社會(huì)計(jì)算中的組織行為模式挖掘

第1章  概述 1

1.1  社會(huì)計(jì)算的定義 2

1.2  社會(huì)計(jì)算研究的理論工具 4

1.3  社會(huì)計(jì)算的研究與應(yīng)用領(lǐng)域 9

1.4  組織行為模式挖掘的研究?jī)?nèi)容 12

1.4.1  組織行為預(yù)測(cè) 12

1.4.2  可操作行為規(guī)則挖掘 15

1.5  本書的結(jié)構(gòu)與內(nèi)容 21

第2章  組織行為預(yù)測(cè) 23

2.1  基于相似度的組織行為預(yù)測(cè)方法 24

2.1.1  組織行為的矢量模型 24

2.1.2  CONVEX算法 25

2.2  基于分類的組織行為預(yù)測(cè)方法 31

2.2.1  分類方法 31

2.2.2  經(jīng)驗(yàn)研究 50

2.3  代價(jià)敏感組織行為預(yù)測(cè)建模 53

2.3.1  代價(jià)敏感學(xué)習(xí)方法 53

2.3.2  經(jīng)驗(yàn)研究 55

2.3.3  OESP算法 65

2.3.4  基于代價(jià)曲線的解決方案 67

第3章  可操作行為規(guī)則挖掘 73

3.1  問題定義 74

3.2  挖掘算法 81

3.2.1  MABR-1算法 81

3.2.2  MABR-2算法 84

3.3  模型驗(yàn)證 91

3.4  討論 97

第4章  可操作行為規(guī)則挖掘技術(shù)的深入探討 99

4.1  消解規(guī)則沖突 100

4.1.1  規(guī)則沖突 100

4.1.2  沖突消解方法 101

4.1.3  模型驗(yàn)證 103

4.2  規(guī)則支持度建模 107

4.2.1  樣本對(duì)規(guī)則的非一致支持強(qiáng)度 107

4.2.2  支持度的觀察加權(quán)模型 107

4.2.3  MABR-3算法 109

4.2.4  模型驗(yàn)證 111

4.3  數(shù)值型行為屬性建模 113

4.3.1  問題的提出 113

4.3.2  問題定義 113

4.3.3  MABR-4算法 115

4.3.4  模型驗(yàn)證 116

4.4  基于貝葉斯網(wǎng)絡(luò)的挖掘算法 120

4.4.1  問題的提出 120

4.4.2  貝葉斯網(wǎng)絡(luò) 120

4.4.3  問題定義 122

4.4.4  MABR-5算法 122

4.4.5  模型驗(yàn)證 123

4.5  基于決策樹的挖掘算法 125

4.5.1  問題的提出 125

4.5.2  MABR-6算法 125

4.5.3  模型驗(yàn)證 127

4.6  技術(shù)展望 128

4.6.1  發(fā)展方向 128

4.6.2  發(fā)展方案 129

第5章  大數(shù)據(jù)背景下的組織行為模式挖掘 131

5.1  大數(shù)據(jù)時(shí)代 132

5.2  面臨的挑戰(zhàn) 134

5.3  應(yīng)對(duì)策略 135

5.4  總體目標(biāo)與關(guān)鍵問題 138

5.5  實(shí)現(xiàn)方案 140

5.5.1  采用的大數(shù)據(jù)技術(shù) 140

5.5.2  企業(yè)內(nèi)外部數(shù)據(jù)融合 162

5.5.3  模型構(gòu)建 164

5.5.4  算法設(shè)計(jì) 167

第6章  總結(jié) 169

附錄  MAROB數(shù)據(jù)集中的相關(guān)屬性表 172

參考文獻(xiàn) 174

致謝 184