(3.238.174.50) 您好!臺灣時間:2021/04/16 16:29
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:::

我願授權國圖
: 
twitterline
研究生:黃建晟
研究生(外文):Chien-Cheng Huang
論文名稱:應用顧客終身價值混合方法於圖書館館藏推薦
論文名稱(外文):A Hybrid Approach of Customer Lifetime Value to Library Recommendation
指導教授:廖宜君劉祥得劉祥得引用關係
指導教授(外文):Yi-Chun LiaoHsiang-Te Liu
學位類別:碩士
校院名稱:玄奘大學
系所名稱:國際企業學系碩士班
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2007
畢業學年度:96
語文別:中文
論文頁數:71
中文關鍵詞:顧客終身價值推薦系統協同過濾圖書推薦
外文關鍵詞:Customer Lifetime Value(CLV)Recommender SystemCollaborative FilteringLibrary Recommendation
相關次數:
  • 被引用被引用:1
  • 點閱點閱:222
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:3
隨著網際網路和全球資訊網的蓬勃發展,圖書館的館藏與服務逐漸朝向電子化發展,以因應網際網路及電子出版時代的來臨。圖書館網站漸漸也提供電子資源和各項服務內容,例如書籍檢索、參考服務,提供讀者獲取資訊的便利管道,但讀者在查詢這些資訊時,往往因為查詢結果太多需要耗費相當的時間成本,或者因為不清楚哪些書籍才是自己所需要的核心知識,以至於降低圖書館館藏的利用,種種跡象都顯示面臨了資訊超載的問題,為了幫助讀者解決資訊超載並且有效提升圖書館資源使用,本研究利用顧客終身價值(Customer lifetime value, CLV)分析法,建構一圖書館館藏協同過濾式推薦系統,期望透過本研究可以提供讀者更多更有效的書籍資訊,進而提升圖書館館藏的使用率,最後以玄奘大學圖書館館藏及讀者為研究對象,提出本研究的應用說明。
With the rapid development of Internet, the library through the platform has provided a lot of electronic resources and several services for readers to get information. When readers query the information of books, they probably spend lots of time to find the required information. In the other hand, readers may not be very clear how to seek the information or books that they need. As a result, the frequency and the desire to use the library system are decreased. In this paper, we try to build a collaborative filtering recommended system based on customer lifetime value (CLV) method and hope to provide more useful information about the library to readers. By our proposed system, we expect to increase the frequency of using the library. Finally, the concept with the proposed method is illustrated with the library of Husan Chuang University.
第一章 緒論………………………………………………………………1
第一節 研究動機……………………………………………………….1
第二節 研究目的……………………………………………………….3
第三節 研究流程……………………………………………………….4
第二章 文獻探討…………………………………………………………5
第一節 資料探勘……………………………………………………….5
第二節 推薦系統介紹………………………………………………...12
第三節 顧客終身價值………………………………………………...17
第四節 國內關於圖書館館藏推薦系統相關研究…………………...20
第三章 研究方法…………………………………………………………23
第一節 資料前置處理………………………………………………...25
第二節 讀者分群……………………………………………………...26
第三節 高忠誠度讀者推薦…………………………………………...28
第四節 低忠誠度讀者推薦…………………………………………...34
第五節 推薦系統流程步驟…………………………………………...36
第六節 滿意度與推薦度評估………………………………………...38
第四章 系統實作…………………………………………………………41
第一節 系統實作環境與資料前置處理……………………………...41
第二節 推薦系統建置流程…………………………………………...43
第三節 評估與滿意度分析…………………………………………...53
第五章 結論及未來研究方向……………………………………………64
第一節 結論…………………………………………………………...64
第二節 研究限制……………………………………………………...66
第三節 未來研究方向………………………………………………...67
參考文獻…………………………………………………………………68
中文部份:
卜小蝶(2001),「以圖書借閱記錄探勘加強圖書資源利用之探討」,中國圖書館學會會報,第66期,頁59-72。
余明哲(2003),圖書館個人化館藏推薦系統,交通大學資訊科學研究所碩士論文。
邱名妤(2006),資料探勘方法應用於圖書館藏推薦,玄奘大學企業管理研究所碩士論文。
邱永祥(2003),運用類神經網路與資料探勘技術於網路教學課程推薦之研究,朝陽科技大學資訊管理研究所碩士論文。
吳安琪(2001),利用資料探勘的技術及統計的方法增強圖書館的經營與服務,交通大學資訊科學研究所碩士論文。
高振智(2002),以消費者購買決策為基礎之適性化推薦系統,中原大學。
曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶曉(2005),資料探勘,談北市:旗標出版社。
孫冠華(1999),圖書館新書推薦之個人化服務方法,中山大學資訊管理研究所碩士論文。
陳美文(2004),圖書館服務品質對使用者滿意度與再使用意願之研究-以大葉大學為例,大葉大學資訊管理研究所碩士論文。
劉宛晶(2006),植基於RFM分析法之產品購買週期的適時性推薦方法,朝陽科技大學資訊管理研究所碩士論文。
劉文良(2005),顧客關係管理與資料探勘,台北市:碁峰出版社。
張云濤、龔玲(2007),資料探勘原理與技術,台北市:五南出版社。
張倩茜譯(Arthur Hughes 原著) (2001),資料庫行銷實用策略,台北市:麥格羅.希爾國際出版公司。
曹健華(2003),應用資料探勘技術於數位圖書館之個人化服務及管理,南華大學資訊管理學系碩士論文。
楊雅雯(2001),個人化數位圖書資訊環境—以PIE@NCTU 為例,交通大學資訊科學研究所碩士論文。
賴永祥(1989),中國圖書分類法,增訂7版,台北市:三民書局。
戴玉旻(2003),圖書館借閱紀錄探勘系統,交通大學資訊科學研究所碩士論文。

英文部份:
Agrawal, R., Imielinski, T., Swami A. (1993). “Mining Associations between Sets of Items in Large Databases”, Proceedings of the ACM-SIGMOD Conference, pp.207-216.
Agrawal, R., Srikant, R. (1994). “Fast Algorithms for Mining Association Rules”, Proceedings of the Very Large Databases Conference, pp.487-499.
Berger, P., Nasr, N. (1998). “Customer Lifetime Value: Marketing Models and Applications”, Journal of Interactive Marketing, Vol.12(1), pp.17-30.
Berry, M.A., and G.S. Linoff, (1997). “Data Mining Techniques for Marketing, Sales, and Customer Support”, ACM SIGKDD, Vol.1, pp.20-33.
Breese,J.S., Heckerman,D., and Kadie,C., (1998). “Empirical Analysis of Predictive Algorithm for Collaborative Filtering”, Proceedings of the 14th Conference on Uncertainty in Artificial Intelligence, pp.43-52.
Chesani, Federico, (2002). “Recommendation Systems”, Corso di laurea in Ingegneria Informatica.
Dwyer, F. R. (1989). “Customer Lifetime Valuation to Support Marketing Decision Making”, Journal of Direct Marketing, Vol.3(4), pp. 8-15.
Fayyad, U.M., (1996). “Data Mining and Knowledge Discovery: Making Sense Out of Data,” IEEE Expert, Vol.11(5), pp. 20-25.
Fayyad, U.M., G. Piatetsky-Shapiro, and P. Smyth, (1996). “The KDD Process for Extracting Useful Knowledge from Volumes of Data”, Communications of the ACM, Vol.39(11), pp.27-34.
Hair J. F., R.E. Anderson, R.L. Tatham and W.C. Black.(1998). “Multivariate Data Analysis”, 5th ed., NJ:Prentice-Hall.
Han, J., Micheline, K. (2001). “Data Mining: Concepts and Techniques”, New York: John Wiley & Sons.
Hughes, A.M. (1994). “Strategic Database Marketing”, Chicago: Probus Publishing.
Goldberg, David, Nichols, David, Oki, Brian M., and Terry, Douglas. (1992). “Using collaborative Filtering to Weave an Information TAPESTRY”, Communications of the ACM, Vol.35(12), pp. 61-70.
Good,N.,Schafer,J.B.,Konstan,J.,Borchers,A.,Sarwar,B.,Herlocker,J.,and Riedl,J., (1999). ”Combining Collaborative Filtering with Personal Agents for Better Recommendations”, Proceedings of the 1999 Conference of the American Association of Artifical Intelligence (AAAI-99), pp.439-446.
Johathan L., Herlocker, J.,Konstan, J.,and Riedl, J., (2000). “Explaining Collaborative Filtering Recommendations”, ACM 2000 Conference on Computer Supported Cooperative Work,Dec.
Liu, D.R., Shih, Y.Y., (2005). “Hybrid Approaches to Product Recommendation Based on Customer Lifetime Value and Purchase Preferences”, The Journal of Systems and Software, Vol.77, pp.181-191.
Liu, D.R., Shih, Y.Y., (2005). “Integrating AHP and Data Mining for Product Recommendation Based on Customer Lifetime Value”, Information & Management, Vol.42, pp.387-400.
Kent A. et al. (1979). “Use of Library Materials: the University of Pittsburgh Study,” PA.: Pittsburgh University.
Kleissner, C., (1998). “Data Mining for the Enterprise,” In Proceedings of the Thirty-First Hawaii International Conference on, Vol.7, pp. 295-304.
Kotler, P. (1996). “Marketing Management-Analysis”, Planning Implementation and Control, 9th ed, Prentice Hill.
Miglautsch, J., (2000). “Thoughts on RFM Scoring”, Journal of Database Marketing, Vol.8(1), pp.67-72.
Nunnally, J.C.,(1978). “Psychometric Theory”, New York :McGraw-Hill.
Ricci,F. (2002). “Travel Recommender Systems”, IEEE Intelligent Systems, November/December, pp.55-57.
Saracevic, T.,and Kantor, P., (1998). “A Study in Information Seeking and Retrieving. II. User, Questions and Effectiveness”, Journal of the American Society for Information Science, Vol.39(3), pp.176-195.
Sarwar,B., Konstan,J., Borchers,A., Herlocker,J., Miller,B.,and Riedl,J., (1998). “Using Filtering Agents to Improve Prediction Quality in the GroupLens Research Collaborative Filtering System”, Proceedings of the 1998 Conference on Computer Supported Cooperative Work,Nov.
Sarwar,B.M., Karypis,G., Konstan,J.A., and Riedl,J., (2000). “Analysis of Recommender Algorithms for E-Commerce”, ACM E-Commerce 2000 Conference,Oct.
Stone Bob (1989). “Successful Direct Marketing Methods”, 4th ed., NTC Business Books.
Punj, G.N., Stewart, D.W., (1983). “Cluster Analysis in Marketing Research: Review and Suggestions for Applications”, Journal of Marketing Research, Vol.20, pp.134-148.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔