神经网络经济学范文

导语：如何才能写好一篇神经网络经济学，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

doi:10.11772/j.issn.10019081.2013.07.1942

摘 要:

针对极限学习机(ELM)算法随机选择输入层权值的问题，借鉴第2类型可拓神经网络(ENN2)聚类的思想，提出了一种基于可拓聚类的ELM(ECELM)神经网络。该神经网络是以隐含层神经元的径向基中心向量作为输入层权值，采用可拓聚类算法动态调整隐含层节点数目和径向基中心，并根据所确定的输入层权值，利用MoorePenrose广义逆快速完成输出层权值的求解。同时，对标准的Friedman#1回归数据集和Wine分类数据集进行测试，结果表明，ECELM提供了一种简便的神经网络结构和参数学习方法，并且比基于可拓理论的径向基函数(ERBF)、ELM神经网络具有更高的建模精度和更快的学习速度，为复杂过程的建模提供了新思路。

关键词:可拓聚类；极限学习机；径向基函数；回归；分类

中图分类号: TP18文献标志码:A

英文标题

Extension clusteringbased extreme learning machine neural network 

英文作者名

LUO Genghe*

英文地址(

Department of Mechanical Engineering, Xian Aeronautical University, Xian Shaanxi 710077, China英文摘要)

Abstract:

During the construction process of Extreme Learning Machine (ELM), its input weights are randomly generated, and these parameters are nonoptimized and contain no prior knowledge of the inputs. To solve these problems, combining the clustering method of Extension Neural Network type 2 (ENN2), an extension clustering based extreme learning machine (ECELM) neural network was proposed. In ECELM neural network, the radial basis function centers of hidden neurons were firstly taken as the input weights, then extension clustering method was used to adaptively adjust the hidden neurons number and center vectors, and this welladjusted information was trained by MoorePenrose generalized inverse to obtain the output weights. Meanwhile, the effectiveness of this network was tested by the Friedman#1 dataset and the Wine dataset. The results indicate that ECELM provides a simple and convenient way to train the structure and parameters of neural network, and it is of higher modeling accuracy and faster learning speed than Extension theory based Radial Basis Function (ERBF) or ELM, which will provide a new way to apply the ECELM to complex process modeling.

篇2

关键词： 动力学神经网络； 梯度下降法； 李雅普诺夫稳定性判据； 权值调整算法

中图分类号： TN711?34 文献标识码： A 文章编号： 1004?373X（2017）03?0167?04

Construction of dynamics neural network model and its stability study

LI Liping1， HAN Bingxin2

（1. Shijiazhuang Tiedao University Sifang College， Shijiazhuang 051132， China； 2. Shijiazhuang Tiedao University， Shijiazhuang 050000， China）

Abstract： Since the static artificial neural network has the complicated network structure while reflecting on the system dynamic behavior， and can′t reflect on the system dynamic performance better， a new dynamics neural network model composed of the neuron with adjustable feedback coefficient and integrator is proposed. The new neural network can better reflect on the system dynamic performance than the previous dynamic network （recursion network） or the network improved on the basis of it， has simpler network structure and faster training process to make the system run better. The gradient descent method is used to study the weight adjustment algorithm of the network. The stability condition of the new dynamics neural network is discussed according to the Lyapunov stability criteria. The study of the network provides a better model structure and theory algorithm for reflecting on the system dynamics behavior， and a new research direction for the development of the neural network.

Keywords： dynamics neural network； gradient descent method； Lyapunov stability criteria； weight adjustment algorithm

鉴于传统神经网络处理动态问题能力的不足，本文提出一种由带有积分器和可调反馈系数的神经元构成的动力学神经网络，并研究了其稳定性。此网络能更好地处理时变输入或输出通过时延环节反馈到输入的问题，可以不需要像静态网络那样通过外时延环节反馈来描述动态系统，可以大大地简化网络模型。新型网络中的积分环节可以时刻反应输出状态以便于更好地实时检测系统，而可调的反馈系数使网络得到更好的训练。

1 动力学神经网络模型的建立

1.1 动力学神经元模型

当系统从一个稳态向另一个稳态转变，尤其是在工况条件发生较大变化时，得到的稳态模型将无法准确地反映输入与输出之间的关系，而动态模型可以完成这一任务。

传统动态网络如递归网络[1～5] 是通过在静态网络中加入延时单元，把以前的状态存储在延时单元中。此时可以看作是把时间信号转变为空间表示后再送给静态的前馈网络，将动态时间建模问题变为一个静态空间建模问题，可是这样会增加网络结构的复杂程度。

本设计引入反馈使网络成为一个动态系统，故提出了一种新的动力学神经元模型，结构图如图1所示。它本身带有积分器和反馈环，使得神经网络能够用微分方程来描述，微分方程能够描述真正意义上的动力学行为，从而使动态神经元构成的动力学神经网络包含更多的信息，更接近于人脑的思维活动。

其中：

得到如下模型方程：

式中：[ui（t）]为[t]时刻神经元[j]接收的来自神经元[i]的信息输入；[wji（t）]为神经元的突触连接系数或权重值；[fvt]为神经元转移函数；[xt]为输出量。

1.2 动力学神经网络模型的构建

由动态神经元构成的动力学神经网络如图2所示。

2 动力学神经网络的理论算法推导研究

2.1 动力学神经网络的学习

确定动力学神经网络结构后，要通过输入和输出样本集对网络进行训练，即对网络的阈值和权值进行学习和修正，使网络实现给定的输入输出映射关系。

动力学网络的学习过程[6～8]为：

（1） 输入一组学习样本，通过设置网络结构和前一次迭代的权值和阈值，从网络的第一层向后计算神经元的输出。

（2） 对权值和阈值进行修改，从最后一层向前计算各权值和阈值对总误差的影响梯度，据此对各权值和阈值进行修改。

（3） 步骤（1），（2）反复交替，直到网络收敛为止。

一般反馈网络的权值每次调整的规律是相同的，不是经过反复学习获得的，而是按一定规则进行设计，网络权值一旦确定就不再改变，没有权值调整的训练过程。而动力学神经网络的权值在调整时反馈系数是不断变化的，权值的调整规律也是不断变化的。

2.2 动力学神经网络的理论算法推导

目前对非线性动力学神经网络的研究已经开始，对于不同的神经网络结构模型采取的算法也是不同的[9～10]。

带有积分环节和反馈环节的动力学神经网络同BP网络基本相近，当带有积分环节和反馈环节的动力学神经网络的关联节点为0时，这时的动力学神经网络就是BP网络，所以在考虑动力学神经网络的权值调整规则时可以借用BP算法。

动力学神经网络学习按照神经元的[δ]学习规则即梯度下降法学习。学习由动态地改变网络单元连接的权值来实现，当权值达到特定要求后就转到网络的状态动力学过程。

将动力学神经网络的误差定义为：

3 动力学神经网络稳定性的研究

一个控制系统最重要的特性要求莫过于它的稳定性。系统是否稳定以及怎样改善其稳定性是系统分析与设计的首要问题。

神经网络控制系统也必须满足稳定性要求。早在1892年，俄国数学家李雅普诺夫 （Lyapunov）就提出了判定系统稳定性的方法[11?12]。李雅普诺夫第二法是借助于一个李雅普诺夫函数或直接对系统平衡状态的稳定性做出判断，是从能量的观点进行稳定性分析的。

应用此种方法判定动力学神经网络的稳定性，最重要的是寻找一个李雅普诺夫函数[V（x），]然后根据[V（x）=dV（x）dt]的符号特征判别系统的稳定性。对于动力学神经网络，若能找到一个正定的标量函数[V（x），][V（x）]是小于零的，则网络是渐近稳定的。

证明：首先定义一个李雅普诺夫（Lyapunov）函数[V（n）=12e2（n）=12E]

若要判定网络是否稳定，需要判断[V]的变化是不是小于零的，即[ΔV（n）

现在来分析满足什么条件时，[ΔV（n）

学习算法的稳定性取决于学习速率因子[η]。当[η]取较大值时，可以加快网络的训练速度，但是如果[η]的值太大，会导致网络的稳定性降低和训练误差增加。当[η]较小时，算法自适应过程较慢，算法记忆更多的过去数据，结果就更加精确。也就是说，算法的运行时间和学习速率因子成反比或者说学习速率因子的倒数就表示了算法的记忆容量。所以学习速率因子[η]应在满足式（26）的条件下取较大的值，保证收敛速率，随着迭代次数的增加，[η]的值也应该减小，以保证精度。

4 结 论

本文总结现存网络的优缺点，在此基础上提出了一种新型的动力学神经网络模型，并进行了建模；利用梯度下降法研究了该网络的权值调整算法，并通过李雅普诺夫稳定性判据讨论了这种新型动力学神经网络稳定性的条件。此网络结构更加简单，训练过程加快，从而使系统能够更好的运行。本网络研究为反映系统的动力学行为提供了更好的模型结构和理论算法，为神经网络的发展提供了新的研究方向。

参考文献

[1] MAO Z H， MASSAQUOI S G. Dynamics of winner?take?all competition in recurrent neural networks with lateral inhibition [J]. IEEE transactions on neural networks， 2007， 18（1）： 55?69.

[2] HOU Z G， GUPTA M M， NIKIFORUK P N， et al. A recurrent neural network for hierarchical control of interconnected dynamic systems [J]. IEEE transactions on neural networks， 2007， 18（2）： 466?481.

[3] TASSA Y， EREZ T. Least squares solutions of the HJB equation with neural network value?function approximators [J]. IEEE transactions on neural networks， 2007， 18（4）： 1031?1041.

[4] KIERIER R J. Design and implementation of multi?pattern ge?nerators in analog VLSI [J]. IEEE transactions on neural networks， 2006， 17（4）： 1025?1038.

[5] LIU P Z， HAN Q L. Discrete?time analogs for a class of conti?nuous?time recurrent neural networks [J]. IEEE transactions on neural networks， 2007， 18（5）： 1343?1355.

[6] 胡伍生.神经网络理论及其工程应用[M].北京：测绘出版社，2006：30?38.

[7] 朱大奇.人工神经网络原理及应用[M].北京：科学出版社，2006：7?20.

[8] 胡德文.神经网络自适应控制[M].长沙：国防科技大学出版社，2006.

[9] 何燕玲.几类神经网络模型的动力学行为研究[D].长沙：湖南大学，2006.

[10] YAN Keyu， ZHONG Shouming， YANG Jinxiang. Asymptotic properties of a dynamic neural system with asymmetric connection weights [J]. Journal of electronic science and technology of China， 2005， 3（1）： 78?86.

篇3

［关键词］大学生心理障碍 神经网络 人工智能

［中图分类号］G647［文献标识码］A［文章编号］1009-5349（2011）07-0204-02

面对急速扩大的高校规模及不断增长的学生需求，各高校的心理健康教育工作都面临着一个同样难题：僧多粥少，即从事该方面工作的教师少，满足不了广大学生的迫切需要。专职心理咨询员严重不足，已成为大学心理健康教育与心理干预的一大障碍。人工智能理论的发展给计算机辅助心理障碍识别带来机遇。论文以大学生常见心理障碍识别为例，构建一个基于BP神经网络为例的心理障碍识别模型。该模型具备自主学习能力，从而可以实现大学生心理障碍的网上自我诊断，为高校心理咨询和心理健康队伍提供支持。

一、大学生心理健康教育现状

高校肩负着培养新世纪人才的重任，而大学生身心健康与否直接关系到民族兴衰、国家强弱以及个人成才。然而近年来，高校中出现的学生心理健康问题直接影响着学生综合能力以及整个高校学生总体素质的提高。

目前，大学生们或多或少地存在心理障碍已是一个普遍现象。一项以全国12.6万多大学生为对象的调查显示：20.23%的学生有明显的心理问题，约有1/4的学生存在不同程度的心理障碍。据权威部门统计，因各种心理障碍引起心理疾病而休退学的大学生人数已经占总休、退学人数的比例近50%。我国高校“少年班”学员中，约有1/3的学生因各种心理障碍不能完成学业而被淘汰。在石家庄某高校，近几年休、退学的30多名学生中，48.65%患某种心理疾病。随着社会变革和独生子女的大批涌入高校，近几年来，大学生患有心理障碍的人数呈上升趋势，这不得不引起高校管理者的高度重视。

随着信息技术的突飞猛进，网络在大学生群体中渐渐普及，甚至成为大学生的一种生活方式。网络心理咨询方式是信息时代心理咨询发展的必然趋势，网络心理咨询和心理障碍诊断也不断成为国内外学者的研究课题。

二、模型程序及模型服务构成

Web Services所提供的模型服务是一个容器，可以将任何该协议的模型放入其中。下面以神经网络模型为例，建立大学生心理障碍识别模型。该模型的重点在于模型服务器和DSS开发平台的可视化，并具备跨平台能力和自主学习能力。

（一）BP神经网络模型

神经网络的决策支持在于利用神经元数学模型（MP模型）和Hebb学习规则，对大量的实例（样本）进行学习获取知识（网络权值），再利用该神经网络对新例子进行识别。它是以定性和定量相结合的方式辅助决策，定性方式具有利用知识（权值）进行推理（神经元信息处理）的特点，定量方式具有神经元的信息处理过程是采用数值计算方法。BP神经网络模型是1985年由Rumelhart等人提出的，具有多层网络结构，不仅有输入结点、输出结点，而且还有一层或多层隐结点，它是目前用得最多的神经网络模型。

（二）建立模型服务项目

在技术平台的开发环境Visual 中提供了比较简单明了的开发向导，任何基本了解Web Services技术框架的开发者，都能在短时间内开发出决策支持系统模型服务。比如，在Microsoft Visual C＃2005环境下，通过向导建立一个 Web服务――大学生心理障碍识别神经网络模型服务项目。

该开发平台自动为所建立的Web Services模型项目设置了大部分内容，开发者只要专注开发和实现这个模型的接口及其算法。对于建立好的模型服务，可以使用客户程序进行调用，也可以使用普通浏览器进行查询和使用，这就是所谓的“瘦”客户端解决方案。除此之外，调用模型服务的还可以是另外一个Web Services模型服务器，它把多个Web Services模型服务集成为更复杂和功能更强大的模型服务。

三、大学生心理障碍识别模型服务开发过程

鉴于篇幅原因，以从五个特征识别大学生常见心理障碍为例，说明模型服务的开发过程。输入的特征包括5个方面：躯体症状、行为症状、情绪症状、睡眠症状、人际交往症状。选择6种大学生常见心理障碍作为训练（见表1），构造大学生心理障碍识别神经网络。在实践运用中选取的特征要复杂得多，可能用到的特征将会多达数十种。

该样本设计成神经网络，网络输入层的神经元个数为6个，输出层的神经元个数为5个，隐层的神经元个数为7个。

进行神经元网络计算，需要把文字概念转换为数值。为了便于数据的判别，用七维向量值表示各个特征，其中前三位表示类别，后四位表示特征，则共可以容纳27=128种特征。表1的内容经过文字到数值转换后的结果见表2。

BP网络中改进后加入的动量项初始赋值为0.7，网络的学习速率设为0.51。网络训练的循环次数规定为4000，训练误差期望值为0.000001。

有了模型服务的原型之后，将原型转变为C#语言源代码，并将源代码保存在文件proxyclass.cs中，在DSS客户端项目中添加该文件，并在要使用该类的程序中引用其命名空间。有了Web Services模型服务和数据库系统的支持，就比较容易开发心理障碍识别决策支持系统客户端应用程序了。完成神经网络训练后，对样本进行缺省条件输入，输入的五组数据见表3。

运行客户端程序，得到推理结果报表。所得到报表包含以下内容：

（1）完成文字到数值转换后的输入参数；（2）神经网络的计算输出值；（3）根据输出数值得到的最终结论。得到的推理结果如图1所示：

从计算结果中可以看出容错效果很好，对第一例，对焦虑症缺省睡眠症状条件时，输出结果仍然是焦虑症（0.8359）；对第四例，对强迫症缺省行为症状和多一个躯体症状条件时，输出结果仍然是强迫症（0.8782）；对第五例，输入强迫症和恐惧症的共同信息时，神经网络输出是既靠近强迫症（0.8356）又靠近恐惧症（0.8381），输出结论：该病例是一个介于强迫症和恐惧症的中间种类，不能被明确识别，神经网络需要进一步学习。

四、讨论

心理治疗专家预测，通过互联网开展的心理咨询在未来的10 年里将成为全社会第二大快速增长的服务领域。当前，网络心理咨询发展迅速，各高校也纷纷利用自身优势，开设心理咨询的网站或网页。论文提出的基于BP神经网络的大学生心理障碍识别模型解决方案，通过在西安外国语大学网上心理咨询系统开发中的实施，取得了良好的效果。

【参考文献】

[1]崔丽霞等.网络心理咨询的疗效与展望[J].心理科学进展,2007,(2).

[2]陈文伟,廖建文.决策支持系统及其开发(第三版)[D].北京:清华大学出版社,2008:385-428.

[3]Marakas G M等.21世纪的决策支持系统[D].北京:清华大学出版社,2002.

[4]Han J,Kamber M.数据挖掘概念与技术[D].北京:机械工业出版社,2001.

篇4

关键词：一流学科；课程结构；BP神经网络；创新型人才

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）03-0162-02

建设国际一流的学科是创建国际一流大学的基础，坚持以一流为目标，以机械工程学科为基础，优化课程结构体系，培养创新型人才。机械工程学科课程结构建设是研究生培养的重要特征，也是创新型人才培养的重要载体和平台。本文以大学排名为依托，选取全球范围内认可度较高的大学排名――国际高等教育研究机构Quacquarelli Symonds（简称QS）世界大学工程技术类排名的各项参数作为依据。设计人工神经网络模型，将众多复杂的指标综合起来，并予以量化。

一、课程结构与创新型人才培养的关系

培养创新型人才既是当前中国高校教育改革与发展的一个重要课题，也是中国经济社会发展的迫切需要，对知识的学习和积累也提出了更高的要求。任何课程体系都必须围绕并服务于创新人才各方面素质的全面发展以及个性培养而设计，不能顾此失彼，从各门课程的组成要素看，也必须注意进行整体设计，兼顾各要素之间的联系，才能起到相互促进的作用[1]。人们在社会科学、自然科学和技术科学等各学科内，通过多门学科相结合，运用各种方法、技巧等，使其相互结合，形成新的学科，提高研究生的创新能力。

二、基于BP神经网络的机械工程研究生课程结构分析

BP神经网络是被广泛应用的一种重要网络形式，主要用来进行非线性系统的输入输出映射关系建模。本文采用的是隐含层为一层的三层BP神经网络模型，该模型为有监督的多层前向网络，由三层神经元组成：输入层、隐含层和输出层，其不同层之间用网络权值进行连接，同层内部神经元之间没有连接关系[2]。

通过对QS世界大学排名中工程技术类排名前400的部分院校进行排名指标数据整理和汇总，以及对其机械工程学科研究生课程进行搜集和分类，参考部分典型的课程结构分类标准，将机械工程学科的研究生课程分为自然科学基础、工程技术基础、机械设计、机械制造、机电一体化、生物方面、能源环保方面、微纳尺度、管理九类课程，作为九个指标，将其每类课程所占百分比，作为BP神经网络输入层的神经元；输出层有四个神经元，数据来源于QS世界大学排名中工程技术类排名，包括总体得分、学术声誉、全球雇主评价、单位教职的论文引用数。通常我们要根据网络收敛性能的好坏来确定隐含层神经元个数，通过对大量网络模型结构的分析研究，得到以下经验公式[3]：

S=■+a 1≤a≤10 （2.1）其中S为隐含层节点数，m为输入层节点数，n为输出层节点数。根据公式（2.1），我们首先将隐含层神经元数目设置为10，然后逐步增加到15和20。进行多次实验，通过误差的对比，发现在隐含层神经元个数为25时，该BP神经网络的性能最好。因此，该BP神经网络模型隐含层神经元数目设为25。将输入数据的70%作为训练数据，15%作为测试数据，15%作为验证数据，通过对训练结果进行测试，误差达到所要求的范围内则说明网络模型良好[4]。利用MATLAB训练及测试后的网络误差情况如下页图1所示，训练和测试误差均达到预期效果，大多集中在零误差附近，该模型满足实际的应用要求。

三、中国高校与国际一流学科大学的对比分析

列举中国某“211工程”、“985工程”高校，对其研究生院机械工程学科课程结构进行调查与统计，将其课程分布的9个参量输入到训练好的BP神经网络，推测出其总体得分、学术声誉、全球雇主评价、单位教职的论文引用数4个参量。

输入x=[9.76 13.82 39.84 11.38 21.95 0.00 0.81 0.81 1.63]；

输出ans=57.8018 28.9101 38.9170 72.6147

中国某高校总体得分为57.8018，学术声誉28.9101，全球雇主评价38.9170，单位教职的论文引用情况72.6147。从推测出的数据看，在QS排名中，中国某高校主要落后在学术声誉、全球雇主评价等指标上，相比于国际一流学科高校还是有很大的差距，差距最大的主要是科研水平和国际化方面，尤其是在科研水平方面。对比来看，在课程设置中，国际一流大学一流学科都有着丰富的课程设置，强调多学科融合以及新兴领域的学习，注重课程设置，推进创新型人才的培养。中国高校要创建国际一流学科，加大培养创新型人才的力度，应强化基础知识的学习，多开设工程技术基础类课程；在此基础上，加强专业知识的拓宽，不同专业方向专业课程供开放选择，增设新兴领域的课程学习[5]。另外，要强化多学科知识的融合，设置大量交叉学科课程，提高实践能力，锻炼和提高学生的实践和创新能力。

四、结论

本文研究了国际一流大学机械工程学科的课程体系结构，利用QS世界大学排名相关参数指标，建立了三层BP神经网络分析模型，对国际一流高校的机械工程学科课程结构进行了分析。基于所建数学模型，求出了中国某高校的QS总体得分、学术声誉、全球雇主评价、单位教职的论文引用情况等。选用QS排名中的29所高校作为系统样本，其中25组作为训练样本，4组作为测试样本，通过MATLAB完成网络的训练和测试，使用训练好的BP网络模型，推测QS排名系统未列出的中国某高校的QS相关参数，将其与国际一流学科的数据进行了比较分析。结果表明，中国某高校机械工程学科在课程结构设置上需要整体优化，强调多学科融合，拓宽知识面，巩固基础知识学习，加大创新型人才培养力度。

参考文献：

[1]郭丛斌，孙启明.中国内地高校与世界一流大学的比较分析――从大学排名的视角[J].教育研究，2015，（02）：147-157.

[2]饶海琴，雷良海.重点课程建设对创新人才培养的思考[J].课程教育研究，2013，（32）：255-256.

[3]卢铮松，李珂珂.基于人工神经网络的研究生课程评价模型[J].现代教育技术，2009，（10）：53-57.

[4]聂勇，马其平.国际一流高校创新型人才培养模式建构的思考[J].内蒙古农业大学学报（社会科学版），2011，（06）：126-127.

[5]刘强，潘鹏飞，王玉清.变革中的大学学科排名――QS世界大学学科排名最新进展与反思[J].比较教育研究，2015，（12）：35-41.

Research on the Course Structure of International First-Class Mechanical Engineering Using Neural Network

YANG Yang，WANG Hong，HUA Cheng-cheng，YIN Chang-hao，LI Kai-yuan

（Northeastern University School of Mechanical Engineer & Automation，Shenyang，Liaoning 110819，China）

篇5

关键词：课堂教学；网络教学；融合；高职商务英语；情景模拟

一、高职商务英语课堂教学现状

商务英语课程是高职商务英语专业的一门专业核心课程。其教学质量直接影响到该专业人才培养的质量和目标。为了不断深化高职商务英语课程教学改革，增强课堂教学效果，提高教学质量，笔者就现阶段高职商务英语课堂教学状况，以及如何上好商务英语课等，通过多种方式广泛征求了高职院校商务英语教师的意见和建议。大家普遍感到：受近年来商务英语专业生源素质参差不齐，尤其是英语基础比较薄弱、学习依赖性强的影响，商务英语课越来越难上。学生旷课、上课时精神萎靡不振，极少有学生积极主动参与到教学活动中去，课堂气氛死气沉沉，缺乏活力。在不同程度上挫伤了“教与学”两个方面的积极性。为了完成教学任务教师不得不自编自导自演，唱起“独角戏”。受传统教学的影响，不少高职英语教师至今仍然是传统的“四个一”授课方式，即“一幅黑板、一支粉笔、一张嘴、一本书”的传统模式。偏重于知识传授，忽略学生素质、技能的发展。远远不能适应新时期高职教育高素质技能型人才的目标要求。

二、基于课堂教学与网络教学深度融合的高职商务英语情景模拟的现实意义

毋庸置疑当前高职商务英语课程教学的现状，是与现代高职教育改革和发展的要求不相符的，不能满足商务英语专业人才培养的知识、素质与能力结构的培养目标，改革商务英语课堂教学势在必行。笔者积极倡导将课堂教学与网络教学有机结合，以促进高职学生英语应用能力的提高。

1.课堂与网络教学深度融合的现实意义

我们置身于网络服务日臻完善、教育高度信息化的时代，众多学校顺应时代需要重视加强现代信息技术的研究与开发工作，积极推动网络教学的进程。网络教学能够充分刺激学生视、听、说等各种感官，使学生思维活跃。网络还能再现商务场景，让学生耳闻目睹、身临其境。这些都极大地激发了学生学习知识的欲望，促进了学生全身心地投入学习，形成了一种全新的网络教学模式。这是传统的“教师+学生”课堂教学模式所不能比拟的。

但是网络教学也不能完全取代传统的课堂教学模式。传统的课堂教学模式有利于教师主导作用的发挥，有利于教学的组织、管理和教学过程的调控，对教学环境建设要求较低；更重要的是师生与学生之间的人际交流对学生成长所起的作用，则远远超出了课堂教学的本身。

而目前单纯的网络教学也存在诸多不足，主要体现在：英语基础薄弱、学习依赖性比较大的高职商务英语学生对教师主导作用的要求比较高，不太适合利用网络进行完全的自主学习。学生普遍反映在网络课堂中非但没有充分体验到现代信息技术带来的学习便利，还失去了在真实课堂中与老师一对一的交流以及同学间合作学习所带来的归属感和同一性。另外网络教学对教学设备的要求和教学成本都显著提高。

因此，基于课堂教学与网络教学有机融合的教学模式是高职商务英语教学改革的必然选择。

2.商务英语情景模拟的必要性

实践证明基于课堂教学与网络教学深度融合的情景模拟教学模式是对传统商务英语教学模式的一种改革与创新，是融合现代教育作息技术、传统课堂教学优势与新时期高职教育人才培养特色的一种全新的教学模式。它逼真地模拟各个商务流程场景，让学生亲身实践，使得以商务语言交际为媒介的商务流程贯穿于商务英语教学活动的始终，极大地提高了课堂教学效率和人才培养质量。

（1）改善学习方法，逼近教学目标

商务英语课程教学的根本目的就是培养学生在商务环境下综合运用英语语言的能力。商务情景中的互动功能充分激发和调动了学生学习并运用语言的主观能动性，使学生在愉快的学习氛围中学习和巩固学到的语言知识，锻炼语言运用的能力，并逐步养成积极自主的学习习惯。

（2）提高教学效果，解决实际问题

在教学中多媒体的运用和课堂讲解有机融合、相得益彰，大大激发了学生的学习兴趣和表达欲望，从而使教学效果得到了较大的提高。学生在模拟的商务情景中，运用所学的知识解决实际商务问题，将理论知识与实际操作有效结合，增强了实践技能。鉴于此将课堂教学与网络教学进行有效结合，进行逼真的商务情景模拟具有较强的操作性和可行性，必将有助于高职学生在商务环境下不断提升英语应用能力。

三、举例分析“基于课堂与网络教学深度融合的高职商务英语情景模拟”的可操作性

笔者目前从事高职院校商务英语课程的教学工作，使用的教材是《新编剑桥商务英语》（第三版），《新编商务英语》是一门商务与英语相结合的实践性很强的课程，它根据商务工作的实际需要，从听、说、读、写四个方面对学生在商务环境下使用英语的能力进行全面培养，因此在教学过程中应当充分强调实际操作的重要性。运用情景模拟可充分提高学生学习的积极性和处理商务环境下实际问题的能力。

现笔者以《新编剑桥商务英语》（中级） Module 2.2 Presenting your company一课为例，简要分析如何在课堂教学和网络教学交替进行的过程中运用情景模拟教学。

单纯以传统的教学模式，在听力部分，教师会要求学生听对话并完成书本上的题目即可。但若以这种传统的教学方法，学生只是练习了听力，核实了一些单词的拼写，但是若到实际的商务环境中，到底如何介绍自己的企业状况等一系列具体的问题，学生则可能很茫然。因此笔者认为可以运用基于课堂与网络教学深度融合的商务英语情景模拟的教学模式将所学知识运用到实际操作过程中来。具体设计如下。

1.任务

在线阅读国际知名企业英文资料，制作PPT，口头报告教学目标；通过“企业介绍”，给学生创建一个主动探索的环境，将听、说、读、写、译五种能力得到充分的训练，培养学生团队协作意识，帮助学生形成自主学习的习惯。

2.教学思路

根据教材、教学对象分析和教学目标，采取以下的教学流程：情景导入、自主探究、网上交流、归纳小结、反馈评讲等。通过传统课堂教学、网上教学，让学生自主学习，拓宽知识领域，培养他们通过因特网获取知识的能力和分析问题、解决问题的能力，并以讨论法组织整个教学过程。

3.教学程序设计

（1）情景导入（课堂教学）：

步骤1：教师在黑板上写下一些词/词组，让学生练习发音并用英文解释词义，让学生总结这些词汇所属类别（company terms）。

步骤2：学生练习听力，尝试听出步骤1中提到的哪些词汇，以及各个数字后修饰的内容，再次确认、强化company terms。由于这次听力内容有关口头报告，所以请学生认真听此报告流程，并关注口头报告中所运用的句型、以及报告中需注意的语音语调。

步骤3：教师引导学生自我总结。总结内容包括：口头报告流程（介绍报告主旨、介绍报告结构、各部分陈述、报告结束及提问）；语音（如数字的读法）、句子的重音、语调、有用的句型等。

（2）自主探索（网络教学）：

步骤1：教学地点改为实训室，利用网络、计算机来进行情景模拟。教师讲解如何进行网络信息有效搜索，主要讲解省略，省略，和省略搜索引擎的使用，以及在线翻译网站如省略的使用。教师提供一些PPT模板，放在系部内网的服务器上，供学生自己观看、选用（学生已具备一定的PPT文件制作技巧）。

情景模拟任务：学生每组2人，就世界知名企业信息搜索，如：Wal-Mart，Reuters等。不同小组搜索不同企业信息，小组学生需查询该企业历史发展情况、主打产品/服务、企业结构、销售情况等；如果学生愿意，还可以增加其他内容。学生需以企业Marketing Dept.为立场（工作职务自行拟定），把搜索到的信息简洁、清楚地用PPT表示出来，适当运用动画效果；PPT内容为英文文字，个别难以理解的词句需加中文注解，其中必须至少有一个图形描述。

步骤2：学生任务分工、在线阅读、相互交流、资料整理、PPT制作、口头报告语言准备工作等，教师提供必要的现场指导。

（3）归纳小结（课堂教学）：

步骤1：两位同学合作脱稿将PPT内容准确无误地口头表达出来；教师或其他学生对每组口头报告进行提问，并得到解答；全程录像。

步骤2：展示录像，教师和所有学生对报告中所出现的问题提出意见和建议，主要考查口头报告流程是否完整、口头表达现场表现、语音语调、合作情况、“PPT”制作质量等。

（4）反馈评价（网络教学）：

步骤：将所有录像、评议材料全放在教师制作的网站上，供所有学生回顾、观摩，学生可通过E-mail或聊天工具与教师进行进一步的沟通，从而将知识内化。

综上所述，现代信息技术的发展与应用为商务英语课程教学改革带来了颠覆性的变化。授课教师应积极更新理念，刻苦钻研现代网络技术，创造条件探索开展网络教学；并能够创造性地探求课堂教学和网络教学的最佳结合点，高质量地培养能够适应时代要求的高素质高技能复合型人才。

篇6

关键词 BP神经网络;遗传算法;教学质量评价

中图分类号TP18,G420 文献标识码A 文章编号 1674-6708(2010)26-0184-01

1 基于遗传算法的神经网络训练方法

1.1 GA-BP算法的概述

遗传算法[1]从一组随机产生的初始解(称为群体)开始搜索过程,群体中的每个个体是问题的一个解,称为染色体,这些染色体在后续迭代中不断进化,称为遗传。遗传主要是通过选择、交叉、变异、运算生成下一代群体,就这样经过若干代进化之后,算法收敛于最好的染色体,即为问题的最优解。那么可以将遗传算法引入BP神经网络的训练,对权值的初始值进行全局优化,这样可避免 BP神经网络陷入局部极小值,并提高其收敛速度[2,3]。

1.2 用遗传算法学习和对神经网络权值的优化

为了方便理解,我们以基础的三层BP神经网络来进行说明。取WIHij为输入层中第i个结点与隐含层第j个结点的连接权值;WHOji为隐含层中第j个结点与输出层第i个结点的连接权值[4]。遗传算法学习BP网络的步骤如下:

1)初始化种群P,包括交叉规模、交叉概率pc、突变概率pm等,初始种群取60;

2)计算每一个个体评价函数,并按权值将其排序。

3)以概率pc对个体Gi和Gi+1交叉操作产生新个体和无交叉操作的个体进行直接复制;

4)利用概率pm突变产生Gj的新个体;

5)将新个体插入到种群P中,并计算新个体的评价函数;

6)如果找到了满意的个体,则结束,否则转3)。

最后,将群体中的最优个体解码即可得到优化后的网络连接权系数。接下来则与神经网络的基本算法相同。

2 实例分析

算法效果测试

根据《正方教学管理系统教学质量评价指标》以及[5]中建立的评价指标体系,我们选取10个二级指标作为输入神经元,取输入层的个数为10。而我们将教学质量评价的等级分为3类:当输出为:{0,0,1}时为“优秀”;当输入为{0,1,0}时为“良好”;当输入为{0,1,1}时为“良好”[6]。隐含层神经元的个数6较为适宜。

用matlab进行编程[2,7],经过大约350代的搜索后其平均适应度趋于稳定,图1为期网络训练误差变化曲线,经过改进的神经网络经过9步迭代即可达到精度的要求,较之于基本的BP神经网络都有较大的改进和提高。

回想结果TT为:

该结果基本接近实际的评价情况,其对应的教师的评价为良好、优秀、优秀、一般、一般,可见其评价是比较准确的。

从数据的结果上看,用GA训练的BP神经网络的权值可以得到满意的结果,但因为改进后的算法会对大量的数据进行编码、解码、交叉、变异等相关遗传操作,所以,时间比普通BP算法的运行时间要长。

3 结论

将全局优化算法GA引入BP 网络训练的权值初始确定,充分发挥了遗传算法的全局寻优能力和 BP 算法的局部搜索优势,形成了一种新的GA-BP算法。该算法能较好的避免BP算法陷入局部最小点、收敛速度慢的问题,是一种快速、可靠的方法。根据该算法建立了有效的教学质量评价模型,检验的结果表明该算法减少了误差,完全可以满足实际应用的要求。

参考文献

[1]史忠植.人工智能[M].北京:国防工业出版社,2007.

[2]田雨波.混合神经网络技术[M].北京:科学出版社,2009.

[3]卢宏,吴翠琴.BP神经网络的遗传优化及其应用研究[J]. 江西理工大学学报,2009,30(5):51-54.

[4]原清,贺新锋,刘湘崇.遗传算法和神经网络在导弹测试 设备故障诊断中的应用研究[J].测试技术学报,2002,16(21):702-706.

[5]彭志捌.模糊综合评判在教学质量评价中的应用[J].高等 建筑教育学报,2008,17(6):20-23.

篇7

【关键词】 类风湿关节炎;神经内分泌免疫

类风湿关节炎(RA)是以对称性多关节炎为主要表现的慢性系统性自身免疫性疾病，单纯从免疫学角度难以阐释RA的发病机制和病变特点，近年来神经内分泌免疫(neuron-endocrine-immune，NEI)网络途径在RA的发病机制中越来越受到重视。虽然现代医学首先提出神经内分泌免疫网络的概念，但一直缺乏调节这一网络的有效手段，而单味中药或中药复方进入机体后能够多靶点、多环节、多层次、多途径发挥作用，对神经内分泌免疫网络能起到很好的良性调节作用。新风胶囊是在我院刘健教授“脾虚致痹”理论指导下，在多年临床经验基础上形成的中药复方制剂，具有健脾化湿通络之效。前期研究表明，新风胶囊能有效改善RA患者临床症状和炎症指标，显著改善患者的整体机能，且未见明显毒副作用。本研究拟从NEI网络角度探讨新风胶囊的量效关系，为进一步探讨该药的作用机制及寻求更安全有效的临床用药提供实验依据。

1材料

1.1动物清洁级Wistar雄性大鼠84只，体质量(150±10)g，由安徽省医学科学研究所动物房提供。实验室保持恒温、恒湿，动物在明暗周期为12/12 h(明期6:00~18:00)条件下进行适应性饲养。

1.2药品与试剂新风胶囊(XFC)：由安徽中医学院第一附属医院制剂中心提供，药物组成主要有薏苡仁、黄芪、蜈蚣、雷公藤等，每粒胶囊含生药浸出物0.5 g，院内批号：20051204;雷公藤多苷片(TPT)：10 mg/片，上海复旦复华药业有限公司出品;甲氨蝶呤(MTX)：2.5 mg/片，由中国信谊药厂生产;弗氏完全佐剂(Freund's complete adjuvant，CFA)由美国SIGMA公司提供。大鼠血清5-羟色胺(5-HT)、多巴胺(DA)、促肾上腺皮质激素(ACTH)、皮质醇(CORT)、TNF-α、IL-10酶联免疫检测试剂盒均由美国R∝D公司出品。

1.3仪器TECAN M8/4R洗板机，TECAN A-5082酶标定量测定仪，HH-W21-600电热恒温水温箱等。

2方法

2.1造模及分组给药将84只Wistar雄性大鼠适应性喂养1周后，随机分为正常对照组(12只)和模型组(72只)，除正常对照组外，向每只大鼠右足跖皮内注射FCA 0.1 ml致炎，复制成AA大鼠模型。致炎后第19天将AA大鼠模型组随机分为6组：XFC低剂量组、XFC中剂量组、XFC高剂量组、MTX组、TPT组及模型对照组，当天开始给药。各组的给药量如下：①XFC低剂量组：将XFC去除胶囊壳研成细末，加生理盐水制成混悬液(每毫升含药量为0.3g)，按0.5ml/100g的剂量灌胃，1次/d，剂量相当于临床用量的5倍;②XFC中剂量组：将XFC混悬液按1ml/100g的剂量灌胃，1次/d，剂量相当于临床用量的10倍;③XFC高剂量组：将XFC混悬液2ml/100g的剂量灌胃，1次/d，剂量相当于临床用量的20倍;④MTX组：将MTX研成细末，加生理盐水制成混悬液(每毫升含MTX0.3 mg)，按1 ml/100g的剂量灌胃，每周1次，未给药的实验日，给予生理盐水灌胃，1 ml/100 g，每天1次;⑤TPT组：将TPT研成细末，加生理盐水制成混悬液(每毫升含TPT1 mg)，按1 ml/100 g的剂量灌胃，每天1次;⑥正常对照组及模型对照组予生理盐水灌胃，1 ml/100 g，1次/d。各组疗程均为30 d。

2.2足跖肿胀度分别在造模前1天、致炎后每3天、给药后每3天测量各组大鼠的右后足跖的容积，计算各组大鼠足跖肿胀度[1]。肿胀度E(%)=(Vt-Vn)/Vn×100%( Vn、Vt分别代表用致炎剂前后足跖容积值)。

2.3关节炎指数(AI)的计算致炎后第12天开始观察并记录全身关节病变程度，每3天1次。全身病变按5级评分法评价，根据未注射佐剂的其余3只肢体的病变程度累积积分，计算出AI[2]。0分:无红肿;1分:小趾关节红肿;2分:趾关节和足跖肿胀;3分:踝关节以下的足爪肿胀;4分:包括踝关节在内的全部足爪肿胀。把各个关节的积分累计起来，即为每只大鼠的AI。

2.4指标检测造模第49天，各组大鼠用10%水合氯醛(0.4 ml/100 g)按大鼠体重腹腔注射麻醉。腹主动脉取血，分离血清，置于-20℃冰箱保存待测;具体操作按试剂盒说明书进行，由专业人员一次检测。TECAN A-5082型酶标仪读出OD值后，按曲线拟合软件Curve Expert 1.3计算出浓度值。

2.5统计分析实验数据以±s表示，应用SPSS 11.0 软件行单因素方差分析(One-Way ANOVA)及相关性分析。

3结果

3.1各组大鼠体质量、足趾肿胀度、关节炎指数的比较表1显示：致炎前各组大鼠体质量无差异，给药前1天(即致炎第18天)与正常组相比，造模组大鼠体质量均明显减轻(P

3.2各组大鼠NEI网络相关指标的变化表2显示：与正常组比较，模型组大鼠5-HT、ACTH、CORT、TNF-α显著升高，IL-10值降低(P

4讨论

RA是一种慢性全身性自身免疫性疾病，越来越多的学者认识到在这种慢性免疫性炎症过程中有神经内分泌系统及免疫系统的参与，即神经-内分泌-免疫网络在RA的发病过程中发挥重要作用。三大系统之间通过神经递质、内分泌激素和细胞因子进行信息传递，即神经、内分泌系统能调节免疫系统的功能，而免疫系统也能调控神经内分泌系统的某些功能。看似独立的三大系统实际上是一个有着广泛内在联系的有机整体，它们构成一个立体的网络结构，共同调节机体内环境的平衡与稳定。

RA病程中NEI网络的变化非常复杂，中医药以其多靶点、多环节、多层次、多途径作用的整体调节优势在复杂系统的调控方面颇具优势。新风胶囊主要由黄芪、雷公藤、薏苡仁、蜈蚣等药味组成，前期研究发现XFC在显著改善RA患者临床症状及炎症指标的同时，能显著降低RA患者血清皮质醇浓度，改善患者抑郁症状[3]，并观察了XFC对佐剂性关节炎大鼠脑组织氨基酸类神经递质的影响，结果显示XFC能明显下调抑制性氨基酸GABA水平，上调兴奋性氨基酸GLU与GABA的比值;电镜下XFC组大鼠脑组织的病理改变亦明显轻于其它组[4]。

现代药理学研究表明，黄芪含有多糖、苷、黄酮和微量元素等多种成分，对人体免疫系统、神经系统、内分泌系统均有广泛作用，黄芪多糖能促进T细胞、B细胞、NK细胞、吞噬细胞等免疫细胞的增殖与分化，并促进各种细胞因子的产生，如白细胞介素-2、干扰素、TNF等，以及抗体的产生，调节神经-内分泌-免疫网络的平衡，影响免疫细胞过氧化物酶系统等[5]。雷公藤可通过促进HPA轴功能、调节神经内分泌多肽分泌、抗炎抗免疫、基因调控、调节骨代谢及诱导细胞凋亡等多种途径发挥其对RA的治疗作用[6~11]。

本研究结果显示XFC中剂量组大鼠体重上升最为明显，与正常组无明显差异 (P>0.05);XFC各治疗组均能不同程度的降低AA大鼠血清5-HT，ACTH，CORT，TNF-α，升高IL-1水平(P

参考文献

[1]徐叔云，卞如濂，陈修.药理实验方法学，第2版[M].北京:人民卫生出版社，1994:719.

[2]张钧田.现代药理实验方法[M].北京:北京医科大学中国协和医科大学联合出版社，1998:1383.

[3]刘健，杨梅云，范海霞.新风胶囊对类风湿关节炎患者抑郁情绪及血清皮质醇的影响[J].中国中医药信息杂志，2007，14(9):7.

[4]刘健，范海霞，杨梅云，等.佐剂关节炎大鼠行为、脑组织氨基酸及神经细超微结构的变化及新风胶囊对其的影响[J].中国康复，2008，23(4):219.

[5]汪倪萍，魏伟.中药活性成分的抗炎免疫和镇痛作用[J].中国药理学通报，2003，19(4):366.

[6]陈龙，黄光照，李中，等.雷公藤醋酸乙酯提取物对大鼠垂体的影响[J].中国药理学与毒理学杂志，2000，14(3):191.

[7]杨琴，王蕾.雷公藤多甙对佐剂性关节炎大鼠L5DRG内SP、CGRP表达的影响[J].成都医学院学报，2007，2(3-4):166.

[8]傅建斌，梁遂兴，任利群，等.雷公藤多甙对类风湿关节炎患者血浆TNF-α水平影响的研究[J].中医正骨，2001，13(9):13.

[9]吕丽萍， 张永忠.雷公藤内酯酮对大鼠类风湿性关节炎的影响[J].中成药， 2007， 29(7):966.

篇8

关键词： B2C电子商务 客户分类 客户价值

2014年1月，中国互联网络信息中心（CNNIC）第33次《中国互联网络发展状况统计报告》数据显示，截至2013年12月，全年新增网民数5358万，国内网民规模达6.18亿，互联网普及率达到45.8%。其中，网络购物用户规模达3.02亿，相比2012年增长6.0个百分点。[1]据艾瑞咨询最新的监测数据显示，2013年我国B2C交易规模达到6500亿元（B2C市场增长68.4%），占整个网络购物交易规模的35.5%以上。纵观网民规模与网购规模增长的数据，国内互联网的发展已密切与传统经济结合，电子商务成为不可避免的趋势，尤其B2C电子商务将成为网络购物新增长[2]。

一、B2C电子商务概述

1.电子商务的定义

电子商务是在信息技术的发展上兴起的一种新兴商务模式。世界贸易组织电子商务专题报告中指出，电子商务就是通过电信网络进行的生产、营销、销售和流通活动，包括通过网络实现从原材料查询、采购、产品展示、定购到产出成品、储运以及电子支付等系列贸易活动。[3]根据Kalakota和Whinston[4]对电子商务模式的划分可知，B2C（Business to Consumer，B2C）电子商务模式指的是企业对一般消费者的电子商务，即电子化的零售方式，通俗理解为“商家在网络上卖东西、消费者在网络上买东西、买卖双方无需直接碰面”，如Amazon、天猫、京东商城、当当网等。

2. B2C电子商务的特点与竞争状况

B2C电子商务依托信息技术消除了传统商务活动在时间、空间上的限制，动动鼠标、动动手指数十秒内就可以完成一次交易。这种自动化、数字化的交易方式造就了B2C电子商务与传统商务活动的显著性不同：（1）客户规模庞大，数据海量。客户以往积累的消费行为和习惯偏好的数据通过各种信息技术得以存储。（2）客户数据动态变化。随着智能手机、平板电脑、3G网络的深入普及和无线网络的持续发展，网络购物更为方便快捷，在此背景下客户数据变化呈现出即时性、动态性化。（3）转移成本降低，客户忠诚度下降。网络经济环境下，客户通过各种网络平台互动交流产品信息和购物体验，不仅更便捷、低成本地获取大量有价值信息，而且能够主动选择是否交易。这样一来，客户变被动消费为主动选择性消费，转移成本降低从而更容易转向其他企业。

目前，国内B2C电子商务企业的竞争仍以价格策略为主。以 “双十一”促销节为例，该促销活动不再是淘宝网一家的促销，而是演变成整个电商行业的价格大促。2012年双十一促销期间，支付宝单日交易额达191亿元，2013年突破350亿元。但促销带来的业绩提升毕竟持续时间有限，如何留住新增有价值的客户是B2C电子商务企业面临的一大难题。

相比国内B2C电商企业大打价格战的竞争策略，亚马逊的成功或许更值得关注。无论是完善的客户服务平台、推荐系统，还是快捷的物流配送系统，亚马逊始终“以客户为中心”进行品类扩张，供应链管理，以及按需服务。从2002年起亚马逊开始盈利，其毛利率始终保持在20%-25%。如今，亚马逊所经营的品类甚至超越零售巨头沃尔玛，其自建物流体系与第三方物流合作的物流管理模式实现了订单快速交付，提高了配送质量，降低了成本、库存和退货率。[5]

二、B2C电子商务的客户分类

1. B2C电子商务客户分类的驱动因素

现代信息技术的应用产生了巨大的网络效应和高度的资源利用，网络上产品的供给相对于有限的客户注意力而言几乎是无限的[6]，客户已经变成企业最重要的资源[7]。现代商务活动也向 “以客户为中心”、“客户份额和价值竞争”的趋势转移[8]。J.J.Sviokla和B.P.Shapiro定义客户价值为客户所支付的价格与企业为之投入的成本的差值，即客户的利润贡献。[9]Reichheld将客户价值定义为客户接受企业提供的产品和服务给企业所带来的净现金流，并提出了忠诚客户的利润贡献的五个来源：基础利润、收益增长、成本节约、推荐效应和价格溢价。[10]Reichheld和Sasser的研究表明，每增加5%的客户保持率将使客户净现值增加25%～85%，[11]也有研究表明，开发1个新客户的成本相当于留住1个老客户的成本的5倍。

从经济学角度来看，资源总是稀缺的，企业的资源同样也是如此，如何利用有限的资源赚足更多的收益是企业时刻面临的问题。有研究表明，不同的客户对企业具有不同的价值[12]。最有价值的客户值得特别的照顾，以便建立和维持品牌的忠诚度。[13]在该理念下，企业必然要筛选出高价值客户并为之提品与服务。鉴于此，区别客户价值、选择高价值客户成为企业实施客户份额的前提，也是企业对客户分类的内在驱使因素。作为新兴商务模式代表之一的B2C电子商务模式如何留住有价值的老客户，也成为一个亟待解决的重要问题。

2. B2C电子商务的客户价值度量

Verhoef与Donkers[14]认为，客户价值由当前价值和潜在价值构成，当前价值是指客户已有的购买给企业带来的利润贡献，而潜在价值则定义为客户从企业购买所有可能的产品和服务所能给企业带来的利润贡献。

考察现有的B2C电子商务企业的盈利模式发现，B2C电子商务企业的收入主要来源于：销售收益和流量收益。销售收益指传统意义上销售产品或服务获得的收益，这一部分客户的价值主要表现为客户购买产品带给企业的创收。流量收益主要是由于客户的各种网上行为（如访问网站、点击相关产品页面、产品购后评价、网络社交平台互动等）为企业创造的有形或无形的价值收益，比如广告价值、注意力价值。然而，流量价值并非都直接来源于客户的购买行为，而是客户活跃的网络行为表现的潜在价值。

客户当前价值的本质是客户的购买价值，即客户直接购买为企业创造出的贡献总和，可以用客户的购买价值用来衡量。在某一段时间内，客户实际购买过程中的购买量（包括单一品类购买数量与品类组合量）与购买金额，这两个指标最直观的反映了客户的当前价值。

根据Verhoef与Donkers对潜在价值的定义可知，潜在价值体现在客户可能拓宽购买品类的潜力，从营销学的角度来看反映了客户的需求结构。通俗解释为，客户对企业提供的产品或服务的不同需求偏好，客户对一个企业越多的商品感兴趣，就会尝试购买以前从未买过的产品或服务，实现交叉购买。因此，可用购物种类数来反映需求结构。

根据陈明亮对客户潜在价值（或增值潜力）的假定，客户的潜在价值表现在各种可能增加企业利润的表现上，如：购买频率增加、口碑传播价值。口碑传播能够形成一种“圈子效应”，为企业带来其他增值性收益。尤其是在网络环境下，圈子效应就更加明显。例如，一条推荐信息第一次可能被10人转发，转发信息的10个人圈子中可能每个人又能影响10人转发，那么经过两次转发受众面已经达到100（102）人，经过N次转发关注人群可能达到10n，这种注意力带来的直接影响是急速提升的企业影响力与品牌附加值。在B2C电子商务模式中可用网络晒单、评论来量化网络口碑传播。不论是增加购买频率，还是口碑推荐，都是客户对企业或企业提供的产品与服务的一种认可，反映出了客户的忠诚，这种认可促成了客户的增长性、持续性、圈子性的购买，为企业未来的利润增加做出了贡献。 鉴于此，客户忠诚也可以用来衡量客户的潜在价值。

3.基于客户价值的B2C客户分类指标

客户分类最常使用的指标是传统的RFM模型中三个行为变量，即R（Recency）、F（Frequency）、M（Monetary）。R（Recency）近度，表示最近一次购买行为距离现在的时间间隔。有研究表明，R值越低，客户价值越高[15]。F（Frequency）频率，指的是在某一段时间内客户购买的总次数，可以用来考核一个客户的潜在价值。M（Monetary）额度，指客户在某段时间内的购买金额，也是用来衡量顾客价值大小最主要的因素。由于模型中的三个变量指标不涉及到客户个人隐私，在实际交易过程中非常容易获得且能够被准确量化。因此，自Hughes提出RFM客户分类模型以来，RFM模型被企业广泛地应用在客户分类中，如电信行业、银行业、零售行业等。

FRM模型中购买频率F与购买金额M两个变量之间存在多重共线性，即F与M之间存在很强的关联性，具体表现为当F增加时M也会明显增加，从而无法准确衡量客户的价值。鉴于RFM模型的缺点，Marcus提出了用平均购买金额替代总购买金额，用购买次数（Frequency）和平均购买金额A（Average monetary）来构建客户价值矩阵。

客户价值包括客户当前价值和潜在价值两个计量维度。结合B2C电子商务的客户价值度量分析，客户当前价值可以通过购买价值来衡量，客户潜在价值可以通过客户需求结构和客户忠诚度来衡量。在B2C电子商务活动中，客户从选择商品到购后行为阶段，企业往往能够得到以下几方面的准确数据：下单时间、订单数量、订单商品的品类、订单金额、是否有晒单、评论等网上口碑宣传行为。根据以上数据积累，B2C电子商务企业可以准确计算出每位客户以下有用的数据信息：平均每次的购物金额、购买产品组合习惯（或购物种类数）、某段时间内的购买频率、虚拟社区口碑宣传度（如晒单评论数）。

结合RFM模型和Marcus价值矩阵分析可知，由于客户平均购物金额与客户购买种类数反映了客户购买价值，可用来衡量客户当前价值；客户购买产品组合（或购物种类数）反映了客户的需求结构，客户某段时间内的购买频率、虚拟社区口碑宣传度（如晒单数评论数等）反映了客户的忠诚度，因而可用来可衡量客户的潜在价值。由此构造出B2C电子商务企业客户的分类指标如下图1

图1 B2C电子商务企业客户的分类指标

4. B2C客户分类方法

对与传统商务活动相比，数据存储海量、信息更新动态变化、客户转移成本低等特性无疑是B2C电子商务客户最显著的特点。然而，在信息时代数据就意味着价值，B2C电子商务企业如何通过深层次分析这些数据，挖掘数据背后的价值，进而挖出对企业真正有价值的客户，实施分类管理与服务，以增加客户的转移成本保持有价值的客户，这些问题都无法通过传统的分类方法实现。然而，数据挖掘能将客户数据库的大量数据转变成描述顾客特征的一些图像[16]，从技术方法上为B2C电子商务的客户分类提供指导和帮助。

数据挖掘中可用于客户分类的方法有很多种，包括决策树分类法、贝叶斯分类法、基于规则的分类法、支持向量机、遗传算法、粗糙集算法、模糊集算法、K-最近邻分类、K-means聚类、K-中心聚类、自组织神经网络等方法。国内不少学者已经将数据挖掘中的分类技术运用到B2C电子商务企业的客户分类中，与传统的分类指标（RFM模型中的三个变量）结合，将客户划分成不同的群体，并验证了这些分类技术的有效性。其中，用比较多的分类技术有：K-means聚类分析、以 K-mean、SOM 和 PSO 算法为基础混合型聚类算法（即KSP 算法）、与主成分分析结合的朴素贝叶斯算法等。

三、结论

客户成为电子商务时代企业最重要的资产，国内外已经有大量关于客户分类的研究，而且基于客户价值的客户分类也是学术界、企业界比较认可的客户分类理论。文章针对B2C电子商务实际情形提出的客户分类指标，易度量、可操作性强，提高了B2C电子商务客户分类的成功性，有助于企业准确的认知与管理不同价值的客户；此外，文章在分析B2C电子商务客户的特点的基础上，指出了数据挖掘技术中的分类技术可应用于B2C电子商务的客户分类中。但文章并未对数据挖掘技术的分类做出详细说明，该方面的研究有待进一步研究。

参考文献：

[1]http：//.cn/hlwfzyj/hlwxzbg/hlwtjbg/201301/P020140116509848228756.pdf

[2]王晓燕，潘开灵，邓旭东.我国B2C电子商务发展现状研究[J].经济研究导刊，2011（139）

[3]李琪.电子商务通览[M]，中国商业出版社，P110

[4] Kalakota，R.& Whinston，A. B. A frontier of electronic commerce[M]. Reading， Mass， Addison-Wesley， 1996

[5]金淑敏.亚马逊：看不见的巨人[J].富基商业评论，2011（2）

[6]盛晓白.网络经济通论[M].南京：东南大学出版社，2003

[7]瞿艳平.国内外客户关系管理理论研究述评与展望[J].财经论丛，2011（3）

[8] 杨东龙.细分[M].北京：中国社会科学出版社，2003，6

[9]John J.Sviokla，Benson P.Shapiro. Keeping Customers[A]. Harvard Business School Press，1993

[10]Frederick Reichheld. The Loyalty Effect：the hidden force behind growth，profits and lastingvalue [M]. Harvard Business School Press， 1996

[11]Reichheld，Frederick F，Earl W，Sasser.Zero Defections： Quality Comes to Services [J].Harvard Business Review，1990

[12] 弗雷德里克·赖克赫德.忠诚度和市场营销的复兴[M].阿德里安·佩恩等.关系营销——形成和保持竞争优势[A].中信出版社，2002：359-382

[13]葛斯·哈伯.差异化营销[M].内蒙古人民出版社，1998

[14]Verhoef P.C.，Donkers B..Predicting customer potential value an application in the insurance industry[J].Decision Support Systems.2001（32）189-199

[15]Wu，C.，Chen，H.L. Counting your customers： counting customer's in store decisions，interpurchase time and repurchasing behavior [J].European Jounral of Operational Research，2000，127（1） rnal of Operational Research，2000，127（1）：109- 119

[16] Michael J.A.Berry，Gordon S.Linoff.Mastering Data Mining： The Art and Science of Customer Relationship Management[M].Wiley，1999

作者简介：

杜乐（1987-），女，北方工业大学硕士研究生，研究管理创新.