Ta上传的资源 (0)

属性是实体的重要组成部分,因此实体属性的获取是知识图谱构建 的关键步骤。由哈尔滨工业大学社会计算与信息检索研究中心推出的开放 域中文知识图谱《大词林》是通过从文本中自动挖掘实体及实体间的关系 而构建而成,因此为《大词林》中缺少属性的实体添加属性也成为必须研 究的问题之一。本文提出了一种解决方案:基于

：从客户的当前价值、潜在价值、忠诚度价值三个方面出发，建立适用于线上企业的会员客户价值评 价指标体系。同时，在传统ＲＦＭ 模型的基础上构建了新三维的客户细分模型，并根据改进的客户价值细分 维度进一步细分客户，利用主成分分析法计算每个客户群的价值得分。最终选取某网站的会员客户数据进 行算例分析，通过识

根据汽车售后服务客户细分的目的，以及保修期内客户对车辆的保养情况，构建了RFMD客户细分指标模 型。针对聚类集成算法能充分挖掘数据集的内在结构，以及半监督学习思想利用先验知识指导聚类的优势，将半监 督谱聚类集成（SSSCE）算法应用于售后服务客户细分。与谱聚类（SC）算法和谱聚类集成（SCE）算法相

针对数据密集型企业的客户细分问题，提出一种基于选择性聚类集成的客户细分框架。在聚类集体生成阶段，根据数据来源和业务需求构建统一的客户视图，将客户特征划分为若干子集后再分别对客户对象聚类，通过评价函数选择高质量的个体标记向量生成聚类集体；在聚类集成阶段，构建记录簇标记所覆盖的相同对象个 数的重叠矩阵，

基于客户价值的财险客户分类管理能够帮助公司更有效地节约成本,创造收益。通过在RFM(近度、值 度、频度)模型中加入财险客户理赔额指标,将模型扩展为RFMP模型,综合考虑了财险客户的利润贡献度及其风 险因素,从风险和贡献两个角度更有效的衡量客户价值。同时,将随机森林分类算法应用到客户分类管理中,并与

针对汽车4S店客户消费模式不同于其他行业,而传统RFM模型难以适用于汽车4S店客户细分的问题,课题组对传统RFM模型的数据分析指标进行优化改进,形成可适用于汽车4S店的TFM客户细分模型.该模型可依据客户的行为属性通 过K均值聚类算法进行客户细分,最后随机抽取某汽车4S店客户数据进行实验验证.实验结

随着3S技术迅猛发展，地理空间数据呈现出爆发式增长趋势，基于地理空间数据构建知识图谱，实现数据到知识的转换成为亟待解决的科学问题。针对通用知识图谱仅以属性和语义关系表示地理空间知识、空间关系缺失等问题，本文首先描述了空间关系的表示方法；其次，提出了基于空间关系的知识图谱构建技术流程，重点研究了流程中

对传统聚类技术无法处理客户细分领域聚类结构随时间变动的问题，提出一种面向契约型客户细分的动态粗糙聚 类算法．该算法使用粗糙k-m锄s构建初始分类器，利用客户契约在不同聚类周期内的生效和失效制定分类器参数的更新规 则，从而迭代更新聚类结构．同时在各周期聚类结果的基础上定义了类规模和粗糙度变化的指标，在

面对日趋激烈的货运市场竞争，为了更好地提供铁路货运客户流失管理，从而为铁路货运部门提供精准高效的货运 流失客户挽留策略，结合铁路货运行业特征，在货运客户细分和货运客户流失预测的基础上，提出货运流失客户挽留价值的 研究方法，从而为货运流失客户挽留策略的制定提供支撑。结合铁路货运特征，提出货运客户的可期

用户画像技术作为实现精准营销及服务的有效工具，在很多领域已经得到广泛验证和应用，也为高校图书馆的精准服务提供了新的思路。文章以某高校图书馆的读者信息和行为数据为例，引入并改进客户细分领域中的RFM模型，对读者群体进行聚类细分，同时建立了具有不同行为特征的图书馆读者群体的用户画像。最后，提出了基于改进