论文部分内容阅读
实施客户关系管理对提高企业核心竞争力有着重要的作用,尤其是在为客户提供服务的客户服务中心,客户关系管理系统的应用可以帮助企业提高工作效率,增强服务竞争力。随着客户服务CRM系统的逐步推广应用和收集到的客户资料日益增多,利用信息智能处理技术来处理海量信息是CRM系统发展的必然趋势。目前,在客户关系管理系统中应用较多的是数据挖掘技术,大多是利用数据挖掘算法对客户资料进行分类来细分客户或对产品进行关联规则挖掘来实现交叉销售等。文本挖掘主要是被应用于互联网领域的网页分类、文本检索、垃圾邮件过滤等方面,但在拥有大量技术文档的客户关系管理系统中,对文本挖掘的应用研究还较少。论文在研究现有客户关系管理和文本挖掘技术的基础上,实现了文本挖掘在客户服务与支持CRM系统中的应用。具体而言,本文的研究内容包括以下几个方面:第一,阐述了客户关系管理和文本挖掘的研究现状,分析了实施CRM给企业带来的益处。简要介绍了数据挖掘的定义、分类和当前的研究热点,由此引出了文本挖掘技术。第二,对文本挖掘中的关键技术进行了研究,并重点探讨了文本挖掘中的特征权重计算方法。在分析了传统TFIDF算法不足的基础上,提出了一种基于同义替换和相邻词合并(KSRAM)的关键词提取计算方法。把本文提出的KSRAM算法用于提取关键词的实验中,实验表明KSRAM算法在提取关键词的准确率和召回率方面比TFIDF算法有明显的提高。第三,对服务与支持CRM系统进行了全面的分析。把文本挖掘技术运用到快速获取解决方案的模块,并把快速获取解决方案的过程看做是文本检索的过程。给出了具体的实例分析,结果表明使用了本文提出的KSRAM算法来获得的知识比TFIDF算法获得的知识查准率要高。