基于知识发现的信息系统建模汇编

1、基于知识发现的信息系统建模enhanced information system modelingbased on business intelligence内容简介在市场竞争日趋激烈的今天， 使用信息系统有助于实现企业的可持续发展、增强核心竞争力已经成为企业界的共识。我国大中型企业普遍的已经建立了信息系统支持企业运作，实现内部业务流程的自动化。随着信息系统应用的逐步深入，以及业务环境的不断变化，信息系统需要在实践中持续演变和完善。新兴的知识发现技术能够自动挖掘信息系统中大量数据背后的有效的、新颖的、有潜在价值的知识，进而丰富现有的信息系统，支持实现更多的智能化功能。本书围绕信息系统与知识发现

2、的融合这一主线展开，内容涵盖了两大领域中的信息系统建模、 关联规则挖掘、 以及基于关联知识的信息系统建模扩展等问题。本书对信息系统和知识发现进行了创新性的、系统性的思考，并结合零售业的实践进行了细致的阐述，其观点和内容令人耳目一新。本书可作为管理科学与工程和信息系统学科相关专业高年级本科生和研究生的课程和研究的辅助材料。此外，对于从事信息系统实践工作的读者也具有一定的参考价值。作者简介任明，中国人民大学信息资源管理学院讲师。2007年获清华大学管理学博 士学位。清华大学工商管理博士后流动站研究员。美国路易斯安娜州立大学访 问学者、比利时根特大学访问学者。国际信息系统协会（ais）会员，中国信息

3、 系统协会（cnais）会员。在国内外学术期刊与国际会议上发表多篇学术论文， 包括国际杂志information sciences（sci）、springer出版的著作章节等。 主持及已完成的科研项目包括教育部高校博士学科点专项科研基金，中国博士 后科学基金项目，清华大学零售研究中心资助项目，中国人民大学科学研究基 金项目。主要教学与研究领域包括商务智能与数据挖掘、管理信息系统、数据 库与数据建模。第 1 引言1.1 企业信息化现状与趋势1.2 信息系统与决策支持1.3 知识发现的发展与趋势1.4 本书研究创新之处第 2 信息系统的建模2.1 信息系统的开发方法2.1.1 生命周期法2.1.2

4、 原型法2.1.3 迭代法2.2 信息系统建模2.2.1 静态建模2.2.2 动态建模2.2.3 业务规则2.2.4 业务流程2.3 信息系统的演进2.3.1 数据模式演进的操作2.3.2 举例第 3 数据库建模3.1 数据库3.1.1 信息系统与数据库3.1.2 事务型数据库3.2 实体关系模型（ er ）3.2.1 er 模型及其扩展eer3.2.2 er/eer 模型中的语义建模3.2.3 其它形式的 er 模型3.3 关系模型3.3.1 关系数据库与关系模型3.3.2 从 er 模型到关系模型3.4 面向对象模型3.4.1 面向对象模型3.4.2 面向对象中的继承3.4.3 从面向对象

5、模型到关系模型第 4章知识发现的概念与方法4.1 知识发现的概念4.1.1 知识发现的概念4.1.2 知识发现与数据挖掘4.1.3 知识发现与商务智能4.2 关联规则4.2.1 关联规则简介4.2.2 关联规则挖掘方法4.2.3 关联规则的形式扩展4.3 分类4.3.1 分类技术简介4.3.2 分类方法4.4 聚类4.4.1 聚类技术简介4.4.2 聚类方法4.5 时序模式4.5.1 时序分析简介4.5.2 时序模式挖掘方法第 5章 基于关联知识的信息系统建模5.1 概念建模方法5.1.1 关联规则的语义5.1.2 扩展的实体关系模型： ar-eer5.1.3 ar-eer 模型评价5.2 语

6、义建模方法5.2.1 ar-eer 模型中的语义约束5.2.2 约束的蕴涵与推理5.2.3 约束的一致性证明5.3 逻辑建模方法5.3.1 基于 ar-eer 的数据库设计5.3.2 关系数据模型的规范化问题5.4 ar-eer 中的层次结构5.4.1 属性值之间的依赖及推理5.4.2 层次结构中的推理5.4.3 层次结构对模型可理解性的影响第 6章 零售业的知识发现应用6.1 零售业知识发现应用概述6.1.1 交叉销售6.1.2 市场细分6.1.3 顾客忠诚度分析6.2 系统产品及解决方案6.2.1 sap 商务智能解决方案6.2.2 oracle 商务智能解决方案6.2.3 ibm 商务智能解决方案6.3 应用举例：个性化推荐6.3.16.3.26.3.36.3.4用户需求的个性化 基于内容的推荐方法 基于协同过滤的推荐方法 基于关联规则的推荐方法第 7 基于关联知识丰富零售业信息系统7.1 以客户为中心的闭环crm7.2 以 crm