文 献 综 述

一、数据采集

在服务挖掘中， 从数据的采集、 处理、 分析到最后的实施， 需要运用各种工具，尤其是各种算法分析工具和数据处理工具的合理运作是服务挖掘效率高低的重要决定因素， 在服务挖掘分析中运用的主要工具涉及到数据采集、客户行为描述、 数据预处理和数据分析等方面。在服务挖掘中， 数据的采集是基础，与其他数据挖掘和分析方式不同， 服务挖掘更多地涉及到客户的私有数据的分析和管理，对数据的完备性和及时性有较高的要求。对此， 企业应建立多元的客户数据采集系统，通过电子商务平台收集的数据是一种比较高效的方式， 采用这种方式收集的数据具有较高的时效性， 并且是比较清洁的数据， 可以直接用于客户行为分析。另外通过企业的客户关系管理联络中心和客户服务支持中心也可以获得客户的有关信息，但信息收集的效率取决于客户的配合程度， 其时效性和完备性都难以得到保障，获得的数据需要进行清洗、 集成、 归约等技术处理， 这种数据采集方式是企业获取客户数据的主要渠道。

二、服务挖掘模型

服务挖掘模型是建立在客户行为差异对产品性能变化的影响规律和影响程度这一机理分析基础之上的。客户行为差异是衡量客户个体行为与群用户行为之间关系的标尺，是实现服务挖掘的关键。通过比较和度量个体行为特征与客户群共性特征的偏差，将偏差与历史服务数据进行比对， 可以找出客户行为偏差对服务的影响规律， 从而挖掘出所需的服务。行为差异是客户行为与服务之间的联系纽带，将个性和共性特征归纳入库进行关联规则运算， 可以找到其间的联系，进而与客户服务数据库对应， 形成服务方案， 从而有针对性地为客户提供其所需的服务。根据客户行为数据，对客户的使用行为习惯进行统计分析， 获得客户使用行为的规律以及客户对某一特定产品的使用偏好特征， 通过聚类分析来划分不同的客户群，建立客户行为指标体系， 对客户的行为特征进行定量化描述， 通过关联分析等方法挖掘出客户行为特征对每项服务所产生的行为差异影响因子， 并结合标准服务指南和专家知识库，预测出每个客户下一次最有可能接受服务的内容和时间， 经客户认可后的服务方案将保存于知识库中或对原有的知识库给予更新和完善， 产生偏差的服务方案将反馈到自适应学习系统中进行自学习后的偏差识别， 并对原有的服务方案重新调整

三、JAVA编程语言

1.JAVA 编程语言是面向对象的一种编程语言。面向对象的编程语言中， 每个模块都是建立在应用程序的基础上， 进行功能分解。举个简单的例子，在存货清单控制的应用程序当中， 包括的对象有部件数、 存货清单条款、存储位置和停放明细表等。在分解功能时， 可以包括包装、 加标签、 接收和运输等功能。若部件数格式发生变化， 如果一个优秀的解决方案， 通常能在一个部件数的模块内完成这些改动，而不必改动其他模块， 工作的效率大大地提高了。这些充分表明模块化的好处。总之，面向对象的编程语言更容易编写以及维护。

2.JAVA 编程语言的可移植性能比较好， 能够在 Web站点上灵活地下载应用程序并使用。用户能在 Web 网页上下载需要的程序， 包括图像、 图像和 HTML 等， 网络浏览器就会在 Web 网页上组织这些片段， 方便用户查看。Java 编程用户能够确保 Web 运行的程序运行在任何计算机上。还有， JAVA编程语言对基本的数据类型长度进行了严格的规定。