進階搜尋


 
系統識別號 U0026-0812200912065511
論文名稱(中文) 應用資料探勘於網路拍賣價格建議與交易成功因素評估之研究-以手機為例
論文名稱(英文) The research of applying data mining on online-auction price suggestions and successful transaction factors identification—The case of cell phone
校院名稱 成功大學
系所名稱(中) 資訊管理研究所
系所名稱(英) Institute of Information Management
學年度 94
學期 2
出版年 95
研究生(中文) 黃俊華
研究生(英文) Chun-Hua Huang
電子信箱 r7693113@mail.ncku.edu.tw
學號 r7693113
學位類別 碩士
語文別 中文
論文頁數 61頁
口試委員 口試委員-利德江
口試委員-蔡長鈞
指導教授-王泰裕
指導教授-吳植森
中文關鍵字 價格預測  倒傳遞類神經網路  J48決策樹  交易評估  資料探勘 
英文關鍵字 back-propagation network  price predicted  data mining  J48 decision tree  transaction valuated 
學科別分類
中文摘要   線上拍賣網站發展至今已具有一段時間,舉凡eBay、Yahoo等都已具備自己的交易機制。除此之外,他們也都有著自己的拍賣與購買流程來引導賣方與買方進行整個交易。儘管如此,仍存在著一些缺點,例如:每個拍賣網站都有其自己的交易流程,使用者在習慣某一個拍賣網站的交易流程時,可能又要學習另一個拍賣網站的交易流程,如此情況下,不但整個交易的時間可能延長且使用者又必需適應與學習新的交易流程。
  所以,本研究的目的有幾項,首先經由運用資料探勘(Data Mining)的方法幫拍賣者在登錄商品時可以根據過往的交易紀錄來建議一個拍賣價格,如此可以縮短整個商品登錄的時間且拍賣者不用煩惱商品該以多少價格拍賣,接著是幫消費者預測一個商品結標的價格,以幫消費者縮短該出多少價錢的時間,最後評估交易成功與失敗的因素以期提升其交易的成功率,透過本研究期望可以改善各拍賣網站不足的部分。
  在本研究中所用到的方法有倒傳遞類神經網路及J48決策樹。其中,倒傳遞類神經網路是用來做價格的預測,包括商品的起標價格與結標價格等,而J48決策樹則是用來分析找出影響交易是否成功的關鍵因素。
資料分析中用交易網站上1100筆實際的交易資料去作類神經的價格預測及J48決策樹的分析,而透過分析後跑出來的結果可以得知本研究在預測價格與找出影響交易成功或失敗的因素上皆有良好的成果。






英文摘要   Online-auction websites have developed for a long time, for example eBay and Yahoo. They have their own auction-mechanisms to guide sellers and buyers proceeding the all transactions. However, there are still disadvantages as exemplified, each website has its own transaction process; therefore, when a consumer get used to an auction-website, then he may have to learn another website’s auction process. This situation may delay the time of transaction and the consumer has to adapt and learn the new process.
  Consequently, this research has some purposes. The first one is to help consumers to predict last prices; the second one is to help sellers to predict start prices and the last one is to valuate the success rate of the transaction. We hope we can improve the defects of the auction websites through this research.
  The methods in this research are back-propagation network (hereafter, BPN) and J48 decision tree. BPN is used to predict prices, including start price and last price. In addition, J48 decision tree is used to find the factors of transactions which are successful or not.
  In data analysis, we predict price by 1100 real transaction data and analyze data by J48 decision tree. Results show that this research has good effect on predicting price and finding the factors of transactions which are successful or not.






論文目次 目錄
第一章 緒論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 1
1.1 研究動機.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 2
1.2 研究目的.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 2
1.3 研究範圍與限制.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 2
1.4 研究架構.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 3
1.5 結論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 5
第二章 文獻探討.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 6
2.1 拍賣網站的起源與發展.. .. .. .. .. .. .. .. .. .. .. .. .. 6
2.2 標價、議價與拍賣.. .. .. .. .. .. .. .. .. .. .. .. .. .. 6
2.2.1 標價.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 6
2.2.2 議價.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 6
2.2.3 拍賣.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 7
2.3 價格理論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 9
2.3.1 動態定價模式.. .. .. .. .. .. .. .. .. .. .. .. ..10
2.3.2 參考價格理論.. .. .. .. .. .. .. .. .. .. .. .. ..12
2.4 各類價格定義.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .14
2.5 拍賣制度探討.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .15
2.5.1 拍賣的型態.. .. .. .. .. .. .. .. .. .. .. .. .. .15
2.5.2 秘密競標---第一價位與第二價位競標.. .. .. .. .. . 18
2.6 雙邊拍賣的分類.. .. .. .. .. .. .. .. .. .. .. .. .. .. ..18
2.7 各種拍賣制度的應用與競標者的競價策略.. .. .. .. .. .. .. .19
2.7.1 各拍賣制度的競價策略.. .. .. .. .. .. .. .. .. .. 19
2.7.2 各種拍賣制度的應用.. .. .. .. .. .. .. .. .. .. . 21
2.8 拍賣網站簡介.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .22
2.9 資料探勘.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..23
2.10 倒傳遞類神經網路.. .. .. .. .. .. .. .. .. .. .. .. .. . 25
2.10.1 架構及演算.. .. .. .. .. .. .. .. .. .. .. .25
2.10.2 建構流程.. .. .. .. .. .. .. .. .. .. .. .. .. ..26
2.10.3 網路設定分析.. .. .. .. .. .. .. .. .. .. .. .. .28
2.11 決策樹.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 31
2.12 結論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..32
第三章 應用倒傳遞類神經網路預測價格及J48決策樹分析評估交易成功或失敗之因素.. .. .. .. ..33
3.1 研究流程與步驟.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 33
3.2 搜尋拍賣網站.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..34
3.3利用軟體代理人擷取網站上之交易紀錄資料.. .. .. .. .. .. .. 35
3.4將網路上的資料轉換成本研究可處理的資料.. .. .. .. .. .. .. 37
3.5應用倒傳遞類神經網路的方法來預測價格.. .. .. .. .. .. .. ..39
3.6應用J48決策樹來分析交易成功與失敗的因素.. .. .. .. .. .. .40
3.7結論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .40
第四章 資料分析與驗證.. .. .. .. .. .. .. .. .. .. .. .. .. .. 42
4.1資料驗證.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 43
4.1.1以倒傳遞類神經網路預測購買價格與結標價格.. .. .. 44
4.1.2評估影響交易成功與否之因素.. .. .. .. .. .. .. .. 47
4.2結論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 52
第五章 結論與建議.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 53
5.1研究結果與貢獻.. .. .. .. .. .. .. .. .. .. .. .. .. .. . 53
5.2未來研究建議.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 54
5.3結論.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 54
參考文獻.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 55


表目錄
表2-1 參與者動機.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..9
表2-2 不同拍賣型態的特徵.. .. .. .. .. .. .. .. .. .. .. .. .. ..22
表4-1 倒傳遞類神經網路預測起標價格. .. .. .. .. .. .. .. .. .. ..46
表4-2 倒傳遞類神經網路預測起標價格正確率評估.. .. . .. .. .. .. .46
表4-3 倒傳遞類神經網路預測結標價格.. .. . .. .. .. .. .. .. .. ..47
表4-4 倒傳遞類神經網路預測結標價格正確率評估.. .. . .. .. .. .. .47

圖目錄
圖1-1 研究流程圖.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..5
圖2-1 標價、拍賣與議價的比較.. .. .. .. .. .. .. .. .. .. .. .. ..7
圖2-2 線上拍賣架構.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 9
圖2-3 動態定價下買方利益.. .. .. .. .. .. .. .. .. .. .. .. .. ..11
圖2-4 動態定價下賣方利益.. .. .. .. .. .. .. .. .. .. .. .. .. ..11
圖2-5 消費者之內部價格標準.. .. .. .. .. .. .. .. .. .. .. .. .. 13
圖2-6 拍賣方式之分類.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 22
圖2-7 類神經網路架構.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 26
圖3-1 研究方法流程圖.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 33
圖3-2 擷取資料概念圖.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 35
圖3-3 軟體代理人設定畫面.. .. .. .. .. .. .. .. .. .. .. .. .. ..36
圖3-4 軟體代理人執行畫面.. .. .. .. .. .. .. .. .. .. .. .. .. ..37
圖3-5 類神經網路流程概念圖.. .. .. .. .. .. .. .. .. .. .. .. .. 39
圖3-6 研究概念流程圖.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 41
圖4-1 軟體weka執行畫面.. .. .. .. .. .. .. .. .. .. .. .. .. .. 44
圖4-2 倒傳遞類神經網路預測參數設定畫面.. .. .. .. .. .. .. .. .. 45
圖4-3 賣方評價資料畫面.. .. .. .. .. .. .. .. .. .. .. .. .. .. 48
圖4-4 資料存放格式.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 49
圖4-5 決策樹設定畫面.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 50
圖4-6 決策樹畫面.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 51
圖4-7 決策樹分析正確率.. .. .. .. .. .. .. .. .. .. .. .. .. .. 52
參考文獻 參考文獻
中文部分
1. 丁玉成,「臺灣區銀行信用評等之模式研究-以Bank Watch評等為基礎的實證研究」,國立台灣大學商學研究所博士論文,2000。

2. 方世榮,「從策略觀點探討製造與行銷策略之互動對績效之影響─電子/資訊業的實證研究」,中山管理評論,第4卷,第1期,1996。

3. 沈維民、李重君,「競標理論的應用—以拍賣制度為例」,會計研究月刊 (122),pp.53-59。

4. 吳典璋,「以類神經網路預估軟體開發成本之研究」,國立中山大學資訊管理研究所碩士論文,1998。

5. 周政宏,「類神經網路—理論與實務」,1995。

6. 周慶華,「整合基因演算法及類神經網路於現貨開盤指數之預測-以新加坡交易所摩根台股指數期貨為例」,輔仁大學金融研究所碩士論文,2001。

7. 海洋大學智慧型控制實驗室http://www.imt.ntou.edu.tw/Labnews.csie.nctu.edu.tw

8. 梁高榮,「拍賣理論簡介」,機械工業雜誌,257-264頁,1996年10月。

9. 張希誠編譯,「行銷實務:掌握企業行銷的竅門書」,台北:書泉,1987。
10. 黃志雄,「應用資料採礦分析線上拍賣市場之模式」,朝陽科技大學工業工程與管理系研究所碩士論文,民國九十二年。
11. 葉怡成,「類神經網路模式應用與實作」,儒林出版社,2000。

12. 葉怡成,「應用類神經網路」,儒林出版社,2001。

13. 謝昭熠,「拍賣制度之研究」,碩士論文,國立中山大學企業管理研究所,1992。

14. Bell, D. E. & Schleifer jr, A., 李茂興 & 劉原彰譯,「不確定情況下的決策」,弘智文化出版,民國88年。

15. eBay拍賣網站http://pages.tw.ebay.com/buyercenter/index.html
http://pages.tw.ebay.com/aboutebay/thecompany/companyoverview.html

16. Yahoo拍賣網站http://tw.bid.yahoo.com/phtml/auc/tw/classroom/newbie/newbie_buy_home.html


英文部分
1. Agrawal, R. and Srikant, R. Fast algorithms for mining association rules in large databases. Proceedings of the 20th International Conference on Very Large Data Bases (pp. 487-499). San Francisco, CA: Morgan Kaufmann, 1994.

2. Anthes, Gary H. “The Price Had Better Be Right,” Computerworld 32 (December 21, 1998): 65-66, 1998.

3. Astro Teller and Manuela Veloso. Algorithm evolution for face recognition: What makes a picture dicult. In International Conference on Evolutionary Computation, pages 608-613, Perth, Australia, IEEE Press, December 1995.

4. Bakos, Y., “Reducing Buyer Search Costs: Implications for Electronic Marketplaces,” Management Science, Vol. 43, No.12, pp. 1676-1692, December 1997.

5. Beam, C. and Segev, A., “Auctions on the Internet: A Field Study,” unpublished manuscript, Haas School of Business University of California, Berkeley, pp. 1-30, 1998.

6. Berry, M. J. A., and Linoff, G. S. Data mining techniques: for marketing, sales, and customer support. New York: Wiley Computer, 1997.

7. Berry, M.J.A. and Linoff, G., “Data Mining Technique for Marketing, Sales, and Customer Support,” Wiley Computer, 1998.

8. Biswas, A. and Blair, E. A., “Contextual Effects of Reference Price in Retail Advertisement,” Journal of Marketing, Vol. 25, pp.251, November 1991.

9. Breiman, L., “Bagging Predictors,” Machine Learning, Vol.24, No.2, pp.123-140, 1996.


10. Cabena, P., Handjinaian, P.O., Stadler, DR.J., Verhees, J. & Zanasi, A., “Discovering Data Mining from Concept to Implementation,” Prentice Hall, 1998.

11. Chung, H. M. and Gray, P., Guest Editors “Special Section: Data Mining,” Journal of Management Information Systems, pp. 11-16, Summer 1999.

12. Cortese, A. E. and Stepanek, M., “E-COMMERCE: GOOD BYE TO FIXED PRICING,” http://www.businessweek.com/1998/18/b3576023.htm, April 1998.

13. Cramton , “Ascending Auction,” European Economic Review 42:3-5, 1998.

14. Della Bitta, Alber J., KentB. Monroe John M. McGinnis, “Consumer Perceptions of Comparative Price Advertisements,” Journal of Marketing Research, 18, pp.416-427, 1981.

15. Dickson, Peter R., and Alan G. Sawyer. “The Price Knowledge and Search of Supermarket Shoppers,” Journal of Marketing 54 (July), 42–53, 1990.

16. Elias, Kelly and Merlyn “Internet Auctions—Complementing Commerce with Dynamic Princing,” SRI Consulting, 1999.

17. Frank, E., Hall, M., Trigg, L., Holmes, G. and Witten, I.H., Data mining in bioinformatics using Weka, Bioinformatics Advance Access, published online Bioinformatics, 8 April, Oxford University Press, 2004.

18. Freund, Y. and Schapire, R.E., “A decision-theoretic generalization of on-line learning and an application to boosting,” Journal of Computer and System Sciences, Vol.55, 119-139, 1997.

19. Friedman, D. and Rust, J. The Double Auction Market: Institutions, Theories and Evidence. Addison-Wesley, 1993.

20. Grewal, D., Iyer, G.R., Krishnan, R., and Sharma, A., The Internet and the price-value-loyalty chain, Journal of Business Research, Vol. 56, 2003, pp. 391-398, 1998.

21. Grupe, F. H. and M. M. Owrang., Database Mining Discovery New Knowledge and Cooperavive Advantage, Information Systems Management, 12(4), 26-31, 1995.

22. Han, J., and Kamber, M., Data Mining: Concepts and Techniques, CA: Morgan Kaufmann Publishers, San Francisco, 2001.

23. Hand, D. J., Blunt, G., Kelly, M. G. and Adams, N. M. Data mining for fun and profit. Statistical Science, v. 15, no. 2, 111-131, 2000.

24. Herschlag, M. and Zwick, R., “Internet Auctions - Popular and Professional Literature Review,” unpublished manuscript, The Hong Kong University of Science and Technology. pp.1-38, 2000.

25. Holt, Charles A., “Competitive Bidding for Contracts Under Alternative Auction Procedures,” Journal of Political Economy, June, 88, 433-45, 1980.

26. Hossein, Lari-Najafi, Mohammed Nasiruddin, and Tariq Samad, “Effect of InitialWeights on Back-Propagation and Its Variations,” Systems, Man and Cybernetics, IEEE International Conference on, Vol. 1 P218 –219, 1989.

27. Hush, D.R., J.M. Salas, and B.G. Horne, “Error Surfaces for Multilayer Perceptrons,” IEEE Transactions on Systems, Man and Cyybernetics, 22 (5), 1992.

28. Kahneman, D. and Miller, D. T. Norm theory: Comparing reality to its alternatives. Psychological Review, 93, 136-153, 1986.

29. Klein, S., “Introduction to Electronic Auctions,” E.COMMERCE TODAY, Vol. 7 – No.4, 1997.

30. Learmounot Brian, Barnard and Learmaunt , “A history of the auction,” 1985.

31. Lichtenstein, D. R. and Bearden, W. O., “Contextual Influence on Perception of Merchant-Supplied Reference Prices,” Journal of Consumer Research, Vol.16, pp.56, June 1989.

32. Lipmann, R. P., “An Introduction to Computing with Neural Nets,” IEEE ASSP Magazin, pp.4-22, April 1987.

33. McAfee, R.P. and McMillan, J., “Auctions and Bidding,” Journal of Economic Literature(25), pp.699-738, 1987.

34. Milgrom, P., Auction theory, In: T. Bewley, (Ed.), Advances of Economic Theory, Fifth World Congress. Cambridge University Press, pp. 1-32, 1987.

35. Minia, A.A. and William, R.D. “Acceleration of Back-Propagation through LearningRate and Momentum Adaptation,” Intern. Joint Conference on Neural Network-90, pp.676-679, 1990.

36. Peter S. Rose., Commercial Bank Management, McGraw-Hill Education, 4th edition, 1999.

37. Quinlan, J.R., Simplifying decision trees. International Journal of
Man-Machine Studies, 27(3), pp.221-234, 1987.

38. Quinlan, J.R., C4.5: Programs for Machine Learning, San Mateo: Morgan Kaufmann, 1992.

39. Reck, M., “Trading-Process Characteristics of Electronic Auctions,” Electronic Markets, Vol. 7, No. 4, pp. 17- 23, 1997.

40. Reiley, D. L., “Auctions on the Internet: What’s Being Auctioned, and How?” Vanderbilt University, August 14 1999.

41. R. P. Lipmann. An introduction to computing with neural nets. IEEE ASSP Magazine, pages 4--22, April 1987.

42. J. Schwartz. Collusive bidding: Lessons from the FCC spectrum auctions. Journal of Regulatory Economics, 17:229--252, 2000.

43. Thaler, R. H. “The Winner Curse: Paradoxes and Anomalies of Economic
Life,” New York: Free Press, 1991.

44. Urbany, Joel E., willian O. Bearden, “Reference Prices Effects on Perceptions of Perceived Offer Value, Normal Prices, and Transaction Utility,” in Enhancing Knowledge Development in Marketing, Paul Bloom et al., eds. Chicago: American Marieting Association, pp.45-49, 1989.

45. Vickrey, W., “Counterspeculation, Auction, and Competitive Sealed
Tenders,” Journal of Finance(16), pp.8-37, 1961.

46. WEKA http://www.cs.waikato.ac.nz/~ml/weka/

47. Witten, I. H. and Frank, E, Data Mining: Practical Machine Learning Tools and Techniques with JAVA Implementations, Morgan Kaufmann, 2000.

論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2012-08-16起公開。
  • 同意授權校外瀏覽/列印電子全文服務,於2012-08-16起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw