» 国际关系外交
/ 最新排序
刘宏/复旦大学出版社
薛兴国/时事出版社
颜剑英/知识产权出版社
赵世锋/复旦大学出版社
张莉清/武汉大学出版社
北京大学国际战略研究中心/世界知识出版社
姜维清/世界知识出版社
[中国] 刘杰 著/社会科学文献出版社
[中国] [美]罗伯特?卡根 著/社会科学文献出版社
[中国] 杨天石 侯中军 编/社会科学文献出版社
宋慧娟 主编/吉林大学出版社
韩志斌/中国社会科学出版社
暂无/法律出版社
黄正柏（华中师范大学）/湖北人民出版社
张植荣，王俊峰　著/黑龙江人民出版社
刘雪莲/中国社会科学出版社
[中国] 王建娥 著/社会科学文献出版社
[中国] 郭丹彤 著/社会科学文献出版社
[中国] 梁志 著/社会科学文献出版社
檀有志著/时事出版社
张国庆/天津社会科学院出版社
中国战略与管理研究会/中国发展出版社
高飞/世界知识出版社
赵怀普/世界知识出版社
　　　　　
　　　　　
　　　　　
　　　　　您的位置： >
来源：　　作者：王振蒙;姜恩波;
关联书目数据质量评估框架构建与实证评估　 1引言近年来,关联数据数量快速增长,关联数据云图(Linked Open Data Cloud,以下简称LOD)中的数据集数量已经由最初的12个,发展到2014年的1 014个[1],内容覆盖政府开放数据、出版等八大主题领域。其中出版领域的数据集增加更为迅速,成为继社交媒体和政府开放数据领域之后增速最为显著的一个领域,在LOD中的占比已高达10%。经调查统计发现,出版领域的数据集主要来自出版商、图书馆、博物馆、档案馆以及各高校等[2]。在其96个关联开放数据集中,有36个包含了书目资源,这是图书馆领域积极努力投身关联数据事业建设中所做出的贡献。这其中包括以英、法、德等国家图书馆为代表的国家级图书情报机构发布的关联书目数据集。国家级图书情报机构资源丰富,数据质量高。对这些关联数据集的描述框架、语义、语法以及信息关联特征等内容进行分析和评估,对推动图书情报领域的关联数据发布和应用具有标准和示范作用。本文选取目前关联数据质量评估领域中被较多研究人员认可的莱比锡质量评估指标体系作为参考评估标准,并进一步提出了评估的流程框架;在以上工作的基础上,选取英国、法国、德国、西班牙和瑞典5个国家的国家级(本文共计8页)　　　　　　　　　　
相关文章推荐
看看这些杂志对你有没有帮助...
单期定价：38.40元/期全年定价：30.72元/期　共737.30元
　　　　　　亲密关系TXT下载,亲密关系全集,全本,完结,全文完整版小说TXT电子书免费下载_八零电子书<meta name="description" content="八零电子书提供亲密关系txt全集下载,以及亲密关系txt下载和亲密关系全文完整版txt下载以及各种小说电子图书下载。下载亲密关系txt全集下载,请一定要来八零电子书里下载亲密关系txt哦！亲密关系txt全文全集下载：
&&&&床上做爱并不代表床下有爱，工作中共事并不代表生活外搭伙，各取所需好聚好散，这一直是景飒和苏沐妍心里默认的相处方式。
&&&&说好的游戏规则，直到有一天，苏沐妍突然发现自己犯规了，一切都开始变得不一样了......
&&&&咳咳，终于决定更新文了=
&&&&=我把这篇文当做现代文系列的开篇，主要是因为我很喜欢这文里的傲娇CP，希望大家也能喜欢，笑~
&&&&新文开张望大家多支持啊亲，打滚求收藏求打分啊亲，看文送作者君了啊亲，免费调戏M体质不反抗好调教啊亲！！！
&&&&本文于9月20号入V，入V当天三更奉上，扭，卖萌打滚求支持。另：不会充值的点一点大饼脸，它会带你去充值页面滴~
&&&&小慕慕的第一篇古文
&&&&帝女花的后续
&&&&刚完结的腹黑傲娇文=
&&&&之前的群解散了=
&&&&=新建群的群号：
&&&&敲门砖：慕慕是攻=
&&&&请大家一定要按照这个敲门砖进群，不对的话管理员是不放的，再有说慕慕是受的，嗯哼，管理员们是绝对不会放你们进来的！！！
您现在的位置： →
& 八零电子书免费为书友提供创作的;如果你觉得本站提供的不错,请把分享推荐给你的朋友！
&&&&床上做爱并不代表床下有爱，工作中共事并不代表生活外搭伙，各取所需好聚好散，这一直是景飒和苏沐妍心里默认的相处方式。
&&&&说好的游戏规则，直到有一天，苏沐妍突然发现自己犯规了，一切都开始变得不一样了......
&&&&咳咳，终于决定更新文了=
&&&&=我把这篇文当做现代文系列的开篇，主要是因为我很喜欢这文里的傲娇CP，希望大家也能喜欢，笑~
&&&&新文开张望大家多支持啊亲，打滚求收藏求打分啊亲，看文送作者君了啊亲，免费调戏M体质不反抗好调教啊亲！！！
&&&&本文于9月20号入V，入V当天三更奉上，扭，卖萌打滚求支持。另：不会充值的点一点大饼脸，它会带你去充值页面滴~
&&&&小慕慕的第一篇古文
&&&&帝女花的后续
&&&&刚完结的腹黑傲娇文=
&&&&之前的群解散了=
&&&&=新建群的群号：
&&&&敲门砖：慕慕是攻=
&&&&请大家一定要按照这个敲门砖进群，不对的话管理员是不放的，再有说慕慕是受的，嗯哼，管理员们是绝对不会放你们进来的！！！
更多,更多,敬请关注八零电子书。
公告：亲密关系TXT全集下载 已修复，对大家造成的不变深感抱歉！！
公告：亲密关系 正式开通 手机TXT全集下载 !!
公告：亲密关系 正式开通 电脑TXT全集下载 !!
公告：亲密关系 发表于
已开通游客书评！请勿刷书评，严重者关禁闭或者积分清零处理！
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16.
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18.您现在的位置：数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第二版）
数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第二版）
在线支付满98免快递费
作　者：（美）（Berry,M.J.A.），（美）（Linoff,G.S.） 著，，， 译
ISBN：1出版时间：页数：410
包装：胶版纸开本：16开字数：
《数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第二版）》简介：　　本书是一本优秀的数据挖掘教材，全面而系统地介绍了数据挖掘酌商业环境、数据挖掘技术及其在商业环境中的应用。.全书共18章，内容涵盖核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践的概观、数据挖掘的最新进展和一些极具挑战性的研究课题，极具技术深度与广度。通过学习本书，读者不仅可以精通数据挖掘的整体结构和核心技术，还可以领略数据挖掘在销售和客户关系管理等方面的成功应用，为实践数据挖掘打下坚实的基础。本书适合作为高等院校相关专业高年级本科生或研究生的教材或参考书，也适合当前和未来的数据挖掘实践者学习和参考。..本书是数据挖掘领域的经典著作，数年来畅销不衰。全书从技术和应用两个方面，全面、系统地介绍了数据挖掘的商业环境、数据挖掘技术及其在商业环境中的应用。自从1997年本书第1版出版以来，数据挖掘界发生了巨大的变化，其中的大部分核心算法仍然保持不变，但是算法嵌入的软件、应用算法的数据库以及用于解决的商业问题都有所演进。第2版展示如何利用基本的数据挖掘方法和技术，解决常见的商业问题。本书涵盖核心的数据挖掘技术，包括：决策树、神经网络、协同过滤、关联规则、链接分析、聚类和生存分析等。此外，还提供了数据挖掘最佳实践、数据挖掘的最新进展和一些富有挑战性的研究课题，极具技术深度与广度。配套网站www．data-miners．com／companion提供了每章的练习和用于测试各种数据挖掘技术的数据。全书语句凝炼、清新，对复杂概念的实际应用进行了生动解释，是必不可少的数据挖掘教材。...
《数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第二版）》作者简介：　　本书提供作译者介绍Michael J. A. Berry， Gordon S. Linoff，他们是专业的数据挖掘咨询公司DataMiners的创办人。他们合作出版了一些经典的数据挖掘著作，包括Data Mining Techniques、Mastering Data Mining和Mining the Web（均由Wilev公司出版）。作为数据挖掘顾问，他们一起为北美洲、欧洲和亚洲的许多大公司提供专业咨询，把客户数据、呼叫数据、网络日志条目、销售点记录和账单文件变成有用的信息，用于改善客户体验。他们都有近20年在营销和客户关系管理方面应用数据挖掘技术的经验。...
《数据挖掘技术：市场营销、销售与客户关系管理领域应用（原书第二版）》目录：第1章数据挖掘的缘起和内容1?1分析客户关系管理系统1?1?1交易处理系统的作用1?1?2数据仓库的作用1?1?3数据挖掘的作用1?1?4客户关系管理策略的作用1?2什么是数据挖掘1?3数据挖掘可以完成哪些工作1?3?1分类1?3?2估计1?3?3预测1?3?4关联分组或关联规则1?3?5聚类1?3?6建立简档1?4为什么现在研究1?4?1数据正在生成1?4?2数据正在形成数据仓库1?4?3计算能力足以承受1?4?4客户关系管理的兴趣增强1?4?5商业数据挖掘软件产品已经易于使用1?5目前如何使用数据挖掘1?5?1超级市场成为信息经纪人1?5?2基于推荐的商业1?5?3交叉销售1?5?4抓住好的客户1?5?5淘汰差的客户1?5?6变革一个行业1?5?7其他1?6小结第2章数据挖掘的良性循环2?1商业数据挖掘案例研究2?1?1识别商务挑战2?1?2应用数据挖掘2?1?3按照结果采取行动2?1?4测试效果2?2何谓良性循环2?2?1识别商业机会2?2?2挖掘数据2?2?3采取行动2?2?4测试结果2?3良性循环环境下的数据挖掘2?4移动通信公司建立恰当的联系2?4?1机会2?4?2如何应用数据挖掘2?4?3处理行动2?4?4完成循环2?5神经网络和决策树驱动SUV的销售2?5?1最初的挑战2?5?2如何应用数据挖掘2?5?3最终措施2?5?4完成循环2?6小结第3章数据挖掘方法论和最佳实践3?1为什么需要方法论3?1?1获取不真实的知识3?1?2获取真实但无用的知识3?2假设测试3?3模型、建立简档和预测3?3?1建立简档3?3?2预测3?4方法论3?4?1第一步：将商业问题转换为数据挖掘问题3?4?2第二步：选取合适数据3?4?3第三步：设法理解数据3?4?4第四步：创建模型集3?4?5第五步：修复数据问题3?4?6第六步：变换数据，获取信息3?4?7第七步：建立模型3?4?8第八步：评估模型3?4?9第九步：部署模型3?4?10第十步：评估结果3?9?11第十一步：重新开始3?5小结第4章数据挖掘在市场营销和客户关系管理中的应用4?1寻找潜在客户4?1?1识别好的潜在客户4?1?2选择沟通渠道4?1?3遴选适当的信息4?2为选择正确的广告场所进行数据挖掘4?2?1谁匹配简档4?2?2测量读者群组的匹配度4?3通过数据挖掘改进定向市场营销活动4?3?1响应建模4?3?2优化固定预算的响应率4?3?3优化营销活动收益4?3?4接触那些受相关信息影响最大的人们4?3?5差别响应分析4?4使用当前客户来了解潜在客户4?4?1在他们成为客户前就开始跟踪客户4?4?2从新客户那里收集信息4?4?3获取时间变量可预测未来结果4?5客户关系管理数据挖掘4?5?1按客户需求策划营销活动4?5?2划分客户群体4?5?3减少信用风险4?5?4决定客户价值4?5?5交叉销售、提升销售和销售推荐4?6保持和流失4?6?1识别流失4?6?2流失为什么重要4?6?3不同类型的流失4?6?4不同类型的流失模型4?7小结第5章统计学的魅力：数据挖掘常用的工具5?1Occam的剃刀5?1?1原假设5?1?2p值5?2观察数据5?2?1观察离散数值5?2?2观察连续变量5?2?3另一对统计概念5?3测定响应5?3?1比例标准误差5?3?2使用置信界限比较结果5?3?3使用比例差值比较结果5?3?4样本大小5?3?5置信区间的真正含义5?3?6实验的测试群组和对照群组大小5?4多重比较5?4?1多重比较下的置信层次5?4?2Bonferroni修正5?5卡方检验5?5?1期望值5?5?2卡方值5?5?3卡方与比例差值的比较5?6示例：区域和起点的卡方5?7数据挖掘和统计学异同5?7?1原始数据中没有测量误差5?7?2有大量的数据5?7?3时间从属性随处出现5?7?4试验是艰难的5?7?5数据审查和截取5?8小结第6章决策树6?1什么是决策树6?1?1分类6?1?2评分6?1?3估计6?1?4树以多种形态生长6?2决策树是如何长成的6?2?1发现拆分6?2?2生成完全树6?2?3度量决策树的有效性6?3选择最佳拆分的测试6?3?1纯度和发散性6?3?2基尼或总体发散性6?3?3熵归约或信息增益6?3?4信息增益比率6?3?5卡方检验6?3?6方差归约6?3?7F测试6?4修剪6?4?1CART修剪算法6?4?2C5修剪算法6?4?3基于稳定性的修剪6?5从树中提炼规则6?6考虑成本6?7决策树方法的进一步修正6?7?1每次使用多于一个字段6?7?2倾斜超平面6?7?3神经树6?7?4使用树分段回归6?8决策树的替代表示法6?8?1方格图6?8?2树年轮图6?9实际应用中的决策树6?9?1决策树作为数据探查工具6?9?2把决策树方法应用于顺序事件6?9?3模拟未来6?10小结第7章人工神经网络7?1历史回眸7?2房地产评估7?3用于定向数据挖掘的神经网络7?4神经网络是什么7?4?1神经网络的单元是什么7?4?2前馈神经网络7?4?3神经网络如何使用反向传播学习7?4?4前馈网络和反向传播网络的启发7?5选择训练集7?5?1覆盖所有特征值7?5?2特征数目7?5?3训练集的大小7?5?4输出数目7?6准备数据7?6?1具有连续数值的特征7?6?2具有有序、离散(整数)数值的特征7?6?3具有分类数值的特征7?6?4其他类型的特征7?7解释结果7?8时间序列神经网络7?9如何了解在神经网络内部正在运行的事情7?10自组织映像7?10?1什么是自组织映像7?10?2实例： 发现簇7?11小结第8章最近邻方法： 基于存储的推理和协同过滤8?1基于存储的推理8?2MBR面临的挑战8?2?1选择一组平衡的历史记录8?2?2表示训练数据8?2?3确定距离函数、 组合函数和邻居的数目8?3案例研究： 分类新闻报导8?3?1什么是代码8?3?2应用MBR8?3?3结果8?4测量距离8?4?1什么是距离函数8?4?2每次每个字段只建立一个距离函数8?4?3其他数据类型的距离函数8?4?4当距离度量已经存在时8?5组合函数： 向邻居求答案8?5?1基本的方法： 民主8?5?2加权投票8?6协同过滤： 可以做出推荐的最近邻方法8?6?1建立简档8?6?2比较简档8?6?3做出预测8?7小结第9章购物篮分析和关联规则9?1定义购物篮分析9?1?1购物篮数据的三个层次9?1?2订单特征9?1?3项流行性9?1?4跟踪市场干预9?1?5按用途聚类产品9?2关联规则9?2?1可操作的规则9?2?2平凡的规则9?2?3费解的规则9?3一个关联规则有多好9?4建立关联规则9?4?1选择恰当的项集9?4?2从所有这些数据中生成规则9?4?3克服实际局限9?4?4大数据的问题9?5扩展思想9?5?1使用关联规则比较店铺9?5?2无关规则9?6使用关联规则的顺序分析9?7小结第10章链接分析10?1图论基础10?1?1哥尼斯堡七桥问题10?1?2旅行推销员问题10?1?3有向图10?1?4检测图中的环10?2链接分析的一个熟悉的应用10?2?1Kleinberg算法10?2?2细节： 查找网络中心和权威10?2?3实践中的网络中心和权威10?3案例研究： 谁在家中使用传真机10?3?1为什么发现传真机是有用的10?3?2用数据画图10?3?3方法10?3?4一些结果10?4案例研究： 分段移动电话客户10?4?1数据10?4?2不使用图论的分析10?4?3两位客户的对比10?4?4链接分析的力量10?5小结第11章自动聚类探测11?1搜索单纯岛状片段11?1?1星光与星的亮度11?1?2适应多维情况11?2K平均聚类11?2?1K平均算法的三个步骤11?2?2K的意义11?3相似性和距离11?3?1相似性度量与变量类型11?3?2相似性的常规度量11?4聚类过程的数据准备11?4?1利用比例缩放使变量相对一致11?4?2使用权重编码外部信息11?5聚类探测的其他途径11?5?1高斯混合模型11?5?2凝聚聚类11?5?3分裂聚类11?5?4自组织映像11?6评价簇11?6?1在簇内部11?6?2在簇之外11?7案例研究： 聚类城镇11?7?1创造城镇特征11?7?2创建簇11?7?3利用主题簇调整区域边界11?8小结第12章市场营销中的风险函数和生存分析12?1客户保持12?1?1计算保持12?1?2保持曲线揭示的内容12?1?3从保持曲线找出平均保有期12?1?4把客户保持看做衰变12?2风险12?2?1基本思想12?2?2风险函数示例12?2?3审查12?2?4其他类型的审查12?3从风险到生存12?3?1保持12?3?2生存12?4比例风险12?4?1比例风险实例12?4?2分层： 测量生存的初始结果12?4?3Cox比例风险12?4?4比例风险的局限性12?5生存分析实践12?5?1处理不同的流失类型12?5?2客户何时会回来12?5?3预测12?5?4风险随时间变化12?6小结第13章遗传算法13?1遗传算法如何工作13?1?1计算机上的遗传学13?1?2表示数据13?2案例研究： 使用遗传算法进行资源优化13?3模式： 遗传算法为什么起作用13?4遗传算法的更多应用13?4?1在神经网络方面的应用13?4?2案例研究： 为响应建模完善一个解决方案13?5超越简单算法13?6小结第14章数据挖掘贯穿客户生存周期14?1客户关系层次14?1?1深度亲密14?1?2大众亲密14?1?3中间关系14?1?4间接关系14?2客户生存周期14?2?1客户生存周期： 生存阶段14?2?2客户生存周期14?2?3基于订阅关系和基于事件关系的比较14?3围绕客户生存周期组织商业过程14?3?1客户获取14?3?2客户激活14?3?3关系管理14?3?4保持14?3?5赢回14?4小结第15章数据仓库、 OLAP和数据挖掘15?1数据结构15?1?1交易数据——基础层15?1?2操作汇总数据 15?1?3决策支持汇总数据15?1?4数据库模式15?1?5元数据15?1?6商业规则15?2数据仓库的大致结构15?2?1源系统15?2?2提取、 转化和加载15?2?3中央储存库15?2?4元数据储存库15?2?5数据集市15?2?6操作反馈15?2?7最终用户和桌面工具15?3OLAP适用于何处15?3?1立方体中的内容15?3?2星形模式15?3?3OLAP和数据挖掘15?4数据挖掘在哪里切入数据仓库15?4?1大量数据15?4?2一致的、 清洁的数据15?4?3假设测试和测量 15?4?4可升级硬件及RDBMS支持15?5小结第16章构造数据挖掘环境16?1以客户为中心的组织16?2理想的数据挖掘环境16?2?1确定什么数据可用的能力16?2?2将数据转化为可操作信息的技巧16?2?3所有必需的工具16?3返回现实世界16?3?1建立以客户为中心的组织16?3?2创建单个客户视图16?3?3定义以客户为中心的度量标准16?3?4收集正确的数据16?3?5从客户交互到学习机会16?3?6挖掘客户数据16?4数据挖掘组16?4?1外包数据挖掘16?4?2内部数据挖掘16?4?3数据挖掘组成员需要具备的条件16?5数据挖掘基础设施16?5?1挖掘平台16?5?2评分平台16?5?3一个产品数据挖掘结构实例16?6数据挖掘软件16?6?1所应用的技术范围16?6?2可扩展性16?6?3评分支持16?6?4用户界面的多种层次16?6?5可理解的输出16?6?6处理各种数据类型的能力16?6?7文档及简单使用16?6?8对新手和高级用户的培训、咨询和支持16?6?9卖方可信度16?7小结第17章为挖掘准备数据17?1数据应该像什么17?1?1客户特征标识17?1?2列17?1?3模型在建模中的角色17?1?4变量度量17?1?5用于数据挖掘的数据17?2构建客户特征标识17?2?1编写数据目录17?2?2识别客户17?2?3第一次尝试17?2?4取得进展17?2?5实际的问题17?3探查变量17?3?1直方图分布17?3?2随时间变化17?3?3交叉表17?4衍生变量17?4?1提取来自单个数值的特征17?4?2在记录内合并数值17?4?3查找辅助信息17?4?4转轴正则时间序列17?4?5汇总交易记录17?4?6汇总跨越模型集的字段17?5基于行为变量的例子17?5?1购买频率17?5?2衰减使用17?5?3旋转者、 交易商和便利用户：定义客户行为17?6数据的黑暗面17?6?1缺失值17?6?2脏数据17?6?3不一致数值17?7计算问题17?7?1源系统17?7?2提取工具17?7?3专用代码17?7?4数据挖掘工具17?8小结第18章应用数据挖掘18?1开始18?1?1从概念验证方案中能期待什么18?1?2识别概念验证方案18?1?3实现概念验证方案18?2选择数据挖掘技术18?2?1将商务目标转换为数据挖掘任务18?2?2决定数据的相关特性18?2?3考虑混合方法18?3公司如何开展数据挖掘18?3?1保持的对照实验18?3?2数据18?3?3一些发现18?3?4实践出真知18?4小结
这个书也太脏太破了。。。
商品问答（0条）
暂时没有问答
同类图书热卖榜
&21.3041折
&28.4079折
&32.8084折
&41.2084折
&17.2035折
&78.8073折
&49.6084折
&40.7083折
&61.5041折
淘书推荐特价好书
&11.5041折
&14.8041折
&11.9035折
&10.0041折
&11.2035折
&73.8041折
&36.1041折
&15.6041折
&49.2041折
合作单位：