社會計算中的組織行爲模式挖掘

內容簡介

近年來，社會組織行爲分析的研究主要集中在構建預測模型以預測組織可能的行爲上。數據挖掘方法，特別是分類方法，近年來成爲組織行爲預測建模的主要方法。本書比較分析了主要的分類方法所建立的組織行爲預測模型的性能，爲不同情形下分類方法的恰當選擇提供了依據。組織行爲數據普遍存在類不平衡和誤分類代價不一致的問題，這導致標準分類器所構建的組織行爲預測模型性能較差。爲此，在期望誤分類代價這一指標下，本書研究了四種典型代價敏感學習方法基於不同標準分類器所構建的組織行爲預測模型的性能，爲不同情形下代價敏感學習方法的恰當選擇提供了依據。另外，本書提出了一個新的適用於組織行爲模式挖掘的代價敏感學習算法。最後，針對組織行爲模式挖掘誤分類代價易變且不易確定等特點，本書提出了基於代價曲線的個性化解決方案。本書適合行爲分析、數據挖掘、決策支持、商務智能等領域的學者、教師、研究生、本科生閱讀使用，也可供承擔管理社會組織職能的政府相關部門及事業單位的決策者與工作人員學習參考。

書籍信息