1、 目录 1 外文文献译文（ 1） . 1 1.1 建立客户模型与业务数据 :一个自动的方法基于模糊聚类和机器学习 . 1 1.2 摘要 . 1 1.3 介绍 . 1 1.4 提案 . 2 2 外文文献原文 （ 1） . 3 2.1 title . 3 2.2 Abstract . 3 2.3 Introduction . 3 2.4 Our Proposal . 5 3 外文文献译文（ 2） . 6 3.1 客户的知识关系管理：整合知识管理和客户关系管理过程 . 6 3.2 摘要 . 6 3.3 介绍 . 6 3.4 文献综述 . 7 3.5 提出客户知识关系管理过程的概念模型 . 8 4 外
2、文文献原文 （ 2） . 8 4.1 title . 8 4.2 Abstract . 8 4.3 Introduction . 9 4.4 Literature Review . 10 4.5 Proposed Customer Knowledge Relationship Management Process: A Conceptual Model . 11 1 1 外文文献译文（ 1） 1.1 建立客户模型与业务数据 :一个自动的方法基于模糊聚类和机器学习 1.2 摘要 数据挖掘 (DM)是一门新兴学科 ,旨在从数据中提取知识使用几种技术。 DM 证明是有用的业务数据的描述客户和他们的交
3、易以兆兆字节。在本文中 ,我们提出的方法建立客户模型 (也说在文献资料 )与业务数据。我们的方法是三步。在第一步中 ,我们使用模糊聚类分类的客户 ,即确定客户群。一个关键特性是 ,很多团体(或集群 )自动计算从数据使用划分熵作为真实性的标准。在第二步中 ,我们进行降维旨在保持为每组只有客户的信息最丰富的属性。为此 ,我们定义了信息损失量化信息程度的一个属性。因此 ,作为结果 ,第二步 ,我们获得的消费者群每个描述由一种独特的属性集。在第三个和最后一步 ,我们使用摘要神经网络中获取有用的知识从这些组织。真实世界的数据集上的实验结果揭示了我们的方法的良好性能 ,应该模拟未来的研究。 关键字：数据挖
4、掘、客户利润、客户关系、模糊聚类、降维、 倒传递类神经网路、信息原理 1.3 介绍 如果可以探测和预测客户的行为改变，营销 管理能够和客户发展长期和愉快的关系。在过去，研究人员通常使用应用统计调查研究客户的行为。最近，数据挖掘技术已经采用，这些技术的目标通过搜索数据库以获取隐式的，未知，和潜在有用信息，包括知识规则、约束和规律。数据挖掘，是数据库的中知识发现关键的一步，包括特定算法的模式提取的应用，像网络、市场、金融和银行业务这些领域已经有多方面成功的应用。目前，企业面临的挑战是一个不断发展的市场，客户的需求在不断地变化。 因此，代替对待所有客户一样，企业可以只选择那些符合特定的盈利条件的客户
5、，标准基于他们个人的需求或消费行为。这样，所发现的信息可以为市场做更精准的决策。因此，可以定义对客户概括的数据挖掘，是简单地作为的允许建立描述一组特定的习惯、态度和行为客户档案的技术。数据挖掘技术在 客户 分析中面临一些困难，大量的数据可用来创建用户模型，数据是否适当，数据噪音问题和和捕获人类不确定性行为的必要性。数据挖掘和机器学习技术能够处理大量的数据和不确定性。这些特征使这些技术实现客户模型的自动生成，提高决策效率。一些文献提出人工智能技 术可以解决这个问题。事实上，许多工业应用程序为了发展客户分析已经使用贝叶斯网络、决策树、支持向量机、人工神经网络和关联规则技术。以后，我们将列出一些对于客户分析的研究活动，向新手读者介绍一些该领域的背景知识。如果想对现有方法深入学习，感兴趣的读者参考相关的专业文献。 第十七文献中提出一个集成的数据挖掘模型和行为得分模型管理银行现有的信用卡客户。区分基于还款行为时效性、频率、货币行为和得分的预测因子的客户群，使用自组织映射方法。同样将银行的客户分为三种主要盈利的客户群，使用先验的关联规则挖掘不同客户群的功能属 性。 其他方法也在零售市场得到应用，因为在动态的零售市场观察客户行为的变
