社會計算中的組織行為模式挖掘（簡體書）

近年來，社會組織行為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為上。數據挖掘方法，特別是分類方法，近年來成為組織行為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為預測模型的性能，為不同情形下分類方法的恰當選擇提供了依據。組織行為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為預測模型性能較差。為此，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為預測模型的性能，為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于組織行為模式挖掘的代價敏感學習算法。最後，針對組織行為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。本書適合行為分析、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。

蘇鵬，男，1975年2月生，漢族，博士，現為大理大學數學與計算機學院副教授；研究方向為數據挖掘、大數據與行為建模；近年來在Decision Support Systems等國際領先的學術刊物發表論文多篇；現為國際自動控制聯合會（IFAC）經濟與商務系統技術委員會（TC9.1）委員；曾擔任IEEE ISI等多個國際學術會議的程序委員會委員。

前言

近年來，國際、國內各種社會組織的數量及活躍度快速增長，對各國的政治、經濟等領域的影響日益加深。因此，迫切需要研究各種社會組織的行為模式與規律，為政府、企業等利益主體的科學決策提供堅實依據。隨著互聯網等新技術的飛速發展，信息變得空前豐富並易於存取，使得高效的計算技術，尤其是數據挖掘技術，在組織行為模式分析領域日益表現出巨大優勢，並逐漸成為組織行為模式分析的主要方法。而將數據挖掘技術應用于組織行為模式分析也成為社會計算的一項重要研究內容。
目前，社會組織行為模式分析主要集中在構建預測模型以預測組織可能的行為上。數據挖掘方法，特別是分類方法，近年來成為組織行為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為預測模型的性能，為不同情形下分類方法的恰當選擇提供了依據。組織行為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為預測模型性能較差。為此，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為預測模型的性能，為不同情形下代價敏感學習算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本領域的代價敏感學習算法。實驗結果表明，該算法優於其他五種常見的代價敏感學習算法。最後，針對本領域誤分類代價易變且不易確定等特點，本書提出了一個基於代價曲線的個性化解決方案。該方案可使用戶方便、直觀地為給定數據集選擇最優代價敏感學習算法――分類器組合。
儘管組織行為預測模型可提供相當準確的組織行為預測知識，但卻不能提供可被用戶直接用來影響（抑制或鼓勵）組織行為並因此獲益的具體行動建議。這些行動建議又稱為可操作知識，常常是用戶切實需要的。可操作性是知識興趣度的重要方面，使挖掘的模式具有可操作性是數據挖掘的中心主題之一。然而，儘管已有不少研究致力於其他類型的可操作知識發現，但是這種挖掘影響組織行為的可操作規則這一重要問題尚未被識別、定義和研究。為此，本書建立了一類新的組織行為模式挖掘問題――可操作行為規則挖掘。具體來說，本書提出了可操作行為規則挖掘問題的形式化定義，並提出多種可靠、有效的挖掘算法。值得強調的是，可操作行為規則挖掘技術在商務智能、企業管理等領域的應用前景也非常廣闊。另外，本書還探討了大數據背景下組織行為模式挖掘的研究框架。

作者
2018年7月

目錄

第1章 概述 1
1.1 社會計算的定義 2
1.2 社會計算研究的理論工具 4
1.3 社會計算的研究與應用領域 9
1.4 組織行為模式挖掘的研究內容 12
1.4.1 組織行為預測 12
1.4.2 可操作行為規則挖掘 15
1.5 本書的結構與內容 21
第2章 組織行為預測 23
2.1 基於相似度的組織行為預測方法 24
2.1.1 組織行為的矢量模型 24
2.1.2 CONVEX算法 25
2.2 基於分類的組織行為預測方法 31
2.2.1 分類方法 31
2.2.2 經驗研究 50
2.3 代價敏感組織行為預測建模 53
2.3.1 代價敏感學習方法 53
2.3.2 經驗研究 55
2.3.3 OESP算法 65
2.3.4 基於代價曲線的解決方案 67
第3章 可操作行為規則挖掘 73
3.1 問題定義 74
3.2 挖掘算法 81
3.2.1 MABR-1算法 81
3.2.2 MABR-2算法 84
3.3 模型驗證 91
3.4 討論 97
第4章 可操作行為規則挖掘技術的深入探討 99
4.1 消解規則衝突 100
4.1.1 規則衝突 100
4.1.2 衝突消解方法 101
4.1.3 模型驗證 103
4.2 規則支持度建模 107
4.2.1 樣本對規則的非一致支持強度 107
4.2.2 支持度的觀察加權模型 107
4.2.3 MABR-3算法 109
4.2.4 模型驗證 111
4.3 數值型行為屬性建模 113
4.3.1 問題的提出 113
4.3.2 問題定義 113
4.3.3 MABR-4算法 115
4.3.4 模型驗證 116
4.4 基於貝葉斯網絡的挖掘算法 120
4.4.1 問題的提出 120
4.4.2 貝葉斯網絡 120
4.4.3 問題定義 122
4.4.4 MABR-5算法 122
4.4.5 模型驗證 123
4.5 基於決策樹的挖掘算法 125
4.5.1 問題的提出 125
4.5.2 MABR-6算法 125
4.5.3 模型驗證 127
4.6 技術展望 128
4.6.1 發展方向 128
4.6.2 發展方案 129
第5章 大數據背景下的組織行為模式挖掘 131
5.1 大數據時代 132
5.2 面臨的挑戰 134
5.3 應對策略 135
5.4 總體目標與關鍵問題 138
5.5 實現方案 140
5.5.1 採用的大數據技術 140
5.5.2 企業內外部數據融合 162
5.5.3 模型構建 164
5.5.4 算法設計 167
第6章 總結 169
附錄 MAROB數據集中的相關屬性表 172
參考文獻 174
致謝 184