《物流大數(shù)據(jù)分析與挖掘》習(xí)題及答案 第九章 物流大數(shù)據(jù)文本挖掘 習(xí)題及答案

第九章物流大數(shù)據(jù)文本挖掘

一、填空題

1.數(shù)據(jù)挖掘大部分研究主要針對(duì)

2.文本挖掘的數(shù)據(jù)源是.,其識(shí)別和檢索的模式不是從形式化的數(shù)據(jù)庫記錄里發(fā)

現(xiàn)，而是從中發(fā)現(xiàn)。

3.在進(jìn)行數(shù)據(jù)挖掘之前，先要對(duì)數(shù)據(jù)進(jìn)行.及

4.數(shù)據(jù)清洗是對(duì)采集到的數(shù)據(jù)做預(yù)處理，清除.及

5.數(shù)據(jù)挖掘是指利用有效的算法和工具挖掘出潛在的和

二、單選題

1.大數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中找出對(duì)人們有用的信息的整個(gè)過程，是一個(gè)（）的過

程。

A、知識(shí)挖掘B、數(shù)據(jù)挖掘

C、信息挖掘D、關(guān)系挖掘

2.關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中隱藏在數(shù)據(jù)間的（）的一種規(guī)則。

A、聯(lián)系B、相互關(guān)系

C、關(guān)聯(lián)或相互關(guān)系D、包含關(guān)系

3.特征分析是從數(shù)據(jù)庫中的一組數(shù)據(jù)中提取出關(guān)于這些數(shù)據(jù)的特征式，這些特征式表達(dá)了

該數(shù)據(jù)集的（)o

A、典型特征B、共同特征

C、區(qū)別D、總體特征

4.變化和偏差分析的目的是尋找觀察（）之間有意義的差別。

A、自變量與因變量B、結(jié)果與參照量

C、不同變量D、不同結(jié)果

5.在企業(yè)危機(jī)管理及其預(yù)警中，管理者更感興趣的是（)o

A、意外規(guī)則B、預(yù)警規(guī)則

C、突發(fā)規(guī)則D、差異規(guī)則

三、判斷題

1.存放在文本數(shù)據(jù)庫中的數(shù)據(jù)是半結(jié)構(gòu)化數(shù)據(jù)，文檔中可能包含結(jié)構(gòu)化字段，也可能包含

大量非結(jié)構(gòu)化數(shù)據(jù).（）

2.數(shù)據(jù)轉(zhuǎn)換是將數(shù)據(jù)轉(zhuǎn)換為易于挖掘和分析的格式進(jìn)行存儲(chǔ)。)

3.模式評(píng)估是指根據(jù)一定的評(píng)估標(biāo)準(zhǔn)從挖掘出的結(jié)果中篩選出滿足條件的數(shù)據(jù)。（）

4.聚類分析的目的是使得屬于同一類別的數(shù)據(jù)間的相似性盡可能小，不同類別中數(shù)據(jù)間的

相似性盡可能大。（）

5.回歸分析方法反映的是事務(wù)數(shù)據(jù)庫中屬性值在時(shí)間上的特征，產(chǎn)生一個(gè)將數(shù)據(jù)項(xiàng)映射到

一個(gè)實(shí)值預(yù)測變量的函數(shù)，發(fā)現(xiàn)變量或?qū)傩蚤g的依賴關(guān)系。（）

四、簡答題

1.簡述利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析的常用方法。

2.簡述聚類分析的定義。

3.簡述關(guān)聯(lián)規(guī)則的應(yīng)用場景。

4.簡述利用大數(shù)據(jù)文本挖掘技術(shù)進(jìn)行物流與供應(yīng)鏈客戶關(guān)系管理的原理。

5.簡述利用大數(shù)據(jù)文本挖掘技術(shù)在物流與供應(yīng)鏈客戶偏好分析中的應(yīng)用場景。

五、案例分析

京東一直致力于通過互聯(lián)網(wǎng)電商建立需求側(cè)與供給側(cè)的精準(zhǔn)、高效匹配，供應(yīng)鏈管理是

零售聯(lián)調(diào)中的核心能力，是零售平臺(tái)能力的關(guān)鍵體現(xiàn)，也是供應(yīng)商與京東緊密合作的紐帶,

更是未來京東智能化商業(yè)體布局中的核心環(huán)節(jié)。

目前京東在全國范圍內(nèi)的運(yùn)營256個(gè)大型倉庫，按功能可劃分為RDC、FDC、大件中心

倉、大件衛(wèi)星倉、圖書倉和城市倉等等。RDC（RegionalDistributionCenter）即區(qū)域分

發(fā)中心，可理解為一級(jí)倉庫，向供貨商采購的商品會(huì)優(yōu)先送往這里，一般設(shè)置在中心城市，

覆蓋范圍大。FDC（ForwardDistributionCenter）即區(qū)域運(yùn)轉(zhuǎn)中心，可理解為二級(jí)倉庫，

覆蓋一些中、小型城市及邊遠(yuǎn)地區(qū)，通常會(huì)根據(jù)需求將商品從RDC調(diào)配過來。

結(jié)合人工智能、大數(shù)據(jù)等技術(shù)，京東首先從供貨商那里合理采購定量的商品到RDC,再

根據(jù)實(shí)際需求調(diào)配到區(qū)域轉(zhuǎn)運(yùn)中心（FDC）,然后運(yùn)往離客戶最近的配送站，最后由快遞員將

商品帶到客戶手中。這只是京東供應(yīng)鏈體系中一個(gè)普通的場景，但正因?yàn)橛羞@樣的體系，使

得京東對(duì)用戶的響應(yīng)速度大大提高，用戶體驗(yàn)大大提升。

京東的預(yù)測系統(tǒng)主要支持三大業(yè)務(wù)：銷量預(yù)測、單量預(yù)測和GMV預(yù)測。其中銷量預(yù)測主

要依據(jù)銷量數(shù)據(jù)進(jìn)行商品補(bǔ)貨、商品調(diào)撥；單量預(yù)測根據(jù)拆單后的量支持倉庫、站點(diǎn)的運(yùn)營

管理；GMV預(yù)測主要支持銷售部門計(jì)劃的定制。

銷量預(yù)測按照不同維度又可以分為RDC采購預(yù)測、FDC調(diào)撥預(yù)測、城市倉調(diào)撥預(yù)測、大

建倉補(bǔ)貨預(yù)測、全球購銷量預(yù)測和圖書促銷預(yù)測等；單量預(yù)測又可分為庫房單量預(yù)測、配送

中心單量預(yù)測和配送站單量預(yù)測等（在這里“單量”并非指用戶所下訂單的量，而是將訂單

拆單后流轉(zhuǎn)到倉庫中的單量。例如一個(gè)用戶的訂單中包括3件物品，其中兩個(gè)大件品和一個(gè)

小件品，在京東的供應(yīng)鏈環(huán)節(jié)中可能會(huì)將其中兩個(gè)大件品組成一個(gè)單投放到大件倉中，而將

那個(gè)小件單獨(dú)一個(gè)單投放到小件倉中，單量指的是拆單后的量）；GMV預(yù)測則支持到商品粒

度。

借助這一套預(yù)測系統(tǒng)，京東在很多供應(yīng)鏈優(yōu)化問題上都已經(jīng)實(shí)現(xiàn)系統(tǒng)化，由系統(tǒng)自動(dòng)給

出優(yōu)化建議，并與生產(chǎn)系統(tǒng)相連接，實(shí)現(xiàn)全流程自動(dòng)化。據(jù)粗略估算，1%的預(yù)測準(zhǔn)確度的提

升可以節(jié)約數(shù)倍的運(yùn)營成本。

問題思考：

(1)在本案例中，大數(shù)據(jù)文本挖掘技術(shù)是如何應(yīng)用到京東供應(yīng)鏈的預(yù)測系統(tǒng)中的？

(2)你還能聯(lián)想到哪些可用于供應(yīng)鏈優(yōu)化的數(shù)據(jù)？

參考答案

一、填空題

1.結(jié)構(gòu)化數(shù)據(jù)(P168)

2.文本集合、非結(jié)構(gòu)化的數(shù)據(jù)(pl68)

3.采集、預(yù)處理、存儲(chǔ)(pl69)

4.無效數(shù)據(jù)、與目標(biāo)無關(guān)的數(shù)據(jù)(pl69)

5.知識(shí)、規(guī)則(P169)

二、單項(xiàng)選擇題

1.A(pl69)

2.C(pl71)

3.D(pl71)

4.B(pl71)

5.A(pl71)

三、判斷題

1.V(pl68)

2.V(pl69)

3.V(pl69)

4.X(pl71)

5.4(pl70)

四、簡答題

1.簡述利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析的常用方法。(P170)

答：利用數(shù)據(jù)挖掘進(jìn)行數(shù)據(jù)分析常用的方法主要有分類、回歸分析、聚類分析、關(guān)聯(lián)規(guī)則、

特征、變化和偏差分析、Neb頁挖掘等，它們分別從不同的角度對(duì)數(shù)據(jù)進(jìn)行挖掘。

2.簡述聚類分析的定義。(P171)

答：聚類分析是把一組數(shù)據(jù)按照相似性和差異性分為幾個(gè)類別，其目的是使得屬于同一類別

的數(shù)據(jù)間的相似性盡可能大，不同類別中數(shù)據(jù)間的相似性盡可能小。

3.簡述關(guān)聯(lián)規(guī)則的應(yīng)用場景。(P171)

答：在客戶關(guān)系管理中，通過對(duì)企業(yè)客戶數(shù)據(jù)庫里的大量數(shù)據(jù)進(jìn)行挖掘，可以從大量的記錄

中發(fā)現(xiàn)有趣的關(guān)聯(lián)關(guān)系，找出影響市場營銷效果的關(guān)鍵因素，為產(chǎn)品定位、定價(jià)與定制客戶

群，客戶尋求、細(xì)分與保持，市場營銷與推銷，營銷風(fēng)險(xiǎn)評(píng)估和詐騙預(yù)測等決策支持提供參

考依據(jù)。

4.簡述利用大數(shù)據(jù)文本挖掘技術(shù)進(jìn)行物流與供應(yīng)鏈客戶關(guān)系管理的原理。（pl71）

答:客戶客戶的在線口碑評(píng)價(jià)與反饋等情感信息可以幫助物流與供應(yīng)鏈企業(yè)管理者以及電子

商務(wù)平臺(tái)管理者及時(shí)發(fā)現(xiàn)客戶對(duì)于當(dāng)前產(chǎn)品及服務(wù)的負(fù)面情感，更好地對(duì)在線銷售的前、中、

后等各個(gè)環(huán)節(jié)中出現(xiàn)的問題進(jìn)行危機(jī)管理，盡可能地及時(shí)消除客戶在體驗(yàn)產(chǎn)品和服務(wù)時(shí)產(chǎn)生

的不滿情緒，增加客戶綜合體驗(yàn)。

5.簡述利用大數(shù)據(jù)文本挖掘技術(shù)進(jìn)行物流與供應(yīng)鏈客戶偏好分析的原理。（P172）

答：客戶通常還沒有對(duì)某種