臺灣博碩士論文加值系統

在資訊科技的推波助瀾下，不僅企業競爭的強度與速度倍數於以往，激增的市場交易也使得各企業所需儲存與處理的資料量越來越龐大。為了因應外界的競爭，如何能快速且有效的從資料庫中取得有用的資訊，並反應市場或消費者的需求，成為各企業重視的焦點。本研究認為有效應用序列型樣探勘技術，可發掘顧客行為的變化，協助企業掌握市場脈動，因此如何整合現有學術理論與實務應用解決方案，善用企業商業交易資料庫內資訊，發展出一具序列型樣探勘應用整合性的資訊系統架構，成為本論文的研究目的。
藉由資料採礦中的序列型樣技術，所探勘出的資訊，可協助企業或組織應用於商業管理、生產控管、市場行銷分析、客戶流失事件與預警通知…等事件中。企業應用序列型樣探勘技術，能解決所面臨的商業問題，增加組織競爭優勢，因而使序列型樣探勘技術成為現今業界的潮流。企業有效運用序列型樣資訊，可正確的了解顧客，滿足顧客需求。本研究注重理論與實務，因此將統合整合現有學術理論與實務應用解決方案，發展出序列型樣探勘技術應用的整合性系統，以協助企業利用資料倉儲與序列型樣，針對顧客交易行為進行分析，發掘出有用的序列型樣規則，以做為企業設計顧客關係管理活動時的重要參考。

Because of the information technology expanding and the keen competition among the financial institutions, the miscellaneous consumers’ data lead to data processing hardly in enterprises. Therefore, how to obtain the useful information from the consumers’ database to find out the their demand becomes the most important target of the financial institutions. The main task of the Mining Sequential Patterns is to analyze the transaction database of a company in order to find out the priorities of the items that most customers take when consuming. So we can use the rule we found to analyze the model of customers’ consuming behavior and to help decision makers to make a further profitable decision.
This study integrates theoretical and practical methods and develops structure of sequential pattern mining. We discuss the use of data warehouse and data mining. We analyse business behavior of customer for customer relationship management. We use data to analyse the character of the customers for customer relationship management.

摘　要 I
ABSTRACT II
誌 謝 III
目 錄 IV
圖目錄 VI
表目錄 VII
第一章 緒論 1
第1節 簡介 1
第2節 研究背景 2
第3節 研究動機與目的 3
第4節 研究流程 4
第5節 章節結構 5
第二章 相關研究 7
第1節 資料探勘簡介 7
第1項 資料庫知識發現 8
第2項 資料探勘任務 10
第3項 資料探勘技術 16
第2節 序列型樣 17
第3節 序列型樣探勘演算法 19
第1項 序列型樣相關定義 19
第2項 AprioriAll演算法 20
第3項 PrefixSpan演算法 22
第4節 顧客關係管理 30
第1項 顧客關係管理定義 30
第2項 顧客關係管理架構 33
第3項 顧客關係管理模式 36
第三章 序列型樣探勘流程 39
第1節 X公司簡介 39
第2節 序列型樣探勘流程設計 43
第1項 資料蒐集 46
第2項 資料前置處理 48
第3項 資料探勘 50
第4項 資料探勘應用 50
第四章 系統建置與分析 53
第1節 系統建置環境 53
第2節 序列型樣探勘系統架構 53
第1項 前置處理元件 55
第2項 資料探勘元件 57
第3項 規則搜尋元件 57
第3節 序列型樣探勘系統實作介面 58
第五章 結論與建議 66
第1節 研究發現 66
第2節 研究貢獻 67
第3節 研究限制 68
第4節 後續研究建議 68
參考文獻 70

[1]陳文華，「運用資料倉儲技術於顧客關係管理」，能力雜誌，第527期，2000，pp.132-138。
[2]經濟部商業司，1999年度台灣「顧客關係管理」運用現狀調查報告，電子商務導航，第二卷，第13期，1999。
[3]陳任昇，序列樣式探勘之研究，中央大學資訊管理研究所，博士論文，2003。.
[4]楊朝富，使用SQL查詢多維度序列型樣之研究，元智大學資訊管理所，碩士論文，2002。
[5]王信惠，資料探勘在目標行銷應用之個案研究－以電信客戶為例，大葉大學資訊管理學系，碩士論文，2003。
[6]王薏閔，資料探勘應用於顧客關係管理之研究，國立台北大學企業管理系，碩士論文，2002
[7]萬以寧，掌握PEPSI執行顧客關係管理，電子化企業經理人報告，1999，pp.17-19。
[8]安迅資訊系統企業，「整合企業經營策略與顧客關係管理」，電子化企業：經理人報告，1999。
[9]謝邦昌，「資料採礦入門及應用－從統計技術看資料採礦」，臺北，資商訊息顧問公司，2001。
[10]B. Manthey, “Non-approximability of weighted multiple sequence alignment,” Theoretical Computer Science, vol. 296, no. 1, pp.179-192, 2003.
[11]C. Notredame, “Recent progress in multiple sequence alignment: a survey,” Pharmacogenomics, vol. 3, no. 1, pp.131-144, 2002.
[12]Hajime Kitakami, Tomoki Kanbara, Yasuma Mori , Susumu Kuroki, Yukiko Yamazaki,” Modified PrefixSpan Method for Motif Discovery in Sequence Databases,” Lecture Notes In Computer Science,Vol. 2417, Pages: 482 – 491,2002 .
[13]Jian Pei, Jiawei Han, Behzad Mortazavi-Asl, Helen Pinto, Qiming Chen, Umeshwar Dayal, Meichun Hsu, ”PrefixSpan: Mining Sequential Patterns by Prefix-Projected Growth,” ICDE 2001, pp:215-224.
[14]in Pan, Peng Wang, Wei Wang, Baile Shi, Genxing Yang, "Efficient Algorithms for Mining Maximal Frequent Concatenate Sequences in Biological Datasets,"The Fifth International Conference on Computer and Information Technology (CIT''05), 2005, pp. 98-104.
[15]Jiawei Han, Jian Pei, Behzad Mortazavi-Asl, Qiming Chen, Umeshwar Dayal, Meichun Hsu, “FreeSpan: frequent pattern-projected sequential pattern mining,” KDD 2000, 2000, pp:355-359.
[16]Frawly,W.J., Paitetsky-Shapiro,G., Matheus,C.J.,”Knowledge Dis-covery in Databases:An Overview,Knowledge Discovery in Database?”AAAI/MIT Press, 1991, pp:1-30.
[17]K. Chellapilla, G.B. Fogel, “Multiple sequence alignment using evolutionary programming,” Proc. of the 1999 Congress on Evolutionary Computation (CEC99), vol. 1, pp.445-452, 1999.
[18]Rakesh Agrawal, Ramakrishnan Srikant, “Mining Sequential Patterns,” ICDE 1995, 1995,pp:3-14.
[19]Ramakrishnan Srikant, Rakesh Agrawal,“Mining Sequential Patterns: Generalizations and Performance Improvements,” EDBT,1996, pp:3-17.
[20]Grupe,F.H., Owrang,M.M.,”DataBase Mining Discovering New Knowledge And Cooperative Advantage”, Information Systems Management, Vol.6,no.9,1995, pp:26-31.
[21]Curt,” The Deviles in The Detail Techniques, Tool, and Applications for Data mining and knowledge Discovery-Part1”,Intelligent Software Strategies,Vol.6, no.9,1995,p.3.
[22]Fayyad U., Piatetsky-Shapiro G., Padhraic S., “From Data Mining to Knowledge Discovery in Databases”, AI magazine, 1996,pp.37-54.
[23]Berry, M. J.A., linoff G. “Data Mining Techniques：For Marketing Sale and Customer Support”, John Wiley &Sons, Inc., 1997,Canada.
[24]Carven, M.W., Shavlik, J.W., “Using neural networks for data mining”, Future Generation Computer System, 13,1997, pp:221-229.
[25]Peacock, ”Data Mining in Marketing, The Revolution is uponUs, So Choose Your Weapons Carefully”, Marketing Management, 1998,pp9-18.
[26]Pyle, D., “Data Preparation for Data Mining”, Morgan Kaufmann Publishers, 1999.
[27]Fu Y., “Data mining task, technique and applications”, IEEE POTENTIALS, 1997.
[28]Berry, L.L.,”Relationship Marketing, Emerging Perspective on Service Marketing”, American Marketing Association, 1983,pp.25-28.
[29]Levins, I.,“One-to-one Relationship Marketing Comes of Age”, Medical Marketing and Media, Vol.33, Iss.6, Jun.1998, pp.4-50.
[30]Davids, M.,“How to Avoid the 10 Biggest Mistake in CRM”, Journal of Business Strategy, November 1999, pp.22~26.
[31]Bhatia, A., “Customer Relationship Management”, 1sted., N.Y. :toolbox Portal for CRM,1999.
[32]Kalakota, R., M. Robinson, “e-Business :Roadmap for Success”, N.Y. :Mary T. O’Brien,1999.