Resumen

Con el aumento en el número de usuarios de compras en línea, la lealtad del cliente está directamente relacionada con las ventas de productos. Esta investigación explora principalmente el modelado estadístico y la simulación de la lealtad del cliente en compras en línea basadas en aprendizaje automático y análisis de big data. Esta investigación utiliza principalmente el algoritmo de agrupamiento de aprendizaje automático para simular la lealtad del cliente. Llama al algoritmo de minería interactiva k-means basado en la estructura Hash para realizar minería de datos en el árbol jerárquico multidimensional del riesgo crediticio corporativo, ajusta continuamente los umbrales de soporte para diferentes niveles de minería de datos según los requisitos específicos y selecciona reglas de asociación efectivas hasta obtener resultados satisfactorios. Después de realizar la evaluación del riesgo crediticio y la modelización de advertencia temprana para la empresa, se obtiene el modelo preseleccionado inicial. La información a recopilar se obtiene primero mediante el rastreador web desde el sitio web objetivo hasta la base de datos temporal

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Compras en línea; Fidelización de clientes; Aprendizaje automático; Minería de datos; Riesgo crediticio; Rastreador web
• Keywords:Online shopping; Customer loyalty; Machine learning; Data mining; Credit risk; Web crawler