跳到主要內容

臺灣博碩士論文加值系統

(44.222.64.76) 您好!臺灣時間:2024/06/14 07:44
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:黃志雄
研究生(外文):Zhi-Xiong Hunag
論文名稱:應用資料採礦分析線上拍賣市場之模式
論文名稱(外文):Applying Data Mining to Analyze Online Auction Market
指導教授:詹智強詹智強引用關係
指導教授(外文):Chu-Chai Chan
學位類別:碩士
校院名稱:朝陽科技大學
系所名稱:工業工程與管理系碩士班
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:116
中文關鍵詞:集群分析線上拍賣資料採礦
外文關鍵詞:Data-miningOnline auctionClustering analysis
相關次數:
  • 被引用被引用:24
  • 點閱點閱:396
  • 評分評分:
  • 下載下載:67
  • 收藏至我的研究室書目清單書目收藏:3
線上購物在台灣已逐漸普及,根據NetValue的最新報告,台灣線上購物的網友有愈來愈多的趨勢,平均每季都有15%的訪客成長率,而且年齡層分佈十分平均,顯示線上購物已被各個年齡層接受。此外,根據NetValue的統計數據,「線上購物中心」類型的電子商務網站,平均每季都有15%的訪客成長率,不但人數逐漸增加,訪客的停留時間也增加不少。

本研究的重點有三,首先,探討是否可以利用消費者競價紀錄分析,來進行拍賣產品的有效分類。其次,將該類型的產品依照不同的分類方式,討論其產生不同的或是相同的結果,而不同的分類模式是否可以取得較佳的結論。最後,利用分類及其比較後的結論,建構一個有效的預測結標價格模式。主要研究方法是經由觀察現今eBay拍賣網站的實例,然後進一步整理歸納出各類型產品的競價紀錄;並探討幾個主題,將原始競價紀錄資料依據8個欄位變數,利用K-Means Cluster統計方法及SOM類神經網路成功地分出最佳集群數;利用最佳的集群數的結果,導入監督式的BPN類神經網路模式裡,結合外部參考價格(市場價格)成功地預測出結標價格。
The online shopping is getting popular in Taiwan. According to NetValue latest report, the user online shopping are getting more and more, average there is 15 percentage on growth every season, and online shopping have been accept by most of generations.

The research send three major issues. First, we study clustering online user’s profiles. Secondly, classified by the different classification method. Applied can reach different results or not. Finally, classification and comparison results used to construct a final-price prediction mode. The ebay website data is used by K-Means cluster statistic method and SOM(Self-Organization Map) neural network to categorize according to 8 parameters. The classification results are used predict the price by BPN(Back-Propagation Network) neural network model.
摘要 I
第一章、緒論 1
1.1 研究背景 1
1.2 研究動機 4
1.3 研究目的 4
1.4 研究架構 5
第二章、文獻探討 8
2.1 拍賣制度的類型 8
2.1.1 公開拍賣—英式拍賣與荷式拍賣 10
2.1.2 秘密競標—第一價位與第二價位秘密競標 11
2.1.3 雙邊拍賣的分類 12
2.2 線上拍賣 12
2.2.1 線上拍賣的商業模式 13
2.2.2 線上拍賣對買賣方的效益 15
2.2.3 線上拍賣與交易成本的相關性 18
2.2.4 目前線上拍賣經營模式 20
2.2.5 eBay現況 23
2.3 資料採礦(Data Mining) 25
2.4 價格理論 28
2.3.1 動態定價模式 28
2.3.2 參考價格理論 32
第三章、研究方法 37
3.1 研究流程與步驟 37
3.2 選擇拍賣競價資料方式 41
3.3 研究樣本資料取得程序 44
3.4 類神經網路 50
3.4.1 類神經網路原理 50
3.4.2 自組織映射圖網路(Self-Organization Map) 52
3.4.3 SOM的演算程序及步驟 60
3.5 K-Means Cluster集群分析原理 63
3.5.1 統計學集群分析 63
3.5.2 階層式與非階層式集群分析 65
第四章、資料分析 69
4.1 K-Means Cluster分群結果 71
4.1.1 K-means 初步分群 71
4.1.2 K-Means Cluster集群的比較 74
4.2 SOM 模式分群的結果 80
4.3 K-Means Cluster 分群與 SOM 分群結果比較 82
4.4 倒傳遞網路(BPN)預測模式 88
4.4.1 倒傳遞網路(BPN)結果 89
4.4.2分群預測與未分群預測之比較 94
第五章、結論與建議 100
5.1 研究結果貢獻 101
5.2 研究限制 101
5.3 後續研究建議 102
參考文獻 104
1.Schwartz, E. I.,陳正平譯,數位達爾文主義,臉譜文化出版(1999)。
2.盧俊成,「網際網路的典範轉移暨網路市場與新經營模式之探索性研究」,博士論文,國立台灣大學商學研究所(1998)。
3.洪芳芷,「線上拍賣網站市場分析與經營策略之研究」,碩士論文,國立台灣大學資訊管理研究所(2001)。
4.張漢伯,「網路拍賣與競標出價行為之研究」,碩士論文,東吳大學企業管理系研究所(2001)。
5.謝昭熠,「拍賣制度之研究」,碩士論文,國立中山大學企業管理研究所(1992)。
6.吳明隆,SPSS統計應用實務,松崗電腦圖書,台北(1995)。
7.陳俊任,「應用資料挖掘於顧客關係管理之研究-以化妝品業為例」,碩士論文,元智大學工業工程研究所(2001)。
8.陳歷鋒,「網際網路拍賣機制之初探研究」,碩士論文,國立臺灣大學商學研究所(2000)。
9.鍾文杰,「整合自組織映射圖神經網路與遺傳演算法為輔之 K-means 於資料採礦之研究-以物流業為例」,碩士論文,台北科技大學生產系統工程與管理研究所 (2001)。
10.簡順源,「整合自織織映射圖網路和遺傳演算法之資料採礦技術於市場區隔之應用」,碩士論文,台北科技大學生產系統工程與管理研究所 (2001)。
11.江翔煇,「網路拍賣參與者行為之研究」,碩士論文,大葉大學資訊管理研究所(2001)。
12.張正雄,「網路購物契約關係之研究」,碩士論文,國立中正大學法律學研究所(2003)。
13.林政瑩,「影響拍賣網站使用者到拍賣網站購物意願因素之研究」,碩士論文,國立中山大學企業管理學系研究所(2000)。
14.梁釗 ,「線上拍賣機制之探究」,碩士論文,南華大學亞洲太平洋研究所(2002)。
15.徐岱伶,「購物網站服務品質與消費行為之研究」,碩士論文,國立台北大學企業管理學系(2001)。
16.番薯藤數位科技,”2002台灣網路使用調查”,http://survey.yam.com/survey2002/index.html,(2003)。
17.東森新聞網,” NetValue調查╱線上購物漸普及 每季成長15%”,http://www.ettoday.com/2002/05/28/339-1308304.htm,(2002)。
18.TWNIC台灣網路資訊中心,” 台灣網際網路使用環境及行為調查試訪2002/11/14 ”,http://www.twnic.net.tw/total/net1114.htm,(2003)。
19.Anonymous, ”The Heyday of the Auction,”The Economist,pp. 67-68(1999).
20.Bakos, Y., ”The Emerging Role of Electronic Marketplaces on the Internet,” Communications of the ACM, Vol. 41, No. 8, pp.35 – 42(1998).
21.Bakos, Y.,”A Strategic Analysis of Electronic Marketplaces,”MIS Quarterly, pp. 295-310.(1998)
22.Beam, C. & Segev,A.,”Auctions on the Internet: A Field Study,”unpublished manuscript, Haas School of Business University of California, Berkeley,pp. 1-30(1998).
23.Berry, M.J.A. and Linoff, G., ” Mastering Data Mining, The ART & Science of Customer Relation Management, ” Wiley Computer (1999).
24.Berry, M.J.A. and Linoff, G., ”Data Mining Technique for Marketing, Sales, and Customer Support, ” Wiley Computer (1998).
25.Breiman, L., Freidman, J.H., Olshen, R.A. and Stone, C.J., ” Classification and Regression Tree, ” Wadsworth, Belmont, C.A.(1984).
26.Bryan, D., Reiley, L. D., Prasad, N. & Reeves, D.,”Pennies from eBay: the Determinants of Price in Online Auction,”,pp. 1-24(2000).
27.Cabena, P.,Handjinaian, P.O., Stadler, DR.J., Verhees, J. and Zanasi, A., ” Discovering Data Mining from Concept to Implementation, ” Prentice Hall(1998).
28.Chuang, H.M.and Gray, P., Guest Editors, ” Special Section : Data Mining, ” Journal of Management Information Systems, Vol.45, pp.295-302(1999).
29.Chui,L. and Zwick,R.,”Auction on the Internet-A Preliminary Study,”Available at: http://home.ust.hk/~mkzwick/internet_auction.html
30.Cortese, A. E. & Stepanek, M., ”E-COMMERCE : GOOD BYE TO FIXED PRICING?, ”at: http://www.businessweek.com/1998/18/b3576023.htm(1998).
31.Dykema, E.B.,Delhagen. K. and Ardito, C.,”Consumer Catch Auction Fever,”The Forrester Report(1999).
32.Grupe, F.H., Owrang, M.M. ” Database Mining Discovering New Knowledge and Cooperative Advantage, ” Information System Management, Vol.12,pp. 26-31(1995).
33.Herschlag, M. & Zwick, R., ”Internet Auctions- Popular and Professional Literature Review,”unpublished manuscript, The Hong Kong University of Science and Technology.pp. 1-38(2000).
34.Hand, D. J., Blunt, G. , Kelly, M. G. and Adams, N. M. ”Data mining for fun and profit. ”Statistical Science, v. 15, no. 2,pp. 111-131(2000).
35.Kalakota, R. & Whinston, A.B., ”Electronic Commerce: A Manager’s Guide,”Addison- Wesley Publishing Inc(1997).
36.Klein, S.,”Introduction to Electronic Auctions,”E.COMMERCE TODAY, Vol. 7-No.4(1997).
37.Lee, H. G.,”Electronic Brokerage and Electronic Auctions: The Impact of IT on Market Structures,”Proceedings of the 29th HICSS(1996).
38.McAfee, R.P. and McMillan, J.,”Auctions and Bidding,”Journal of Economic Literature(25),pp.699-738(1987).
39.Messerschmit, D. G.,”Understanding Networked Application,”Morgan Kaufmann Publishing Inc(2000).
40.Prince, D.L.,”Online Auctions at eBay,”A Division of Prima Publishing(1999).
41.Ramsey, J.B.,”Alternative Bidding Strategies: Some Theoretical Considerations,”Bidding and Oil Leases, JAL Press INC(1980).
42.Reck, M.,”Trading-Process Characteristics of Electronic Auctions,”Electronic Markets, Vol. 7,No. 4,pp. 17-23(1997).
43.Reiley, D. L..”Using Field Experiments to Test Equivalence Between Auction Formats: magic on the Internet,”American Economic Review.
44.Reiley, D. L.,”Auctions on the Internet: What’s Being Auctioned, and How?,”Vanderbilt University(1999).
45.Selim, S. Z. and M. A. Ismail, “K-means-type algorithms: a generalized convergence theorem and characterization of local optimality,” IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol.6,No 1, pp. 81-87 (1984).
46.Simon Knox , ”Loyalty-based Segmentation and the Customer Development Process ,” European Management journal ,Vol. 16 No. 6,pp. 729-737 (1998) .
47.Strobel, M.,”On Auction as the Negotiation Paradigm of Electronic Markets,”Computer Science(1999).
48.Turban, E.,”Auctions and Bidding on the Internet: An Assessment,”Electronic Markets, Vol. 7,No.4,pp.7-11(1997).
49.VanHeck, E. and Ribbers, P.M.,”Experiences with Electronic Auctions in the Dutch Flower Industry,”Electronic Markets,Vol. 7,No. 4,pp.29-34(1997).
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top