JHU科研課題

基于數據挖掘的網絡購物經濟學分析

課題簡介

數據挖掘（Data Mining）是計算機學的一個跨學科分支，一般是指用戶通過自動或半自動的分析大量數據，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，數據挖掘已經成為人工智能和數據庫領域的研究熱點，并被越來越多地應用于市場營銷、客戶群體劃分、企業危機管理等商業領域。

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

本課題會利用爬蟲等技術，獲取不同網購平臺上的各種商品的歷史價格數據，并指導學生基于此，構建數學模型。通過數據挖掘和深度學習等手段，學生可以對數據進行量化分析，為消費者提供最優購買策略。同時，學生也可以在對消費者的網購行為進行分析后，給予商家關于促銷時間、促銷產品、促銷方式的建議，幫助網購平臺最大化經濟效益。

科研方法

AI＋X數據驅動型科研

使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，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據千千萬萬，使用傳統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。

但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，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、具備基本的學術英語閱讀能力；
2、接觸過英文寫作，有論文寫作經驗者更佳；

數學：
了解基礎的微積分知識，包括：極限、微分、積分，有一定的偏微分知識者更佳；

經濟學：
對經濟學有一定興趣，愿意學習本科水平的相關知識。