共查询到14条相似文献，搜索用时 328 毫秒
1.
基于数据挖掘的企业竞争情报智能采集模型研究 总被引：1，自引：0，他引：1
通过比较分析国内外著名竞争情报软件，构建了一个基于数据挖掘的企业竞争情报智能采集模型。模型融合数据挖掘的各种新技术，整合了情报采集流程，实现了信息收集、信息预处理、情报采集与知识获取的自动化和智能化。 相似文献
2.
文本挖掘在网络舆情信息分析中的应用 总被引：15，自引：0，他引：15
网络舆情已成为社会情报的一种重要表现形式.挖掘技术为网上大量以非结构化数据形式出现的舆情信息分析提供了方法和技术支持.介绍了网络舆情的特点与作用,分析了文本挖掘技术的主要功能,提出网络舆情信息挖掘分析模型,并以实例说明文本挖掘在网络舆情分析中的应用. 相似文献
3.
借助数据挖掘技术构建企业诊断信息智能采集模型,为服务企业智能诊断系统设计奠定基础。对比分析服务企业各诊断主题现状、流程、存在不足及诊断情报收集状况,为服务企业的诊断构建情报智能采集模型。模型整合诊断信息搜集的基本流程,借助数据挖掘技术来实现服务企业诊断情报的收集、处理、智能分析等功能为一体,增加情报采集的协同性与智能性,实现诊断情报知识获取的自动化与智能化。通过分析,将数据挖掘、特征识别等技术应用在企业诊断信息采集方面是提高企业诊断智能性的有效途径,也是企业诊断智能化的重要发展方向。 相似文献
4.
企业竞争情报智能采集研究 总被引：1，自引：0，他引：1
针对目前企业在竞争情报采集中面临的诸多问题,探讨了基于数据挖掘技术的企业竞争情报智能采集,构建了竞争情报智能采集的模型,指出了模型各个阶段的任务及智能化实现各阶段所采用的技术方法. 相似文献
5.
6.
针对当前竞争情报分析算法无法有效地处理结构类型多样的Web评论信息,研究并设计了基于Web评论挖掘的动态竞争情报分析算法进行语义层面的情报分析,获取深层次的动态竞争情报。该算法主要由评论内容识别与抽取、语义关联挖掘、文本语义极性分析3个部分组成。实验结果表明,该算法能够显著地提高情报分析的准确率和效率,实现深层次的评论挖掘和情报知识发现。 相似文献
7.
面对网络中日益丰富的用户评论信息,利用评论挖掘技术对其进行智能化的自动分析,获取非传统意义上的动态竞争情报,对于企业竞争战略的制定和竞争优势的保持具有重要意义。文章在详细分析Web评价挖掘技术研究现状和当前竞争情报分析存在问题的基础上,将Web评论挖掘融入企业竞争情报分析之中,构建了基于Web评论挖掘的动态竞争情报分析模型,阐述了模型中各个模块的主要功能及其实现策略。 相似文献
8.
9.
针对现今的信息资源整合技术无法有效地解决不同数据源之间的语义异构问题和传统的竞争情报分析技术无法获取高质量的深层情报知识,构建了基于本体的竞争情报语义整合与分析模型。该模型利用本体理论与方法对网络异构信息进行有机整合,解决信息孤岛和语义异构问题;并在此基础上实现语义层面的竞争情报自动分析和智能分析,有利于提高情报分析的准确率和效率。 相似文献
10.
用于竞争情报的数据挖掘技术研究 总被引：6，自引：0，他引：6
竞争情报的采集途径与情报信息量正在发生巨大的变化,数据仓库成为竞争情报一个非常值得选择的发展方向。从竞争情报对数据挖掘技术的要求和竞争情报系统模型两个方面来分析研究用于竞争情报的数据挖掘技术。 相似文献
11.
在领域本体已知和文本语义标注主要步骤的基础上,本文用数据挖掘技术实现文本语义信息的获取,提出了文本语义分析与标注的基本思想和处理流程,深入探讨了用聚类分析完成实例分析与标注过程,用关联挖掘和分类方法完成实例间关系的分析与标注过程。 相似文献
12.
本文从对多结构化客户数据集成和预处理的成效不足、挖掘过程缺乏语义情景和上下文的支撑,从而所获取的客户知识模式质量不高等问题出发,提出了一种基于语义集成的客户知识挖掘模型.该模型充分利用了本体、语义集成等方法和技术,提高对数据语义分析和处理的能力,实现智能化客户知识挖掘过程,从而获取高质量的客户知识模式. 相似文献
13.
Social media have been adopted by many businesses. More and more companies are using social media tools such as Facebook and Twitter to provide various services and interact with customers. As a result, a large amount of user-generated content is freely available on social media sites. To increase competitive advantage and effectively assess the competitive environment of businesses, companies need to monitor and analyze not only the customer-generated content on their own social media sites, but also the textual information on their competitors’ social media sites. In an effort to help companies understand how to perform a social media competitive analysis and transform social media data into knowledge for decision makers and e-marketers, this paper describes an in-depth case study which applies text mining to analyze unstructured text content on Facebook and Twitter sites of the three largest pizza chains: Pizza Hut, Domino's Pizza and Papa John's Pizza. The results reveal the value of social media competitive analysis and the power of text mining as an effective technique to extract business value from the vast amount of available social media data. Recommendations are also provided to help companies develop their social media competitive analysis strategy. 相似文献