企业竞争情报智能挖掘

**章 知识经济时代的竞争情报 一、知识经济促进竞争情报的崛起 (一)竞争情报的崛起 (二)知识经济下的现代竞争情报 二、竞争情报研究的基本内容 (一)竞争情报的功能和作用 (二)竞争情报生命周期 (三)竞争情报研究的重点领域 三、竞争情报采集 (一)竞争情报采集现状及存在的问题 (二)竞争情报采集的基本方法 (三)竞争情报智能采集 四、竞争情报挖掘 (一)竞争情报挖掘概述 (二)数据挖掘技术在竞争情报挖掘中的应用 第二章 数据挖掘 一、数据挖掘概述 (一)数据挖掘及研究现状 (二)数据挖掘智能化进展 二、数据挖掘的主要方法与技术 (一)概念分析 (二)关联分析 (三)分类分析 (四)聚类分析 (五)其他分析 三、数据挖掘智能化关键技术 (一)文本挖掘 (二)本体学习 (三)语义分析 (四)语义推理 (五)智能检索与智能搜索 四、数据挖掘常用软件工具 (一)Enteiprise Miner (二)Intelligent Miner (三)Clementine (四)MineSet (五)DBMiner 第三章 企业竞争情报挖掘模型 一、企业竞争情报挖掘的基本模型 二、基于本体的语义挖掘模型 (一)本体知识库 (二)企业竞争情报领域本体的构建 (三)语义知识挖掘 (四)模型分析 三、基于Agent的分布挖掘模型 (一)Agent技术 (二)情报采集流程 (三)智能挖掘模型 (四)系统性能分析 四、基于知识情境的多维挖掘模型 (一)知识情境 (二)多维知识情境库 (三)企业竞争情报多维挖掘策略 (四)企业竞争情报多维挖掘模型 五、面向业务流程的挖掘模型 (一)业务流程中的竞争情报 (二)流程知识的获取方法 (三)基于知识发现的流程挖掘模型 (四)基于知识发现的流程挖掘系统 第四章 企业竞争情报挖掘流程 一、竞争情报需求识别 (一)竞争情报需求识别过程 (二)传统需求识别方法 (三)现代需求识别方法 (四)竞争情报需求的表示方法 二、竞争情报收集与整合 (一)企业竞争情报的信息源 (二)数据选择 (三)数据预处理 (四)准备建模数据集 三、挖掘模型的构建 (一)建立初始数据挖掘模型 (二)检测初始数据挖掘模型 (三)改进数据挖掘模型 (四)评价数据挖掘模型 四、建模策略方法及实现 五、挖掘结果的处理 第五章 企业竞争情报挖掘策略 一、基于信息内容的挖掘策略 (一)基于文本语义分类的信息内容挖掘 (二)面向主题的信息内容挖掘 二、基于信息结构关联的挖掘策略 (一)Web结构挖掘步骤 (二)基于Web结构挖掘的动态竞争情报获取方法 三、基于信息行为的挖掘策略 (一)面向信息发布者行为的挖掘策略 (二)面向信息使用者行为的挖掘策略 四、基于Deep Web的挖掘策略 (一)Deep Web信息采集中存在的障碍分析 (二)面向Deep Web的知识搜索与提取 五、基于人际情报网络的挖掘策略 (一)企业人际网络及其对竞争情报获取的作用 (二)企业人际网络的挖掘流程 (三)基于人际网络挖掘的竞争情报获取方法 第六章 企业竞争情报挖掘技术 一、企业竞争情报语义聚类挖掘 (一)基于语义的聚类挖掘 (二)企业竞争情报语义聚类挖掘算法 (三)聚类挖掘实验与应用 二、企业竞争情报语义分类挖掘 (一)基于语义的分类挖掘 (二)企业竞争情报语义分类挖掘算法 (三)分类挖掘实验与应用 三、企业竞争情报语义关联挖掘 (一)基于语义的关联挖掘 (二)企业竞争情报语义关联挖掘算法 (三)关联挖掘实验与应用 四、企业竞争情报多维联机分析挖掘 (一)基于语义的联机分析挖掘 (二)企业竞争情报多维联机分析挖掘算法 (三)多维联机分析挖掘实验与应用 五、融合本体和上下文知识的企业竞争情报挖掘 (一)本体和上下文知识的融合实现 (二)基于本体和上下文知识相融合的竞争情报挖掘算法 (三)融合本体和上下文知识的挖掘实验与应用 六、融合Web评论挖掘的企业竞争情报挖掘 (一)Web评论挖掘 (二)融合Web评论挖掘的企业竞争情报挖掘流程 (三)融合Web评论挖掘的企业竞争情报挖掘算法 (四)融合Web评论挖掘的企业竞争情报挖掘实验与结果分析 第七章 金融风险信息挖掘 一、金融风险概述 (一)金融风险的定义及类型 (二)金融风险的产生机理 (三)金融风险分析挖掘的必要性 二、金融风险的识别方法 (一)金融风险的定性分析 (二)金融风险的定量分析 (三)金融风险信息的挖掘方法 三、商业银行风险信息挖掘 (一)商业银行风险概述 (二)基于决策树的信用卡审批模型分析 (三)基于粗糙集的欺诈风险分析 四、保险业风险信息的挖掘 (一)保险业风险概述 (二)医疗保险数据分析实例 五、证券风险信息挖掘 (一)证券业风险概述 (二)证券市场信息分析实例 第八章 客户知识挖掘 一、客户知识挖掘概述 (一)客户知识挖掘的理论基础 (二)客户知识挖掘的支撑技术 二、客户知识挖掘流程 (一)客户知识挖掘目标分析 (二)客户知识挖掘数据准备 (三)客户知识挖掘模型建立及评价 三、客户知识的分析与预测 (一)客户生命周期分析 (二)客户价值分析 (三)客户细分 (四)客户响应预测 (五)客户增值消费预测 (六)客户流失预测 (七)客户欺诈预测 四、商业银行客户知识挖掘实验 (一)实验说明 (二)客户知识挖掘流程 参考文献