目 录__eol__第一篇 商务智能概述__eol__ __eol__第1章 商务智能基础 2__eol__1.1 商务智能的基本概念 2__eol__1.1.1 数据、信息、知识和智能 2__eol__1.1.2 商务智能的定义 3__eol__1.2 商务智能的发展历程 5__eol__1.2.1 事务处理系统 5__eol__1.2.2 高级管理人员信息系统 6__eol__1.2.3 管理信息系统 6__eol__1.2.4 决策支持系统 6__eol__1.2.5 商务智能系统 7__eol__1.3 大数据环境下的商务智能研究 7__eol__ __eol__第二篇 商务智能数据管理__eol__ __eol__第2章 数据管理与知识管理 13__eol__2.1 主数据管理 14__eol__2.1.1 主数据的概念 14__eol__2.1.2 主数据管理的概念 15__eol__2.1.3 主数据管理的优点 15__eol__2.2 元数据管理 17__eol__2.2.1 元数据的定义 17__eol__2.2.2 元数据管理的定义 17__eol__2.2.3 元数据管理平台的功能 17__eol__2.2.4 元数据管理的意义 18__eol__2.3 知识管理 21__eol__2.3.1 知识管理的定义 21__eol__2.3.2 知识管理的特点 21__eol__第3章 数据整合与数据融合 23__eol__3.1 数据整合 23__eol__3.1.1 数据整合的概念 23__eol__3.1.2 数据整合的挑战 24__eol__3.1.3 数据整合的优势 25__eol__3.1.4 数据整合的方式 26__eol__3.2 数据融合 28__eol__3.2.1 数据融合的目的 29__eol__3.2.2 数据融合的特征 29__eol__第4章 数据预处理 32__eol__4.1 基本概念 32__eol__4.2 数据清洗 33__eol__4.2.1 缺失值 33__eol__4.2.2 噪声数据 33__eol__4.3 数据集成 34__eol__4.3.1 实体识别问题 35__eol__4.3.2 冗余和相关分析 35__eol__4.4 数据归约 37__eol__4.4.1 维度归约方法 37__eol__4.4.2 维度变换方法 38__eol__4.4.3 数据抽样方法 38__eol__4.5 数据变换 39__eol__4.5.1 规范化处理 40__eol__4.5.2 离散化处理 40__eol__4.5.3 稀疏化处理 41__eol__第5章 数据仓库 45__eol__5.1 数据仓库的定义及产生的背景 46__eol__5.1.1 数据仓库的定义 46__eol__5.1.2 数据仓库产生的背景 47__eol__5.2 数据仓库的特点 47__eol__5.2.1 面向主题 47__eol__5.2.2 集成性 47__eol__5.2.3 集合性 47__eol__5.2.4 稳定性 47__eol__5.2.5 时变性 48__eol__5.2.6 决策支持 48__eol__5.3 数据仓库的数据模型与应用 48__eol__5.3.1 数据仓库中常见的数据模型 48__eol__5.3.2 数据仓库的应用 49__eol__5.4 数据存储 51__eol__5.4.1 数据集市 51__eol__5.4.2 数据中转区 51__eol__5.4.3 可操作数据存储 52__eol__5.4.4 个人数据存储 52__eol__5.5 ETL 53__eol__5.5.1 ETL的概念 53__eol__5.5.2 ETL过程 53__eol__5.5.3 典型ETL工具 54__eol__5.6 联机分析处理 55__eol__5.6.1 联机分析处理的定义 55__eol__5.6.2 联机分析处理的特点 55__eol__5.6.3 联机分析处理的分类 56__eol__5.6.4 多维联机分析处理 56__eol__ __eol__第三篇 商务智能数据分析__eol__ __eol__第6章 描述性统计分析 61__eol__6.1 描述性统计分析概述 61__eol__6.2 常用的指标和统计图形 62__eol__6.2.1 常用的指标 62__eol__6.2.2 常用的统计图形 63__eol__6.3 描述性统计分析实践 66__eol__第7章 数据挖掘 72__eol__7.1 数据挖掘简介 73__eol__7.1.1 数据挖掘的定义 73__eol__7.1.2 数据挖掘的任务 73__eol__7.2 关联规则 73__eol__7.2.1 关联规则的相关概念 74__eol__7.2.2 关联规则的挖掘方法 75__eol__7.2.3 关联规则的模型评估 80__eol__7.3 分类分析 81__eol__7.3.1 分类分析的基本概念 81__eol__7.3.2 分类方法 82__eol__7.3.3 分类分析的模型评估 86__eol__7.4 聚类分析 88__eol__7.4.1 聚类分析的基本概念 88__eol__7.4.2 聚类方法 88__eol__7.4.3 聚类分析的模型评估 92__eol__7.5 预测分析 93__eol__7.5.1 预测的基本概念 94__eol__7.5.2 回归分析预测法 95__eol__第8章 社会网络分析 101__eol__8.1 社会网络分析的基础概念 101__eol__8.1.1 社会网络 101__eol__8.1.2 三元闭包 102__eol__8.1.3 桥和捷径 102__eol__8.2 社会网络分析的工具 102__eol__8.2.1 社会网络分析工具简介 102__eol__8.2.2 Networkx简介 104__eol__8.3 社会网络分析的理论发展 106__eol__8.3.1 七桥问题 107__eol__8.3.2 “弱连接优势”理论 107__eol__8.3.3 结构洞理论 108__eol__8.3.4 小世界现象 108__eol__8.3.5 长尾理论 109__eol__8.4 社会网络分析的计算方法 111__eol__8.4.1 社会网络在计算机中的表示 111__eol__8.4.2 社会网络测量指标 111__eol__8.5 社会网络分析在商务智能中的__eol__ 应用 116__eol__8.5.1 协同过滤推荐 116__eol__8.5.2 长尾营销 117__eol__第9章 文本挖掘 119__eol__9.1 文本挖掘的概念和步骤 119__eol__9.1.1 文本挖掘的基本概念 119__eol__9.1.2 文本挖掘的具体步骤 120__eol__9.2 文本挖掘的发展和前景 121__eol__9.2.1 文本挖掘的发展 121__eol__9.2.2 文本挖掘的前景 123__eol__9.3 文本挖掘的关键技术 123__eol__9.3.1 文本分类 123__eol__9.3.2 文本聚类 125__eol__9.3.3 文本摘要 126__eol__9.3.4 主题模型 127__eol__9.3.5 序列标注 128__eol__第10章 知识图谱 130__eol__10.1 知识图谱的基本概念和构建__eol__ 步骤 130__eol__10.1.1 知识图谱的基本概念 130__eol__10.1.2 知识图谱的构建步骤 132__eol__10.2 知识图谱的由来和发展 136__eol__10.2.1 知识图谱的由来 136__eol__10.2.2 知识图谱在相关领域的__eol__ 发展 136__eol__10.3 知识图谱的关键技术 137__eol__10.3.1 知识图谱的技术流程 137__eol__10.3.2 知识图谱的技术要素 138__eol__10.4 知识图谱的行业应用与难点__eol__ 问题 141__eol__10.4.1 知识图谱的行业应用 141__eol__10.4.2 知识图谱的难点问题 143__eol__第11章 深度学习 145__eol__11.1 深度学习概述 145__eol__11.1.1 深度学习的起源和发展 145__eol__11.1.2 深度学习的基本概念 146__eol__11.2 神经网络 146__eol__11.2.1 神经网络的基本概念 146__eol__11.2.2 神经网络的工作原理 147__eol__11.2.3 神经网络的训练循环 147__eol__11.3 深度学习的经典模型及其__eol__ 应用 148__eol__11.3.1 卷积神经网络 148__eol__11.3.2 循环神经网络 151__eol__11.3.3 生成对抗网络 153__eol__11.3.4 强化学习 153__eo