成阶段、影响因素和形成途径分别进行分析。基于相关原则和对SOR理论适用性的分析,构建消费者感知在线评论有用性的形成机理和评价研究框架,包括刺激因素识别、消费者感知在线评论有用性的情感心理及行为分析、消费者感知在线评论有用性的信任心理及行为分析、基于消费者感知过程的在线评论有用性评价和提升策略等研究内容。首先,刺激因素识别阶段主要从信息内容视角和信息人视角分析相关因素对在线评论有用性的影响,从知识特征视角对在线评论有用性刺激因素进行细化研究,并运用TOBIT模型进行检验。其次,对消费者感知在线评论有用性的情感心理及行为分析,主要研究在线评论对消费者愉快情感和唤起情感的影响,以及情感对消费者行为的作用。研究结果表明在线评论信息质量对消费者愉快情感的作用效果最为显着,感知相似性对消费者唤起情感的影响更为明显,而信息环境技术对消费者情感的影响存在差异。再次,对信任心理及行为分析主要研究在线评论对消费者信任的影响机制,及其反作用于消费者行为的效果。本部分基于SOR理论和信任理论以信任型商品的在线评论为研究对象,主要分析在线评论对消费者认知信任和情感信任的影响。基于效应层级模型认为认知信任和情感具有非平行关系,且对消费者感知在线评论有用性存在差异。最后,基于消费者感知的在线评论有用性评价,主要衡量了消费者对在线评论有用性的感知程度,同时从另一方面检验了在线评论平台对消费者购买决策的支持效果和平台的运行效果。已有研究主要基于在线评论内容提出有效筛选高质量在线评论信息内容的评价方法,而本文不仅关注为消费者提供高质量的在线评论信息,同时注重在线评论平台的可持续发展。通过在线评论有用性评价发现其存在的不足之处并进行完善。本文通过研究消费者感知在线评论有用性的形成机理并在此基础上对在线评论有用性进行评价,不仅有利于消费者根据有价值的评论内容进行决策,更有助于对平台的管理和功能进行优化,提升电子商务平台整体的运行质量。
李梅[3]（2018）在《B2B电子商务中复杂合同谈判模型研究》文中研究表明随着我国电子商务迅猛发展,以及近期我国“互联网+”、“一带一路”政策的提出,跨地区、跨国的企业间涌现出更复杂的产品与服务需求,生产能力的互补性也进一步提高,电子市场呈现爆发式增长。特别是B2B电子商务迎来了新一轮的发展机遇。但相对于企业交易的迫切需求而言,有关B2B电子商务交易模式的理论研究仍显不足,新技术的推广与应用在电子商务领域仍有很大提升空间,例如智能计算技术在智能谈判中的应用研究还相对薄弱,与智能谈判的实际需求还有很大差距,这影响了智能谈判技术在电子商务中的实际应用。制约了企业在电子商务交易中的快速发展。研究系统的分析了B2B电子商务中的多属性谈判内容,发现在传统的多属性谈判研究中,谈判商品属性间符合线性独立关系假设,并不符合商品多属性谈判的实际情况。在实际电子商务交易中,商品的多个属性间存在非线性依赖关系。在多属性谈判过程中,如果仍沿用原有的线性独立关系假设,会导致谈判企业错过获得更好收益的机会,甚至会产生一些副作用。因此,放松多属性线性独立假设到非线性依赖假设具有现实意义。研究把这种多属性间具有非线性依赖关系的谈判合同定义为“复杂合同”,并把这种基于“复杂合同”的多属性谈判定义为“复杂合同谈判”。首先,通过对B2B复杂合同谈判概念的界定、B2B复杂合同谈判体系框架、B2B复杂合同谈判决策理论方法、B2B复杂合同谈判机制研究与智能计算技术的分析等理论进行研究,奠定B2B复杂合同谈判模型构建的理论基础。并且研究了多Agent系统（MAS）的应用,将其引入到复杂合同谈判中,将双边多属性谈判模型平滑过渡到一对多、多对多的复杂合同谈判模型。通过中介平台管理Agent的匹配与协调,可以将这种匹配谈判代理的模型拓展到动态环境下的多边谈判。运用混合智能算法,多Agent系统（MAS）构建了复杂合同谈判的多边谈判架构。在智能谈判领域创造性将模糊神经网络、遗传算法与多代理系统等多种智能算法进行有机融合,创建B2B电子商务中的复杂合同谈判模型与求解算法;最后,提供了价格,质量与数量三个谈判中的主要属性进行复杂合同谈判仿真算例,验证了B2B电子商务中复杂合同谈判模型与求解算法的正确性与有效性。其次,在B2B电子商务市场中存在采购方的需求聚合要求。通常情况下,原有方法一般采用购买方基于近似属性需求按数量进行订单聚合,供应方根据采购数量的增长,采用梯度折扣的方式进行销售。而在B2B复杂合同谈判中,考虑到采购方最佳订货数量一般不能达到销售方较优的销售数量折扣要求,通过谈判合同中商品数量与价格的依赖关系,可以确定订单合并采购数量下的折扣价格曲线,提出基于订单合并的多边谈判模型。该模型考虑了通过多个采购方订货数量的订单合并,从而获得较优折扣价格的谈判优势,并使整体谈判收益增加。通过价格,质量与数量的三属性订单合并采购仿真算例证明方法的正确性与可行性。最后,在B2B电子商务中复杂合同谈判模型研究的基础上,在实验室条件下,构建B2B复杂合同谈判模型的应用仿真环境,分析与设计了B2B电子商务的复杂合同谈判实验方案,探索在现有的计算机与网络软硬件条件下,本研究的模型与求解算法是否满足应用性要求。以便为模型与求解算法的进一步改进提供实验数据与改进方向,为研究成果的推广与实际应用提供借鉴。
唐红涛,唐清[4]（2017）在《互联网市场下移动购物的行为研究:一个国外文献综述》文中提出随着移动电子商务的迅猛发展,移动购物作为移动电子商务最重要的组成部分,日益成为学术关注的热点问题。本文系统梳理了近十年国外学者的主要成果和最新进展,从消费者行为、生产者行为、技术行为三个层面进行了深入细致地归纳。最后,对现有研究不足进行分析,并在此基础上指出了移动购物未来研究方向。
吴泓辰[5]（2016）在《高效率用户群体兴趣趋势发现的推荐方法研究》文中研究表明随着互联网及电子商务技术的迅速发展,用户获得的信息呈爆炸式的增长。电子商务在给用户带来丰富产品和快捷方便的同时,也带来了诸如数据海量、品种多样、真假难辨等问题的困扰,形成了所谓的“信息过载”,推荐系统就是为应对这一问题而产生的。与搜索引擎和门户网站不同,推荐系统可以通过分析用户与其他用户的关联和历史消费等数据,预测用户尚未购买而符合用户需求的商品,促进用户从观望向购买的转化,有效提升用户对电子商务网站的信赖并提高商品的销量。然而,用户数量和企业规模的不断增长导致把握每个用户的兴趣趋势十分困难,主要体现在三个方面。首先,多用户群体中能够积极参与系统交互的人数比较少,推荐方法难以将反映多用户真实需求的数据准确地提取出来；其次,用户对其他用户和推荐系统的信任度比较低,不利于提取用户的有价值数据,妨碍对用户个性化需求的了解和提升用户对系统的满意度；第三,推荐系统通过获取用户的个人数据来进行更加准确的推荐,这就产生了用户对个人隐私的担忧,导致用户的分享行为变得保守,使推荐系统中隐私收集策略无法充分考虑所有用户的信息分享偏好。这些问题的存在都不利于推荐系统充分了解用户的个性化需求,降低了推荐系统的准确率和用户的满意度。本文以上述三个方面为研究目标,从高活跃度、高信任度、高隐私分享量共三类高效率用户群体中预测和挖掘出用户的兴趣趋势,进而做出更准确的个性化推荐,使用户对电子商务中的推荐系统具有较高的信赖度和满意度。本文的主要贡献如下：（1）提出一种新的推荐算法Div-clustering,实现了电子商务中用户实体的数据建模,在此基础上利用改进的k-means聚类算法完成了高活跃度用户的识别,以识别的高活跃度用户群体的数据优化了推荐项目,使推荐系统的推荐准确率更高。Div-clustering通过分析实体数据结构,建立了多用户群体的图模型,研究了高活跃度的用户群体和推荐项目的特征。实验中的论文数据主要从Elsevier和IEEE等学术网站通过网络爬虫Websphinx爬取,电影数据来自于两个着名电影网站MovieLens和IMDB。实验结果表明Div-clustering推荐算法在学术论文和电影的推荐中体现出更高的准确率,与传统基于普通用户的推荐算法相比,Div-clustering在实时评估和线下分析中表现出更好的稳定性,也说明来源于高活跃度用户群体数据产生的推荐比普通用户群体数据产生的推荐,更容易被其它用户接受和信任。（2）针对推荐系统中信任关联的稀疏性问题,以高活跃度用户群体更容易被信任为出发点,提出挖掘用户间隐性信任关联的推荐算法PointBurst,所挖掘的隐性信任关联为用户间已知的显性信任关联提供了有力的补充,缓解了协同过滤等传统算法在电子商务环境中面临的信任关联稀疏性问题。PointBurst算法在多用户图模型的基础上着重分析用户间的信任关联特征和关联强度,优化了同类型实体之间的分类和不同类型实体之间的关联标记,从已经识别为高活跃度用户群体中,进一步挖掘高信任度的用户群体和隐性的信任关联,最终利用已知的显性信任关联和挖掘的隐性信任关联共同作为推荐系统的输入而生成推荐项目。通过在del.icio.us, Myspace和MovieLens等数据集中分别运行PointBurst算法和传统推荐算法进行比较,结果表明PointBurst算法产生的推荐项目更加准确和稳定。（3）在用户的隐私分享量与信任关联强度成正比的发现基础上,提出一种基于用户隐私分享因素的学习模型ISBP,探索用户在信任关联中分享个人隐私的潜在因素,识别出高隐私分享量的用户群体,使推荐系统可以通过收集该用户群体的数据而增加推荐的准确率。ISBP在近期有关隐私分享的研究中归纳了影响用户在各类电子商务场景中的潜在因素,制定了因素假设,改进了决策树分类器、K近邻分类器和朴素贝叶斯分类器,使其能够检测出影响用户在信任关联中隐私分享量的潜在因素。将ISBP学习模型运行在从多组实时数据平台SOJUMP收集的数据集中后发现,隐私分享量最高的用户特征是年轻、非计算机类的群体,而与性别无关。在不引起所有用户隐私担忧的前提下,该类高隐私分享量的用户群体可以分享比其它用户群体更多的个人隐私信息,有利于推荐系统更好地了解用户需求并产生更准确的推荐。（4）发现了导致高隐私分享量用户群体流失的溢出现象,并提出了缓解溢出现象的决策支持机制DSS。所谓溢出现象是指,高隐私分享量的用户群体在受到不良的隐私收集顺序影响时,降低了后续的隐私分享量,使推荐系统不能够持续地获得用户的准确信息,引起了推荐准确率的下降。在分析多个数据集后发现,溢出现象是广泛存在的,主要体现在向用户收集高敏感度的隐私项目会使其后续的隐私分享量下降,而高隐私分享量用户受到的负面影响最大。本文对k-means聚类算法进行改进,使其可以检测出用户改变隐私分享量时对应的心理认知因素的改变,证实了用户的认知能力会引起溢出现象的产生,根本原因在于没有足够的储备知识来支持自己的隐私分享决策。本文提出了为用户提供隐私分享的决策支持机制,帮助用户理解推荐的机理和增加用户的储备知识。实验证明了决策支持机制可以将溢出现象的负面效果降低,保持高隐私分享量的用户群体继续为推荐系统提供充足的用户信息,维持较高的推荐准确率
黄玲[6]（2014）在《在电子商务中应用Web数据挖掘的研究》文中研究指明互联网的应用使数据增长速度惊人,智能手机、平板电脑、云空间、物联网的推进,促使数据膨胀问题更加严峻。经济全球化需企业家敢于表现,吸引客户注意力,服务好客户,与客户达到互利共赢。而这表现的平台便是利用互联网的电子商务网站。可是平台里依旧有历史遗留问题,即“数据亿万万,价值找不到”。数据如同改革开放,也需要开放,即流通。流通应该顺应时代与技术发展要求,因为拒绝数据意味着拒绝财富。数据“4V”时代已经来临,即数据的“大量化（Volume）、多样化（Vaviety）、快速化（Velocity）、价值化（Value）"、门户站点商情广告、网上银行支付结算、搜索引擎社交网络等多种类型的电子商务以数据的形式正改变着人们的生活。对于激增的存储数据量,剧增的数据复杂度,数据的分析研究者们突破重重困境,找到行之可行的方法,将数据的价值挖掘出来,以帮助数据拥有者能从大量的数据中寻找某些规律性以辅助决策。这个方法便是数据挖掘技术。电子商务是未来经济发动机,在电子商务中运用数据挖掘推荐页面是企业向世界全面展示形象和产品、寻找合作伙伴和扩大销售规模的最佳途径。本文通过数据挖掘技术在新兴的电子商务推荐系统领域的应用进行了初步研究。本人主要完成如下工作：一是系统的论述了目前国内外数据挖掘、电子商务及推荐系统研究的现状。二是简述了在电子商务企业中应用Web数据挖掘技术。三是阐述了在推荐系统中运用的推荐算法与技术。四是改进推荐Apriori算法,设计了一个基于Web数据挖掘的电子商务推荐系统。推荐系统是本论文的重点。在推荐系统设计之前,先是对推荐系统进行可行性分析,然后是分三大模块对推荐系统进行设计。这三大模块分别是数据访问模块、系统架构应用模块和交互用户模块。接下来对这三大模块进行细分,详细设计了组成数据访问模块的数据收集模块和数据预处理模块,组成系统架构应用模块的OLAP系统架构模块和基于B/S服务的数据挖掘系统模块,及组成交互用户模块的在线推荐模块与模式应用模块。在系统架构应用模块中运用了改进后的Apriori算法,实现关联规则的推理,确定关联页面,形成推荐集。在用户交互模块中显示运行算法后的运行界面,展示推荐系统的个性化服务。虽然在电子商务推荐系统中运用数据挖掘技术能够为商家带来大量的经济价值和利益,但它也是一把双刃剑。商家在收集大量的数据的同时,又面临着数据处理、使用、保管和安全等方面的新挑战。如何有效保护消费者个人的隐私安全等,如何真正利用数据挖掘提升企业的价值,如何在移动互联网时代让更多的数据以非结构化的形式出现,数据挖掘发展还任重而道远。
张尧[7]（2013）在《B2C环境下用户感知可信的推荐系统理论及其关键方法研究》文中研究指明随着电子商务的发展，购物类互联网平台的逐渐成熟，网络购物这种购物方式逐渐被人们所接受。在商品极大丰富的今天，电子商务网站需要一种可以快速的并且准确的将符合消费者偏好的商品推荐给消费者的工具，因此推荐系统应运而生。推荐系统不仅可以帮助消费者提高决策效率、决策质量，也可以帮助网站提高利润、降低成本，因此具有非常重要的应用价值与研究价值。在学术研究领域，关于推荐系统的研究已取得了大量的研究成果，这些研究成果不仅可以提高推荐结果的准确性，而且对于消费者多样性的需求也可以很好的支持，但是，推荐系统能够实现其重要作用的前提是消费者信任推荐系统并利用推荐结果，所以本文针对如何设计推荐系统，才能让消费者感受到推荐系统在帮助消费者完成购买任务方面的仁慈性（Benevolence）、感受到推荐系统在帮助消费者提高购买决策质量方面的能力（Competence）、感受到推荐系统在坚持推荐原则方面的正直性（Integrity），从而信任推荐系统，进而实现推荐系统的预期作用而展开相关研究的。研究过程是以成熟的信息系统设计理论（Information System Design Theory，ISDT）的设计流程为依据的，具体研究过程及内容如下：本文首先通过理论推导，分析并构建了影响消费者对推荐系统产生信任的理论模型。该理论模型描述了消费者在与推荐系统不断深入的交互过程中逐渐产生信任的过程。根据任务技术匹配理论，分析了系统功能与消费者购买任务的匹配（需求认知支持、信息搜集支持、商品评价支持），对消费者初始使用意愿的影响；根据详尽可能性模型（Elaboration Likelihood Model），分析了消费者的积极参与，对于其理性认知及评价推荐系统的信任属性的影响；由于用户的良好体验与消费者的积极参与具有较强的相关关系，因此根据流体验理论（Flow experience），分析了系统的及时反馈、技能与挑战的匹配等特征对消费者的良好体验的影响；而消费者的良好体验又影响了其对系统的感知控制力及感知乐趣，进而影响了消费者对系统的感知易用性；最后与消费者对系统的感知透明性一同影响了消费者对系统的信任感知。在该理论模型的基础上，构建了系统的功能框架，详细分析了与理论相对应的功能模块。其次，针对推荐系统对消费者需求认知支持的问题，提出了基于商品网络成份分析及关联强度Q指标中间度分析的消费者需求预测方法。该方法将所有商品类型划分成若干成份，每个成份近似体现了消费者的一种主题偏好，并依据消费者需求具有相似性及连续性的特点，对消费者的需求进行预测。同时通过对中介作用强的商品类型进行推荐，可以使消费者最大程度的从当前所处的主题偏好集合迁移到另一个主题偏好集合中，从而为新颖性推荐提供理论基础。由于网络分析过程可以在线下完成，并且消费者的需求模式不会经常变化，因此可以实时的为网上消费者提供快速的、准确的并新颖的需求认知支持。第三，针对为消费者提供信息搜集及商品评价的支持问题，提出了基于消费者主观信任倾向分析的兴趣相似邻居寻找方法，及基于消费者消费水平的商品排序方法。该方法将消费者细分为相似用户、专家用户与可信用户，并通过分析不同类型的消费者对这三类用户的信任倾向，为目标用户寻找与其偏好相似的其他用户。该方法使得推荐的结果更符合消费者的偏好，提高了信息搜集及商品评价的准确性。在实践中，网站可以通过该方法提高消费者与推荐系统之间的交互体验，同时在交互过程中通过一定形式的反馈，让消费者认识到其与目标的差距及缩小这种差距的方法建议，以提高消费者的技能匹配其所面对的挑战，进而促进消费者对推荐系统产生良好的体验。第四，提出了一种缓解用户共同评价数据稀疏的方法。由于在实际电子商务中很难找到具有相同购买历史的两个用户，因此消费者共同评价项目的数据稀疏问题非常普遍，其严重影响了协同过滤推荐方法的应用。为了提高系统在数据极度稀疏环境下的适应性，文中在前面算法研究基础上，提出了基于商品互补性与替代性关系扩展消费者共同评价项目集的方法，经过验证，该方法能够在共同评价数据极度稀疏的环境下得到不失准确性的新颖性推荐结果。最后，让推荐系统自动地在恰当的时间给予消费者恰当的推荐结果及解释，是提高消费者对系统信任感知的重要手段，因此构建了个性化反馈Agent。设计的Agent在经典BDI Agent的基础上，针对设计的用户感知可信的推荐系统特征，对其核心组成要素，目标库、事件库、信念库及方案库的内容进行了详细设计，并通过对组成要素的之间的关系分析构建了方案选择策略。本文围绕用户感知可信的推荐系统设计问题，沿着理论分析—>系统设计与功能分析—>功能实现与验证—>推荐结果及解释的反馈设计这一主线对推荐系统进行了分析与设计，所提出的理论模型及推荐算法含有很多的全新设计思路和解决方法。一方面，提出理论模型从信任形成过程的视角描述了消费者对推荐系统从使用意愿到信任建立的发展过程，另一方面为电子商务开发用户感知信任的推荐系统提供了系统的整体上的理论框架。
梁煌浩[8]（2011）在《电子商务环境下信息管理体系结构应用》文中研究指明随着当代信息技术的飞速发展,“电子商务”这一企业经营新环境正影响着信息管理的理论和方法。本文通过研究传统信息管理模式和剖析电子商务环境对信息管理的影响和推动,发现在当今高速信息量交汇的时代,传统的信息管理方式存在智能化、自动代、个性化不足人工成本高,信息一致性差等问题,已经远远不能满足对信息管理的需求。针对以上这些问题,通过对电子商务环境下信息管理理论与方法的研究,结合现代信息技术,采用了一个电子商务环境下的信息管理体系架构,该结构由以下五个部分组成：信息支持层、信息挖掘层、信息处理层、信息搜集层和信息安全。其中,信息支持层是一个由问题驱动的智能决策支持系统；信息挖掘层从信息挖掘Agent在信息处理层得到的信息库中挖掘能应用于决策参考的信息；信息处理与信息搜集层主要完成信息的搜集与搜集后的分类、索引和安全层则是要保证信息的保密性、交易者身份的确定性、交易活动的不可否认性以及交易信息文件的不可修改性这四个主要方面。基于该架构,采用了面向对象分析建模技术,对中国电信潮州分公司综合开通系统的需求进行分析,使用UML用例图建模了该系统的需求。该系统的功能包括以下模块：前台子系统、业务接口子系统、后台子系统、网络接口子系统等4个主要模块。根据实际应用系统中工单的采集、下单、接收、初始化、激活、发送、回复、竣工的处理流程,构建了系统的活动图,并使用UML顺序图描述了各个功能模块的场景。通过实际系统的运用分析表明,该五层的信息管理体系构架在实际的电子商务应用中能有效地解决了旧式信息管理的自动化、智能化等存在的问题,有效地提高了电信企业在实际生产管理中运作效率。
费玉莲[9]（2011）在《面向电子商务的谈判支持系统研究》文中研究说明近年来,计算机、网络及通信技术取得的重大突破推动了互联网在各领域的应用普及,促进了企业与企业（B2B）、企业与顾客（B2C）电子商务的迅猛发展,电子商务的发展打破了地域界限,推进了商务全球化进程,使国际商务谈判更加频繁。而由于人力、成本、工作量、时间、距离等因素,采用面对面这种传统的谈判方式不太现实,因而面向电子商务的谈判支持系统成为一个新兴的重要研究领域,如何实现异地的远程商务谈判、如何为谈判双方提供即时有效支持等问题已经成为完善电子商务功能,推动电子商务发展所迫切需要解决的问题。本文在国内外研究基础上,以电子商务中商务洽谈整个过程为主线,全面分析并建立了面向电子商务的谈判支持系统（Ec-NSS:Negotiation Support System for Electronic Commerce）,并以Ec-NSS中的Web信息采集、谈判案例检索、谈判模型构建三个问题为例进行了深入分析和探讨。本文主要研究内容包括：第一、提出了本文研究的切入点----面向电子商务谈判决策支持系统的概念和范围界定,阐述了Ec-NSS的信息采集、谈判案例检索、谈判模型构建三个问题的解决思路。第二、提出了电子商务谈判支持系统的总体框架,对该Ec-NSS的业务流程、体系结构、功能模块等进行了深入研究,并以此为基础构建了“以支持电子商务谈判为中心”的Ec-NSS系统,实现对电子商务谈判中的谈判信息、谈判案例、谈判模型等全方位管理。第三、根据商务谈判所需信息采集的特点以及相关的信息搜索技术和挖掘技术,提出了采用面向谈判主体的信息采集机制,从海量的信息中采集商务谈判所需信息。结合种子站点和合适的抽取规则实现了谈判信息采集。最后对该种信息采集进行了验证,结果证明该方法具有较高的查全率与查准率,且系统耗费时间资源少,抽取速度快,满足了互联网中信息抽取的快速性要求。第四、根据商务谈判案例复杂、定量与定性属性相结合的特点,提出了基于改进AHP和NN算法的案例检索与匹配机制,采用改进层次分析法求得案例属性权重,采用语义距离求得属性之间的相似度,然后采用最近相邻检索算法求解问题案例与旧案例相似度。通过试验表明该方法具有良好的适用性、准确性,是案例检索与匹配的有效方法。第五、构建了基于改进型遗传算法的商务谈判模型,根据实际谈判情况,在模型中加入了谈判者对商品属性的偏爱、谈判策略等影响因子,使得谈判模型的运行结果更符合实际情况。在此基础上设计了Agent-Agent通讯模式来解决由于时空而引起的谈判双方不能同时在线的问题。最后对该模型进行了验证,结果证明该模型具有精确、高效并节省时间。最后设计实现了一个面向钢材电子商务谈判支持的原型系统（Usteel-EcNSS）。该原型系统结合杭州城北金属材料交易市场的实际需求,将本论文中的网络谈判信息采集和谈判模型应用到系统中,对面向电子商务的谈判支持系统应用做了有益的探索,为企业采集高质量的谈判信息、跨时空的商务谈判都提供了有力支持。
唐佩雄[10]（2009）在《基于平衡计分卡的决策支持系统研究》文中提出在现代网点结构、虚拟化、弹性化、云计算（cloud computing）、公用化、多元、互补等复杂环境特质下,企业资源整合系统（ERP）功能从未达完备程度,决策支持技术工具又不断推陈出新,ERP系统在不断汰换、统合的动态过程中,夹杂众多变革抗拒、对立结构间的政治行为,造成企业管理系统极为庞大复杂的问题及压力,并经常处于极大的乱度中。综观资源整合系统（ERP）、平衡计分卡（BSC）等相关文献研究及系统发展,不是仍陷入「系统整合与个性化」、「弹性与固化」的矛盾中,就是落入几乎无限上纲的「整合」瓶颈内。且因最现实的「操作性」问题迟迟无法有效解决,导致ERP、ABC、BSC等先进理念始终无法有效落实在中小型企业之应用上,也使得为解决复杂系统的「整合」问题变得更为复杂难解。相对于一般所强调理论上的创新与贡献,本研究则更关注于（1）因操作性、工具性问题所引发对现行管理理论无法有效应用的重大影响方面,试图兼顾理论研究与实务研究,建构一个易操作、简化、可增生之模块系统,去适应「复杂」结构的诸多难题。（2）基于平衡计分卡之决策聚焦特性,辅以「KPI」结合企业策略与ERP等系统支撑下的内部优势资源,应用「自主抉择」、「互补」方式克服「多元整合」问题。（3）探索建构一个分离的、辅助性的、且基于支持「BSC决策导向」之DSS雏型系统,以突破现行ERP的「整合」瓶颈。研究中除需面对如何落实复杂的高阶管理问题外,也涉及高深的程序设计理论等一系列计算器技术问题,试图以简御繁的背后仍然是一项庞大繁复的研究工程。本研究分从管理理论、系统工具（包括实施环境）等相关理论,包括深入推导BSC、DSS、ERP之间与本研究模型的衔接关键,结合过去多年研发之Excel管理案例模块群、Excel提供之强大工具群及应用技巧,建构出本研究用以决策支持的实作模型。模型主要结构特色包括：（1）建立以BSC为基的「通用策略」知识库范例模型,为包括主策略、子策略、衡量项目等多栏式策略架构,并辅以「通用KPI指针库范例」,以供企业主管易于筛选、修正、建立自己的策略链,提供辅助管理阶层与组织成员一套可掌握策略整合、沟通、查询、调校之弹性工具。（2）模型为三层式结构,第一层是浓缩企业所关切之核心问题的「综控图」；连接至第二层的「检核清单」,清单本身具有本研究开发的柔性文件管控功能、目录管理功能及向下探勘明细数据的有效方法,也为建构、管控第三层「数据仓储」的技术支撑；「数据仓储」则包括支持个案推理的各类「模式库」、「知识库」,以及结合企业最底层各分散系统的庞大数据群,所共同组成的数据供应源。本研究希以简易、互补、低成本的弹性工具降低现行系统乱度及中小企业E化风险,顺应企业提升管理决策能力之迫切需求。相关模型、案例也可辅助学习者藉助更有效率的工具及技巧,快速深入的了解当前企业信息系统之特质及问题,对提升管理教育训练方面也具有相当的帮助。
二、关于电子商务中改进DSS决策系统的分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关于电子商务中改进DSS决策系统的分析（论文提纲范文）
（1）动态环境下在线优化与决策算法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 电子商务中在线订单分配及车辆配送动态调度问题 |
| 1.1.2 面向森林火灾的异构机器人群救援预案辅助决策系统研究 |
| 1.2 国内外研究现状 |
| 1.2.1 电子商务中在线订单分配及车辆动态配送研究 |
| 1.2.2 面向森林火灾的异构机器人群救援预案辅助决策系统研究 |
| 1.3 本文主要研究内容 |
| 1.3.1 电子商务中在线订单分配及车辆配送动态调度问题 |
| 1.3.2 面向森林火灾的异构机器人群救援预案辅助决策系统研究 |
| 1.4 论文的结构 |
| 第二章 电子商务中在线订单分配及车辆配送动态调度问题 |
| 2.1 问题陈述及公式 |
| 2.1.1 声明 |
| 2.1.2 定义 |
| 2.1.3 模型构成 |
| 2.1.4 公式 |
| 2.2 集成车辆平衡策略的自适应大邻域搜索算法 |
| 2.2.1 动机 |
| 2.2.2 框架 |
| 2.2.3 原理分析与讨论 |
| 2.3 实验结果与分析 |
| 2.3.1 实验设计 |
| 2.3.2 配送成本分析 |
| 2.3.3 配送效果分析 |
| 2.4 本章小结 |
| 第三章 面向森林火灾异构机器人群救援预案辅助决策系统研究 |
| 3.1 问题陈述及公式 |
| 3.1.1 声明 |
| 3.1.2 符号定义 |
| 3.1.3 救援目标 |
| 3.2 异构机器人群救援预案辅助决策系统 |
| 3.2.1 动机 |
| 3.2.2 架构 |
| 3.2.3 森林火灾救援模拟器 |
| 3.3 救援动作模糊推理机 |
| 3.3.1 救援优先级模糊推理机 |
| 3.3.2 救援机器人分配模糊推理机 |
| 3.4 集成灭火知识的人工蜂群算法 |
| 3.4.1 动机 |
| 3.4.2 框架 |
| 3.5 实验验证与讨论 |
| 3.5.1 实验设计 |
| 3.5.2 救援优化算法性能的比较与讨论 |
| 3.5.3 森林火灾救援方案的比较与讨论 |
| 3.6 本章小结 |
| 第四章 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的论文和专利 |
（2）基于SOR理论的消费者感知在线评论有用性形成机理与评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 SOR理论研究 |
| 1.3.2 消费者在线评论感知研究 |
| 1.3.3 在线评论有用性评价研究 |
| 1.3.4 国内外研究现状述评 |
| 1.4 主要研究内容与研究方法 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 消费者感知在线评论有用性的形成机理与评价研究框架 |
| 2.1 相关概念界定 |
| 2.1.1 消费者感知过程 |
| 2.1.2 在线评论特点 |
| 2.1.3 消费者感知在线评论有用性的内涵 |
| 2.2 消费者感知在线评论有用性的形成动力 |
| 2.2.1 消费者感知在线评论有用性的过程要素 |
| 2.2.2 消费者感知在线评论有用性的动力因素 |
| 2.3 消费者感知在线评论有用性的形成阶段 |
| 2.3.1 刺激因素识别阶段 |
| 2.3.2 信息加工阶段 |
| 2.3.3 行为反应阶段 |
| 2.4 消费者感知在线评论有用性的刺激因素 |
| 2.4.1 与信息内容相关的刺激因素 |
| 2.4.2 与信息人相关的刺激因素 |
| 2.5 消费者感知在线评论有用性的形成路径 |
| 2.5.1 情感路径 |
| 2.5.2 信任路径 |
| 2.6 基于SOR理论的研究总体框架设计 |
| 2.6.1 设计原则 |
| 2.6.2 SOR理论运用依据 |
| 2.6.3 研究总体框架构建 |
| 2.7 本章小结 |
| 第3章 消费者感知在线评论有用性的刺激因素分析 |
| 3.1 刺激因素分析的概念模型 |
| 3.1.1 刺激因素识别的问题描述 |
| 3.1.2 消费者感知在线评论有用性刺激因素的概念模型构建 |
| 3.2 消费者感知在线评论有用性的刺激因素分析及研究假设 |
| 3.2.1 与信息内容相关的研究假设 |
| 3.2.2 与信息人相关的研究假设 |
| 3.3 数据来源与研究方法 |
| 3.3.1 数据来源 |
| 3.3.2 变量定义和测量 |
| 3.3.3 研究方法 |
| 3.4 刺激因素分析的实证检验 |
| 3.5 刺激因素分析的检验结果讨论 |
| 3.6 本章小结 |
| 第4章 消费者感知在线评论有用性的情感心理及行为反应分析 |
| 4.1 情感路径下消费者感知在线评论有用性的概念模型 |
| 4.1.1 消费者感知在线评论有用性情感心理与行为反应问题描述 |
| 4.1.2 情感心理及其行为反应的概念模型构建 |
| 4.2 与消费者情感心理相关的研究假设 |
| 4.2.1 与愉快情感相关的研究假设 |
| 4.2.2 与唤起情感相关的研究假设 |
| 4.3 调查设计和研究方法 |
| 4.3.1 数据来源 |
| 4.3.2 研究方法 |
| 4.4 形成机理的实证检验 |
| 4.4.1 测量模型分析 |
| 4.4.2 结构模型分析 |
| 4.5 形成机理的检验结果讨论 |
| 4.6 本章小结 |
| 第5章 消费者感知在线评论有用性的信任心理及行为反应分析 |
| 5.1 信任路径下消费者感知在线评论有用性的概念模型 |
| 5.1.1 消费者感知在线评论有用性信任心理及行为反应问题描述 |
| 5.1.2 信任心理及其行为反应的概念模型构建 |
| 5.2 与消费者信任心理相关的研究假设 |
| 5.2.1 与认知信任相关的研究假设 |
| 5.2.2 与情感信任相关的研究假设 |
| 5.3 数据来源和量表设计 |
| 5.3.1 数据来源 |
| 5.3.2 变量定义和测量 |
| 5.4 形成机理的实证检验 |
| 5.4.1 测量模型分析 |
| 5.4.2 结构模型分析 |
| 5.4.3 中介作用分析 |
| 5.5 形成机理检验结果讨论 |
| 5.6 本章小结 |
| 第6章 基于消费者感知的在线评论有用性评价研究 |
| 6.1 基于消费者感知的在线评论有用性评价目的和思路 |
| 6.1.1 在线评论有用性评价目的 |
| 6.1.2 在线评论有用性评价思路 |
| 6.2 在线评论有用性评价指标体系构建 |
| 6.2.1 评价指标构建原则 |
| 6.2.2 评价指标选取和说明 |
| 6.3 在线评论有用性评价方法的选择 |
| 6.3.1 DEA模型 |
| 6.3.2 评价方法适用性说明 |
| 6.4 在线评论有用性评价实证结果讨论 |
| 6.4.1 数据来源 |
| 6.4.2 效率分析 |
| 6.4.3 技术效率分析 |
| 6.4.4 规模收益分析 |
| 6.4.5 松弛变量分析 |
| 6.5 本章小结 |
| 第7章 消费者感知在线评论有用性的提升策略 |
| 7.1 提升在线评论信息质量的策略 |
| 7.1.1 序化在线评论信息内容 |
| 7.1.2 中心化在线评论信息内容 |
| 7.2 强化在线评论信息主体参与社群行为的策略 |
| 7.2.1 提高在线评论平台的服务能力 |
| 7.2.2 优化激励机制 |
| 7.3 改善在线评论信息技术环境的策略 |
| 7.3.1 考虑外部因素生成评论标签摘要 |
| 7.3.2 考虑信息行为和信息人因素生成评论标签摘要 |
| 7.3.3 改善在线评论排序功能 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文 |
| 攻读博士期间参与的科研项目 |
| 致谢 |
（3）B2B电子商务中复杂合同谈判模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 B2B电子商务在线交易方式 |
| 1.3.2 人工智能角度的多属性谈判 |
| 1.3.3 复杂合同谈判模型研究 |
| 1.3.4 研究评述 |
| 1.4 主要研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 B2B复杂合同谈判成因分析与体系框架 |
| 2.1 B2B电子商务 |
| 2.1.1 B2B电子商务概念与特点 |
| 2.1.2 B2B电子市场演变与当前主要模式 |
| 2.1.3 B2B电子商务的一般业务流程 |
| 2.2 B2B电子谈判与复杂合同谈判 |
| 2.2.1 B2B电子谈判 |
| 2.2.2 B2B多属性电子谈判 |
| 2.2.3 B2B复杂合同谈判 |
| 2.3 B2B复杂合同谈判复杂性成因及特征 |
| 2.3.1 B2B复杂合同谈判中多属性依赖关系分析 |
| 2.3.2 B2B复杂合同谈判主要特征 |
| 2.4 B2B复杂合同谈判体系框架 |
| 2.4.1 B2B复杂合同谈判模型设计关键要素 |
| 2.4.2 B2B复杂合同谈判模型设计原则 |
| 2.4.3 B2B复杂合同谈判模型总体框架 |
| 2.5 本章小结 |
| 第3章 B2B复杂合同谈判决策与谈判机制研究 |
| 3.1 B2B复杂合同谈判问题的效用评价 |
| 3.1.1 多属性效用理论 |
| 3.1.2 B2B复杂合同谈判的效用函数 |
| 3.1.3 机器学习与谈判方案效用评价 |
| 3.2 B2B复杂合同谈判的决策方法 |
| 3.2.1 求解Nash均衡的决策方法 |
| 3.2.2 基于帕累托(Pareto)最优的决策方法 |
| 3.2.3 决策方法比较分析 |
| 3.3 B2B复杂合同谈判机制研究 |
| 3.3.1 多Agent系统的引入 |
| 3.3.2 基于中介的双边谈判机制 |
| 3.3.3 基于中介的多Agents多边谈判机制 |
| 3.4 谈判模型智能求解方法分析 |
| 3.4.1 主要智能计算方法 |
| 3.4.2 混合智能计算方法分析 |
| 3.5 本章小节 |
| 第4章 B2B复杂合同谈判模型 |
| 4.1 基于Nash均衡解的决策描述 |
| 4.1.1 模型谈判决策方法 |
| 4.1.2 基于MAS的多边谈判框架 |
| 4.2 谈判知识获取方法 |
| 4.2.1 谈判知识获取问题分析 |
| 4.2.2 GD-FNN的优势 |
| 4.3 MAS/GA谈判模型构建 |
| 4.3.1 关键环节 |
| 4.3.2 算法步骤与过程 |
| 4.4 仿真分析 |
| 4.4.1 模拟方程的构建 |
| 4.4.2 谈判属性取值范围与运算相关参数设定 |
| 4.4.3 仿真计算 |
| 4.4.4 结果分析 |
| 4.5 本章小结 |
| 第5章 基于订单合并的B2B复杂合同谈判模型 |
| 5.1 采购数量订单合并分析 |
| 5.1.1 采购数量订单合并的买方需求 |
| 5.1.2 订单合并的卖方需求 |
| 5.1.3 订单合并的规则分析 |
| 5.2 基于Nash均衡解的组合订单效用决策描述 |
| 5.2.1 谈判决策方法 |
| 5.2.2 基于MAS的订单合并谈判机制 |
| 5.3 基于订单合并的MAS/HGA谈判模型构建 |
| 5.3.1 关键环节 |
| 5.3.2 求解订单合并的HGA遗传算法 |
| 5.4 仿真分析 |
| 5.4.1 仿真计算 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 第6章 B2B复杂合同谈判模型的应用仿真 |
| 6.1 B2B复杂合同谈判模型应用仿真实验方案设计思路 |
| 6.2 B2B复杂合同谈判应用仿真实验方案分析 |
| 6.2.1 B2B复杂合同谈判应用仿真的谈判流程分析 |
| 6.2.2 B2B复杂合同谈判系统功能结构分析 |
| 6.3 B2B复杂合同谈判模型应用仿真方案设计 |
| 6.3.1 仿真系统功能结构设计 |
| 6.3.2 仿真系统谈判流程设计 |
| 6.3.3 仿真系统数据结构设计 |
| 6.4 B2B复杂谈判合同应用仿真实验算例 |
| 6.4.1 应用仿真环境构建 |
| 6.4.2 应用仿真算例描述 |
| 6.4.3 应用仿真结果输出与分析 |
| 6.5 B2B复杂合同谈判应用仿真中计算的复杂度分析 |
| 6.5.1 计算过程中的空间复杂度分析 |
| 6.5.2 计算过程中的时间复杂度分析 |
| 6.5.3 计算过程中的整体复杂度分析 |
| 6.6 B2B复杂合同谈判的应用策略 |
| 6.6.1 B2B复杂合同谈判应用目标与基本原则 |
| 6.6.2 B2B复杂合同谈判中企业应用策略与措施 |
| 6.6.3 B2B复杂合同谈判应用中可能存在的不足 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 攻读博士学位期间参与的科研项目 |
| 致谢 |
| 个人简历 |
（4）互联网市场下移动购物的行为研究:一个国外文献综述（论文提纲范文）
| 一、引言 |
| 二、移动购物与消费者行为 |
| (一) 移动购物决策 |
| (二) 移动购物满意度 |
| 三、移动购物与生产者行为 |
| (一) 虚拟店铺应用 |
| (二) 信息媒体应用 |
| 四、移动购物与技术行为 |
| (一) 隐私行为 |
| (二) 安全行为 |
| 五、研究展望 |
（5）高效率用户群体兴趣趋势发现的推荐方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究内容和主要创新点 |
| 1.2.1 研究内容 |
| 1.2.2 创新点 |
| 1.3 论文组织结构 |
| 第2章 相关工作和研究现状 |
| 2.1 引言 |
| 2.2 推荐系统与用户群体的活跃度 |
| 2.3 推荐系统与用户群体的信任度 |
| 2.4 推荐系统与用户群体的隐私分享 |
| 2.5 本章小结 |
| 第3章 Div-clustering：基于高活跃度用户群体兴趣的推荐方法 |
| 3.1 实体数据结构与图模型 |
| 3.1.1 用户的数据结构 |
| 3.1.2 推荐项目的数据结构 |
| 3.2 高活跃度用户群体的推荐设计 |
| 3.2.1 数据实体的预处理 |
| 3.2.2 知识库与非数值属性 |
| 3.2.3 Div-clustering推荐算法描述 |
| 3.2.4 高活跃度用户群体的确认 |
| 3.3 实验与评估 |
| 3.3.1 数据集爬取与实验准备 |
| 3.3.2 高活跃度用户群体筛选 |
| 3.3.3 基于高活跃度用户群体的推荐算法评估 |
| 3.3.4 实验结果和讨论 |
| 3.4 本章小结 |
| 第4章 PointBurst：基于高信任度用户和信任关联的推荐算法 |
| 4.1 图模型的基本数据结构 |
| 4.1.1 同类型实体之间分类 |
| 4.1.2 不同类型实体之间的关联 |
| 4.2 基于信任关联的推荐算法 |
| 4.2.1 基于显性信任关联的推荐算法 |
| 4.2.2 基于挖掘隐性信任关联的PointBurst推荐算法 |
| 4.3 实验 |
| 4.3.1 数据集收集与实验准备 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 ISBP：一种基于用户隐私分享因素的学习模型 |
| 5.1 因素假设 |
| 5.2 基于ISBP模型的机器学习算法应用 |
| 5.2.1 ISBP模型下的决策树分类器应用 |
| 5.2.2 ISBP模型下的K-近邻分类器应用 |
| 5.2.3 ISBP模型下的朴素贝叶斯分类器应用 |
| 5.3 实验结果与分析 |
| 5.3.1 数据集准备 |
| 5.3.2 学习结果和因素假设的检验 |
| 5.3.3 实验结果 |
| 5.4 本章小结 |
| 第6章 一种缓解高隐私分享量用户群体流失的决策支持机制 |
| 6.1 隐私数据收集与推荐准确性溢出现象 |
| 6.1.1 收集过程与用户行为学习结果 |
| 6.1.2 溢出现象的发现和确认 |
| 6.1.3 溢出现象相关解释 |
| 6.2 面向溢出现象的数据建模 |
| 6.2.1 基本数据结构 |
| 6.2.2 分类学习方法和相关假设 |
| 6.3 实验 |
| 6.3.1 实验准备和数据集 |
| 6.3.2 聚类学习结果和溢出现象的应对方案 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与科研项目 |
| 攻读学位期间获奖情况 |
| 外文论文 |
| 学位论文评阅及答辩情况表 |
（6）在电子商务中应用Web数据挖掘的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 国内外研究综述 |
| 1.2.1 数据挖掘研究 |
| 1.2.2 电子商务研究 |
| 1.2.3 推荐系统研究 |
| 1.3 论文研究目标 |
| 1.4 论文组织结构 |
| 第2章 数据挖掘相关内容 |
| 2.1 数据挖掘的定义 |
| 2.1.1 数据挖掘的内涵 |
| 2.1.2 数据仓库中的数据挖掘 |
| 2.1.3 统计方法中的数据挖掘 |
| 2.2 数据挖掘的技术 |
| 2.2.1 数据挖掘的技术方法 |
| 2.2.2 数据挖掘的工具 |
| 2.2.3 数据挖掘七大过程 |
| 2.3 数据挖掘的应用及挑战 |
| 2.3.1 数据挖掘的应用 |
| 2.3.2 数据挖掘的挑战 |
| 2.4 Web数据挖掘的相关内容 |
| 2.4.1 Web数据挖掘的概念 |
| 2.4.2 Web数据挖掘的作用 |
| 2.4.3 Web数据挖掘的特点 |
| 2.4.4 Web数据挖掘的分类 |
| 2.4.5 Web数据挖掘流程 |
| 2.4.6 Web数据挖掘用途 |
| 2.5 XML与Web数据挖掘的结合 |
| 2.6 小结 |
| 第3章 电子商务中的Web数据挖掘 |
| 3.1 电子商务相关概念 |
| 3.1.1 电子商务的两个层面 |
| 3.1.2 电子商务的模式 |
| 3.1.3 电子商务活动的特点 |
| 3.1.4 电子商务七大优势 |
| 3.2 EC中进行Web数据挖掘 |
| 3.2.1 EC中的数据源 |
| 3.2.2 EC的挖掘过程 |
| 3.3 Web挖掘在EC中的应用 |
| 3.3.1 提升客户价值 |
| 3.3.2 改变营销机制 |
| 3.4 小结 |
| 第4章 使用Web数挖的推荐系统研究 |
| 4.1 电子商务中的推荐系统 |
| 4.1.1 前台输出系统 |
| 4.1.2 后台输入系统 |
| 4.1.3 中间处理系统 |
| 4.2 常见推荐算法 |
| 4.3 小结 |
| 第5章 Web挖掘推荐系统的设计实现 |
| 5.1 推荐系统的概述 |
| 5.2 访问数据模块 |
| 5.2.1 数据收集模块 |
| 5.2.2 推荐系统的数据预处理 |
| 5.3 系统架构应用模块 |
| 5.3.1 基于OLAP的系统结构 |
| 5.3.2 基于B/S结构应用框架 |
| 5.4 系统所用算法 |
| 5.4.1 Apriori算法 |
| 5.4.2 Apriori算法实现 |
| 5.4.3 Apriori算法改进 |
| 5.4.4 改进的Apriori算法实现 |
| 5.4.5 前后两算法比较分析 |
| 5.4.6 改进算法在推荐系统中的运用 |
| 5.5 交互用户模块 |
| 5.5.1 在线推荐模块 |
| 5.5.2 模式应用模块 |
| 5.6 小结 |
| 结论 |
| 参考文献 |
| 附录A (攻读学位期间所发表的学术论文目录) |
| 致谢 |
（7）B2C环境下用户感知可信的推荐系统理论及其关键方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 问题的提出 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状及评述 |
| 1.2.1 电子推荐系统及实现技术相关研究 |
| 1.2.2 推荐系统对消费者的作用及影响 |
| 1.2.3 影响用户评价及使用推荐系统的因素研究 |
| 1.2.4 影响消费者信任推荐系统的因素研究 |
| 1.2.5 推荐系统设计特征对消费者态度的影响相关研究 |
| 1.2.6 面临的主要问题 |
| 1.3 研究的主要内容及论文结构 |
| 1.3.1 研究的方法及主要内容 |
| 1.3.2 论文结构 |
| 第2章 用户感知可信推荐系统的理论构建及系统特征分析 |
| 2.1 行为理论对系统设计影响 |
| 2.2 信息系统设计理论框架 |
| 2.3 核心理论构建 |
| 2.3.1 基于交互的信任 |
| 2.3.2 影响消费者使用意愿的因素 |
| 2.3.3 影响消费者良好体验的因素 |
| 2.3.4 反馈对消费者的影响 |
| 2.3.5 理论框架 |
| 2.4 用户感知可信的推荐系统特征分析 |
| 2.4.1 元需求 |
| 2.4.2 元设计 |
| 2.4.3 可测试的系统设计假设 |
| 2.5 推荐系统详细设计方案及后续各章安排 |
| 2.6 本章小结 |
| 第3章 基于商品关系网的消费者需求认知支持 |
| 3.1 需求认知支持阶段对推荐系统的要求 |
| 3.1.1 需求认知支持的界定 |
| 3.1.2 对推荐系统的要求 |
| 3.2 需求预测相关研究 |
| 3.3 网络及社会网络相关理论 |
| 3.3.1 网络的相关概念 |
| 3.3.2 节点中心度 |
| 3.3.3 关系强度 |
| 3.4 基于商品关系网的主题分类库构建 |
| 3.4.1 构建商品网 |
| 3.4.2 商品网分析 |
| 3.4.3 消费者需求预测 |
| 3.4.4 推荐结果解释 |
| 3.5 需求预测准确性验证问题 |
| 3.6 本章小结 |
| 第4章 基于用户信任倾向分析的信息搜集及评价支持 |
| 4.1 口碑的作用及其对推荐结果的影响 |
| 4.2 基于信任的推荐相关研究 |
| 4.3 用户特征值分析 |
| 4.3.1 用户相似度分析 |
| 4.3.2 用户可信度计算 |
| 4.3.3 用户专家值计算 |
| 4.3.4 用户信任倾向估计 |
| 4.4 产生推荐 |
| 4.5 实验分析 |
| 4.5.1 数据准备 |
| 4.5.2 评价方法 |
| 4.6 个性化的商品排序方法 |
| 4.6.1 基于商品评分的排序方法 |
| 4.6.2 基于消费者价格偏好的排序方法 |
| 4.7 对反馈的要求 |
| 4.8 本章小结 |
| 第5章 数据稀疏环境下的推荐支持 |
| 5.1 数据驱动的推荐方法 |
| 5.1.1 基于内容的推荐 |
| 5.1.2 基于协同过滤的推荐 |
| 5.1.3 混合推荐 |
| 5.2 数据稀疏问题 |
| 5.3 推荐系统核心算法描述 |
| 5.3.1 商品替代性形式化描述 |
| 5.3.2 基于商品网的商品互补性关系分析 |
| 5.3.3 扩展共同评价项目集 |
| 5.3.4 邻居选择方法 |
| 5.3.5 产生推荐 |
| 5.4 实验分析 |
| 5.4.1 数据准备 |
| 5.4.2 算法评价 |
| 5.5 本章小结 |
| 第6章 个性化反馈支持Agent的构建 |
| 6.1 Agent理论基础 |
| 6.1.1 Agent基本概念 |
| 6.1.2 Agent一般特性分析 |
| 6.2 POFA体系结构 |
| 6.2.1 POFA与外部交互分析 |
| 6.2.2 POFA内部体系结构 |
| 6.3 POFA详细设计 |
| 6.3.1 目标库 |
| 6.3.2 POFA响应的事件分析 |
| 6.3.3 事件库 |
| 6.3.4 信念库对于输入事件的响应 |
| 6.3.5 POFA方案库构建基础 |
| 6.3.6 方案选择策略 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）电子商务环境下信息管理体系结构应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 电子商务环境下信息管理理论与方法的国内外研究现状 |
| 1.2 电子商务的发展对信息管理的影响 |
| 1.3 问题的提出 |
| 1.4 论文章节内容安排 |
| 第2章 五层信息管理架构的概述 |
| 2.1 电子商务环境下信息管理体系总体结构 |
| 2.2 电子商务环境下信息管理体系结构组成 |
| 2.3 信息支持层 |
| 2.4 信息挖掘层 |
| 2.5 信息处理层和信息搜集层 |
| 2.6 信息安全层 |
| 第3章 实际应用-潮州电信INAS系统 |
| 3.1 INAS系统概述及性能要求 |
| 3.2 总体结构与模块外部设计 |
| 3.3 业务接口子系统 |
| 3.4 后台子系统 |
| 3.5 网络接口子系统 |
| 3.6 处理流程 |
| 3.7 接口子系统 |
| 3.8 后台子系统 |
| 3.9 前台子系统 |
| 3.10 开发过程中遵循的原则 |
| 3.11 小结 |
| 第4章 系统测试 |
| 4.1 测试环境 |
| 4.2 系统测试 |
| 4.3 系统测试评估 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
（9）面向电子商务的谈判支持系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 选题意义 |
| 1.3 研究思路及创新点 |
| 1.3.1 研究思路 |
| 1.3.2 创新点 |
| 1.4 本文组织结构 |
| 1.5 本章小结 |
| 第2章 相关理论研究回顾及Ec-NSS范围界定 |
| 2.1 电子商务谈判的相关理论 |
| 2.2 电子商务谈判支持系统综述 |
| 2.2.1 谈判支持系统的含义和内涵 |
| 2.2.2 电子商务谈判支持系统研究现状 |
| 2.2.3 电子商务谈判决策支持系统存在的问题 |
| 2.3 Ec-NSS范围界定 |
| 2.4 Ec-NSS的技术基础 |
| 2.4.1 网络信息采集基本理论和方法 |
| 2.4.2 层次分析法和最近相邻检索法 |
| 2.4.3 谈判模型构建的理论和方法 |
| 2.5 本章小结 |
| 第3章 电子商务谈判支持系统的总体框架 |
| 3.1 面向电子商务谈判支持系统的三维结构分析 |
| 3.1.1 Ec-NSS中的商品信息分析 |
| 3.1.2 Ec-NSS中的谈判案例分析 |
| 3.1.3 Ec-NSS中的谈判模型分析 |
| 3.2 面向电子商务谈判支持系统的框架模型 |
| 3.2.1 Ec-NSS系统的工作原理 |
| 3.2.2 Ec-NSS系统的功能框架 |
| 3.3 面向电子商务谈判支持系统的结构指标分析 |
| 3.3.1 基于主题搜索引擎的商品信息采集分析 |
| 3.3.2 基于改进AHP和NN方法的谈判案例检索分析 |
| 3.3.3 基于改进GA的商务谈判模型构建分析 |
| 3.4 面向电子商务谈判支持系统的技术关键分析 |
| 3.4.1 WEB数据挖掘技术 |
| 3.4.2 信息抽取技术 |
| 3.4.3 案例构建技术 |
| 3.4.4 智能代理技术 |
| 3.5 本章小结 |
| 第4章 面向电子商务谈判的商品信息采集 |
| 4.1 问题提出 |
| 4.2 WEB信息搜索 |
| 4.2.1 分布式并行处理方法 |
| 4.2.2 基于聚类分析的多叉树深度优先算法 |
| 4.2.3 Key-Sensitive-Rank算法 |
| 4.3 WEB信息抽取 |
| 4.3.1 WEB信息抽取的基本原理 |
| 4.3.2 信息抽取算法 |
| 4.4 电子商务谈判商品信息采集实验分析 |
| 4.5 本章小结 |
| 第5章 商务谈判案例检索与匹配机制研究 |
| 5.1 问题的提出 |
| 5.2 商务谈判案例检索与匹配机制构建 |
| 5.2.1 案例属性权重的获取 |
| 5.2.2 案例属性的相似度 |
| 5.2.3 相似案例检索 |
| 5.3 谈判案例构建与存储 |
| 5.4 案例分析 |
| 5.5 本章小结 |
| 第6章 面向电子商务的谈判模型构建 |
| 6.1 问题的提出 |
| 6.2 基于改进型遗传算法的商务谈判模型 |
| 6.2.1 编码方法 |
| 6.2.2 初始谈判方案的制定 |
| 6.2.3 适应度函数的设计 |
| 6.2.4 终止规则 |
| 6.2.5 谈判模型运行流程 |
| 6.3 电子商务谈判模型实验分析 |
| 6.4 本章小结 |
| 第7章 面向钢材电子商务的谈判支持原型系统 |
| 7.1 系统概述 |
| 7.2 Usteel-EcNSS系统的体系结构与实现技术 |
| 7.2.1 Usteel-EcNSS系统体系结构 |
| 7.2.2 实现技术 |
| 7.3 Usteel-EcNSS系统的功能 |
| 7.3.1 面向城北Usteel-EcNSS系统的钢材信息采集 |
| 7.3.2 面向城北Usteel-EcNSS系统的谈判案例检索 |
| 7.3.3 面向城北Usteel-EcNSS系统的商务谈判模型支持 |
| 7.4 本章小结 |
| 第8章 总结与展望 |
| 8.1 本文总结 |
| 8.2 对未来工作的展望 |
| 参考文献 |
| 附录1 攻读博士期间发表的主要相关论着 |
| 附录2 攻读博士期间承担和参加的项目 |
| 附录3 攻读博士期间获得的奖项和荣誉 |
| 致谢 |
（10）基于平衡计分卡的决策支持系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 研究背景 |
| 1.1.1 ERP系统功能难以完备 |
| 1.1.2 决策急迫需求 |
| 1.1.3 决策支持技术工具不断推陈出新 |
| 1.2 研究动机 |
| 1.2.1 完善管理工具充分发挥ERP的功效 |
| 1.2.2 建立基于BSC的决策管理系统 |
| 1.2.3 复杂系统的统合及互补 |
| 1.2.4 以简捷工具适应复杂计算机化环境 |
| 1.2.5 结合工具弹性与人的创意 |
| 1.3 研究目的 |
| 1.3.1 以平衡计分卡聚焦战略决策信息 |
| 1.3.2 探讨以EXCEL补强系统建置的可操作性 |
| 1.3.3 简约现行计算器技术过于复杂的难题 |
| 1.3.4 提升管理人员学习能力及计算机应用效能 |
| 1.4 研究方法 |
| 1.4.1 行动研究法与质性研究法 |
| 1.4.2 文献分析与历史研究法 |
| 1.5 研究架构 |
| 1.6 研究成果与贡献 |
| 1.7 小结 |
| 2.平衡计分卡:理论与批判 |
| 2.1 平衡计分卡(BSC)主要内容 |
| 2.1.1 由四个构面量化战略目标 |
| 2.1.2 量化战略之的链结原则 |
| 2.1.3 创新战略之核心组织 |
| 2.1.4 战略地图—抽象战略的具像转化 |
| 2.1.5 整合总公司战略及结构 |
| 2.2 当前文献对平衡计分卡(BSC)之批判 |
| 2.2.1 使用目的(功能面)方面 |
| 2.2.2 四个构面方面 |
| 2.2.3 因果关系方面 |
| 2.2.4 指标数量方面 |
| 2.2.5 因果关系的哲学争议 |
| 2.2.6 战略执行功效方面 |
| 2.3 平衡计分卡(BSC)的战略观 |
| 2.3.1 当代战略思维的发展与转向 |
| 2.3.2 BSC之战略聚焦—以战略为起点、化战略为行动 |
| 2.4 平衡计分卡的行动基础 |
| 2.4.1 内部流程与作业成本制(ABC/ABM) |
| 2.4.2 顾客与质量管理(TQM与六标准差) |
| 2.4.3 BSC提供ABM/TQM战略整合之重大价值 |
| 2.5 小结 |
| 3.企业资源整合系统(ERP):发展与问题 |
| 3.1 供应链问题 |
| 3.2 ERP/ERM发展历程 |
| 3.3 ERP系统匹配(alignment)问题 |
| 3.3.1 研究现况概述 |
| 3.3.2 通用化、模组化、行业化研究 |
| 3.3.3 企业与IT系统的动态匹配(alignment)的研究 |
| 3.4 结构间的矛盾、对立 |
| 3.4.1 领导结构问题—高阶经营层支持力度非绝对性 |
| 3.4.2 信息部门结构问题 |
| 3.4.3 部门主管结构问题 |
| 3.4.4 使用者结构问题 |
| 3.4.5 顾问公司及系统供货商结构问题 |
| 3.4.6 ERP系统本身结构问题—产品现况 |
| 3.5.变革抗拒的政治行为 |
| 3.5.1 变革抗拒 |
| 3.5.2 组织权力结构 |
| 3.5.3 认同与角色扮演 |
| 3.5.4 解构抗拒的其它相关研究 |
| 3.6 ERP:整合与互补 |
| 3.7 小结 |
| 4.决策支持系统与设计方法论 |
| 4.1 决策支持系统发展与统合 |
| 4.1.1 主管决策模式的复杂性与针对性 |
| 4.1.2 DSS定义(伞状名词) |
| 4.1.3 DSS发展过程及类型 |
| 4.1.4 决策信息系统的统合趋势 |
| 4.2 DSS设计方法论 |
| 4.2.1 DSS设计架构 |
| 4.2.2 模式库与个案推理 |
| 4.2.3 DSS设计基本观念问题 |
| 4.3 本模型支持方法论 |
| 4.3.1 网点结构的多样化工具 |
| 4.3.2 取得外部数据—建构数据仓储 |
| 4.3.3 柔性文件的特殊处理方式—建构知识库 |
| 4.3.4 支持模拟规划及决策分析工具—建构模式库 |
| 4.4.模型解构—理论演化与背景假说 |
| 4.4.1 模型理论框架之演化 |
| 4.4.2 模型技术背景假说 |
| 4.5.模型结构与核心功能例示 |
| 4.5.1 模型主结构 |
| 4.5.2 模式库 |
| 4.5.3 知识库—以平衡计分卡为核心 |
| 4.5.4 其它柔性文件管控及应用例 |
| 4.6 小结 |
| 5.结论与建议 |
| 5.1 研究结论与贡献 |
| 5.1.1 企业可重新思考信息技术的使用方式 |
| 5.1.2 以电子表格管控BSC战略聚焦的因果链 |
| 5.1.3 实作证明电子表格具有建立DSS系统的能力 |
| 5.1.4 以简易、互补工具降低E化风险、改善学习环境 |
| 5.2 建议与未来研究方向 |
| 5.2.1 建议 |
| 5.2.2 未来研究方向 |
| 参考文献 |
| 致谢 |
四、关于电子商务中改进DSS决策系统的分析（论文参考文献）
- [1]动态环境下在线优化与决策算法的研究[D]. 刘华剑. 北京邮电大学, 2020(05)
- [2]基于SOR理论的消费者感知在线评论有用性形成机理与评价研究[D]. 王俭. 哈尔滨理工大学, 2020(01)
- [3]B2B电子商务中复杂合同谈判模型研究[D]. 李梅. 哈尔滨理工大学, 2018(01)
- [4]互联网市场下移动购物的行为研究:一个国外文献综述[J]. 唐红涛,唐清. 湖南商学院学报, 2017(03)
- [5]高效率用户群体兴趣趋势发现的推荐方法研究[D]. 吴泓辰. 山东大学, 2016(10)
- [6]在电子商务中应用Web数据挖掘的研究[D]. 黄玲. 湖南大学, 2014(09)
- [7]B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D]. 张尧. 哈尔滨工业大学, 2013(01)
- [8]电子商务环境下信息管理体系结构应用[D]. 梁煌浩. 华东师范大学, 2011(10)
- [9]面向电子商务的谈判支持系统研究[D]. 费玉莲. 浙江工商大学, 2011(07)
- [10]基于平衡计分卡的决策支持系统研究[D]. 唐佩雄. 暨南大学, 2009(02)