基于文本聚類的客戶細分方法研究.pdf

1、隨著企業(yè)市場的穩(wěn)健發(fā)展，客戶資源正成為企業(yè)最具有價值的資產(chǎn)。將客戶細分技術(shù)用于客戶偏好分析，能夠為企業(yè)調(diào)整和制定合適的營銷策略提供有益的幫助。近年來由于電子商務(wù)的快速發(fā)展，網(wǎng)絡(luò)購物越加普遍。在線購物場景下，客戶往往依據(jù)商家對貨物的描述以及相關(guān)客戶評論來判斷貨物的質(zhì)量和特征?？蛻粼u論是廣大客戶對購買商品信息的反饋，更為真實的反映了客戶對商品及服務(wù)的偏好。由于客戶評論大多為在線式短文本數(shù)據(jù)，且易于獲取，因此本文以短文本數(shù)據(jù)為研究對象，著重研

2、究文本數(shù)據(jù)的維數(shù)約減方法和基于文本聚類的客戶細分問題。本文的研究工作主要包括以下兩點：
　　（1）研究了一種改進的基于信息增益的文本降維方法，以用于客戶評論數(shù)據(jù)集的篩選。針對傳統(tǒng)信息增益方法僅考慮信息增益中評判特征詞的全局重要性，本文將TFIDF（Term Frequency–Inverse Document Frequency）的思想引入信息增益，改進了傳統(tǒng)信息增益方法沒有考慮特征詞的局部重要性方面的不足；進而基于這種改進的信息

3、增益方法，通過文本聚類，以用于評估原始客戶評論數(shù)據(jù)集中文本數(shù)據(jù)的可用性，實現(xiàn)原始客戶評論數(shù)據(jù)集的有效篩選。
　?。?）研究了基于語義的PCA（Principal Component Analysis）文本降維方法，以通過文本聚類實現(xiàn)客戶細分。由于傳統(tǒng)的PCA降維方法沒有明確使用文本數(shù)據(jù)集中特征詞語之間存在的潛在語義關(guān)聯(lián)，本文借助于《同義詞詞林》，在合并同義詞語及滿足包容關(guān)系的特定詞語的基礎(chǔ)上運行PCA方法，從而使得降維后得到的新特