JHU科研課題

基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)購物經(jīng)濟學(xué)分析

課題簡介

數(shù)據(jù)挖掘（Data Mining）是計算機學(xué)的一個跨學(xué)科分支，一般是指用戶通過自動或半自動的分析大量數(shù)據(jù)，做出歸納性的推理，最終提取出過去未知且具有價值的潛在信息的過程。近年來，數(shù)據(jù)挖掘已經(jīng)成為人工智能和數(shù)據(jù)庫領(lǐng)域的研究熱點，并被越來越多地應(yīng)用于市場營銷、客戶群體劃分、企業(yè)危機管理等商業(yè)領(lǐng)域。

網(wǎng)購平臺中的商家經(jīng)常開展各種促銷活動，刺激消費者的購買欲，這加劇了網(wǎng)購平臺上商品價格的波動性。但實際上，商家經(jīng)常會使用提價后再打折、綁定銷售低性價比商品等手段，確保營業(yè)額最大化。這種信息不對稱造成大多數(shù)消費者難以在短時間內(nèi)，思考出性價比最高的購買計劃，在實際付費后，經(jīng)常后悔不已。

本課題會利用爬蟲等技術(shù)，獲取不同網(wǎng)購平臺上的各種商品的歷史價格數(shù)據(jù)，并指導(dǎo)學(xué)生基于此，構(gòu)建數(shù)學(xué)模型。通過數(shù)據(jù)挖掘和深度學(xué)習(xí)等手段，學(xué)生可以對數(shù)據(jù)進行量化分析，為消費者提供最優(yōu)購買策略。同時，學(xué)生也可以在對消費者的網(wǎng)購行為進行分析后，給予商家關(guān)于促銷時間、促銷產(chǎn)品、促銷方式的建議，幫助網(wǎng)購平臺最大化經(jīng)濟效益。

科研方法

AI＋X數(shù)據(jù)驅(qū)動型科研

使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進行預(yù)測，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實驗或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動型科研可以借助AI算法強大的運算能力，高效地進行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點。

AI＋X數(shù)據(jù)驅(qū)動型科研已被廣泛地應(yīng)用于各個領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬萬，使用傳統(tǒng)的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現(xiàn)。

但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫，與過往的研究成果進行對照，快速、準確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標準化”成為可能。

---

課題要求

本課題適合： 9-12 年級學(xué)生，有較強的邏輯思維和抽象思維能力：

英文：
1、具備基本的學(xué)術(shù)英語閱讀能力；
2、接觸過英文寫作，有論文寫作經(jīng)驗者更佳；

數(shù)學(xué)：
了解基礎(chǔ)的微積分知識，包括：極限、微分、積分，有一定的偏微分知識者更佳；

經(jīng)濟學(xué)：
對經(jīng)濟學(xué)有一定興趣，愿意學(xué)習(xí)本科水平的相關(guān)知識。