垂直电子商务网站的混合型推荐系统

提出了一种新的混合型推荐系统框架,该框架采用改进的K-means方法对用户和产品进行聚类,然后用Logistic回归对交易数据进行关联分析,最后使用线性信息融合模型对所有规则进行综合判断,给出合理的推荐结果.介绍了这个框架的实现过程,并将系统应用于一个具体的商业案例,以对推荐效果进行检验.结果表明:新系统适用于垂直型电子商务网站,推荐准确度较高.     

B2C电子商务网站个体客户终生价值分析

相对于传统企业个体客户的价值计算，主要探讨了B2C电子商务网站个体客户终生价值的量化问题，在文献研究的基础上进行综合与改进，提出了一种新的简便建模方法，该方法将电子商务网站个体客户终生价值计算问题转化为对分类个体客户未来交易额和生命周期时间的预测，运用SMC方法得到B2C电子商务网站个体客户终生价值的解析式．该建模方法在实际的B2C图书电子商务网站客户关系管理系统中得到了较好应用．     

基于博弈论的C2B2C模式下电商信用监管机制研究

由于商户与消费者间的信息不对称性,电商失信问题日益突出.对此,作为电子商务的主要媒介,电商平台的信用监管职责不容忽视.在C2C电子商务模式中,引入电商平台为第三方信用监管方以形成C2B2C电子商务模式,并设计C2B2C电商信用监管机制,包括:保证金收取机制,信用监管机制,失信惩罚机制等.基于博弈理论,构建了C2B2C电子商务模式下的演化博弈模型与双价交易模型,对电商和消费者双方的长期交易策略进行了分析,其结果表明:提高信用保证金、增强信用监管力度、增加伪装成本能有效避免电商失信行为,减少消费者在电子商务交易中的风险.     

电子商务模式

赵卫东,黄丽华著近几年,有关电子商务方面的书籍很多,但深入、系统地研究电子商务模式的书籍却极少,且基本局限在B2B、B2C和C2C等方面的讨论,内容多集中在网络采购、销售和服务等环节。本书既是对国内外已有成果的总结,也是这些成果的拓展。电子商务模式是关于企业如何开展电子商务获得赢利从而生存下去的方式。本书首先对电子商务模式的演化、运作和分类进行了综合分析,在此基础上,讨论了若干智能信息处理技术对电子商务模式的影响,并综合了国外电子商务模式最新的相关研究成果,针对国内企业电子商务发展的现状,分析了一些国内典型的电…     

基于信任和不信任关系的实值受限玻尔兹曼机推荐算法

在社交网络与电子商务快速融合的背景下,将基于信任关系的推荐技术应用于电子商务领域实现个性化推荐已得到广泛研究.现有推荐算法鲜有考虑用户间不信任效应,导致社交信任度量过于保守,较大地影响了推荐系统准确性.针对现有推荐算法忽视不信任关系导致的非对称效应缺陷,本文提出一种结合信任和不信任的实值受限玻尔兹曼机推荐算法(TDA-RBM),首先建立个人受限玻尔兹曼机,进而运用用户社交行为特征信息分析用户信任与不信任关系并进行度量,在此基础上构造信任-不信任监督机制并用于TDA-RBM方法的优化,同时对该方法的有效性进行分析.通过Epinions数据进行的对比实验表明了TDA-RBM方法的有效性以及不信任关系的引入能有效提高推荐准确性.     

基于Agent的顾客行为及个性化推荐仿真模型

针对传统个性化推荐研究方法的局限性, 提出一种基于Agent建模与仿真的方法, 通过个体的交互作用所产生的涌现特征来分析移动电子商务环境下的顾客行为及个性化推荐策略的有效性． 以移动商务环境下的餐饮推荐系统为例, 分析了消费活动过程中顾客与服务的交互行为, 以及情境因素对顾客消费的影响, 构建了服务推荐及顾客行为规则, 并在REPAST环境下实现了本Agent仿真模型． 仿真结果表明:该模型可有效分析及预测服务推荐和顾客决策的涌现现象, 并由此推断顾客总体的消费趋势; 同时, 考虑情境因素的推荐模型的有效性比单独基于顾客个性化信息的推荐模型有明显提高．     

电子商务推荐系统中的人工心理模型

当前的电子商务推荐方法普遍存在时效性较差、客户信息资源挖掘深度不足等问题。针对上述问题,提出了应用于电子商务推荐系统的新型人工心理方法与模型,给出了相关的模型结构与处理流程。该模型对商品属性和客户操作行为中的心理特征进行量化与分析,并结合客户在购物活动中的相关事件,对客户的未来需求进行挖掘预测,并最终实施推荐。实验表明,基于人工心理模型的推荐系统能够较好的满足客户的心理,从而提高推荐的精准性和有效性。     

电子商务中价格确定的合作竞争模型

电子市场对于企业实施电子商务的战略部署具有重要意义．为了分析电子市场的运行机理，分析电子市场如何正确运用与互联网服务提供商(ISP)之间的合作竞争关系，制定恰当的竞争策略，讨论传统企业面对电子商务所带来的契机和挑战如何选择恰当的电子市场，在考虑电子市场的服务内容和定价策略的基础上,利用两阶段博奕理论详细分析了不同的B2B电子市场与ISP的合作竞争模型．在此基础上，讨论了B2B电子市场与ISP的合作竞争机制是如何影响企业的电子商务策略，并给出了不同的电子市场的定价策略对企业选择电子市场的影响．     

电子商务企业全要素生产率变化及影响因素分析

本文运用DEA Malmquist生产率指数模型,从效率变化、规模变化和技术变化的动态视角,探讨了电子商务企业的全要素生产率变化及其影响因素.研究结果显示,电子商务企业生产率增长经常伴随着技术进步、效率提升和规模扩张,这表明电子商务企业全要素生产率的变化源于以上三种要素的组合,但技术变化在驱动全要素生产率变化中起着更为关键的作用.从电子商务商业模式的角度来说,B2C电子商务模式比B2B电子商务模式和在线旅游OTA业务有更高的技术创新能力和全要素生产率水平;在线旅游OTA业务虽然实现了技术效率的改进和规模的扩张,但技术能力下滑导致其全要素生产率水平下滑;B2B电子商务模式全要素生产率水平下降的原因则在于效率、技术和规模的同步下滑.这些发现启示企业管理者应该正确处理技术、规模和效率之间的关系,同时应针对不同的商业模式采取不同的全要素生产率提升策略.     

基于情境聚类和用户评级的协同过滤推荐模型

协同过滤是电子商务推荐系统中广泛应用的推荐技术, 但面临着严重的用户评分数据高维化和稀疏性问题. 同时, 传统协同过滤中的相似度度量方法没有考虑用户评分行为对其他用户的影响, 因而对评分预测的精度影响较大. 此外, 在移动环境下, 传统协同过滤未结合情境信息, 导致推荐质量下降. 对此, 提出一种基于情境聚类和用户评级的协同过滤模型. 首先, 根据情境信息对用户进行聚类, 降低用户评分数据维度和稀疏性; 然后, 引入社会网络理论分析用户间关系, 建立用户评级模型用于评价用户推荐能力, 并结合评级指标进行评分预测. 通过MovieLens和NetFlix数据集对基于该模型的SlopeOne算法和其它三种方法的比较验证结果表明: 本模型在所有数据集上都获得了最高的预测精度, 同时还具有最佳的推荐覆盖度, 可显著提高预测精度, 更适用于移动电子商务环境下的个性化推荐问题.     

基于图论和信息最大化保留的在线推荐方法

随着电子商务的发展, 研究一套高效准确的推荐方法不仅便利了网上购物, 也有助于加速商品流通, 促进经济发展. 既有的方法主要从商品的相似性或顾客的相似性出发进行推荐, 没能将两者很好的结合, 不能充分利用既有的评价信息. 鉴于此, 提出了基于图论的推荐方法, 将人和物的相似性信息结合起来, 构成综合的评估图模型, 并转化为与之等价的评估矩阵. 在评估信息最大化保留的优化目标下, 以评估矩阵为基础建立推荐算法, 并与既有的推荐方法进行比较. 实验结果表明: 本文的方法具有计算时间短、准确度高的特点, 可以用于实时的在线推荐.     

基于用户访问兴趣的Web日志挖掘

Web日志挖掘可以发现访问者兴趣和需求, 提出了一种改进的以访问时间、点击次数以及访问路径共同刻画用户的访问兴趣的Web日志挖掘算法. 首先以Web日志为基础构建相关矩阵, 使用平均访问时间相似度和访问路径相似度共同度量用户访问兴趣的相似程度, 最后采用直接聚类去除相交项的聚类算法将相似用户和相关URL聚类. 实证分析结果表明该算法能较好地解释用户的实际访问兴趣, 从而为网站提供相应的运营建议.     

考虑用户兴趣和能力的众包任务推荐方法

众包平台的信息过载使工人面临任务选择的困难.针对众包特征,本研究提出一种考虑工人兴趣和能力的任务推荐方法.该方法基于协同过滤推荐思想,首先通过TF-IDF技术构建考虑兴趣偏好的工人模型,然后将基于胜任力理论分析构建的工人KSAO能力集合融入到模型中,构建新的工人模型;在此基础上,利用余弦相似性、Jaccard相似性和改进的余弦相似性公式,计算工人间融合兴趣和能力的综合相似度,依此来选取近邻集并最终生成推荐.利用猪八戒网采集的数据进行实验,结果表明该方法的有效性,并通过对比实验证实该方法比传统协同过滤方法推荐效果更佳.从推荐视角丰富众包任务选择的研究,对于众包中解决信息过载、增进个性化体验等具有一定的现实意义.     

基于分类集成的钓鱼网站智能检测系统

近来, 通过仿冒真实网站的URL地址及其页面内容的“钓鱼网站”已严重威胁到互联网用户的隐私和财产安全. 为了应对这种威胁, 该文通过对大量已知正常网站和钓鱼网站的学习, 解析其对应的网页内容, 提取相应的网页标题、网页关键字、网页描述信息等8种特征来描述这些网站, 然后基于不同的特征表达方法构建了相应的分类器; 对于待检测的网站, 采用分类集成的方法综合各个分类模型的预测结果, 达到对钓鱼网站智能检测的目标. 基于上述方法, 构建了钓鱼网站智能检测系统IPWDS, 并将其集成于金山安全产品中. 在大量、真实数据集的基础上, 实验结果表明IPWDS系统对钓鱼网站的检测效果优于现有常见的钓鱼网站检测方法和常用的反钓鱼软件.     

考虑工人参与意愿影响因素的竞争式众包任务推荐方法

竞争式众包中,有效的任务推荐成为亟欲解决的问题.传统任务推荐仅依据工人对任务的投标记录构建任务推荐方法,但工人对任务的投标与否本质上是由工人的参与意愿决定.针对竞争式众包特性,本文提出一种考虑工人参与意愿影响因素的竞争式众包任务推荐方法.该方法基于工人参与意愿影响因素研究,从工人维度和发包方维度将工人的参与意愿影响因素表示为工人的收益偏好、素质能力以及对发包方的信任,并结合工人历史行为记录以及相关描述信息对各维度影响因素进行衡量.在此基础上构建工人模型,并综合各维度影响因素相似度借助协同过滤算法生成推荐列表.通过一品威客众包平台中真实数据的实验表明,本文提出的推荐方法能够更有效地对竞争式众包任务做出推荐.     

基于兴趣文档集合游历便利性的站点结构优化模型

基于特定信息需求的网站用户游历其兴趣文档集合的便利性,建立了一种站点结构优化的数学模型,通过页组支持度与页组拓扑平均距离量化评估与挖掘站点中访问效率较低的内容文档集合为结构优化的兴趣页组,据此提出能综合评价站点访问效率的指标--WEB拓扑兴趣度,并通过分析新增超链接的影响因素设计了相应的站点结构优化方法,优化算法中采用遗传算法寻找最优组合的新增超链接组.实验结果表明:优化后的站点结构能有效改善信息搜索与获取行为的效率低下问题.     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

WEB站点结构优化仿真

WEB站点结构优化技术是解决WWW浏览中搜寻与获取有益信息的困难问题及信息搜寻行为的效率低下问题的有效方法。基于WEB站点的超链体系结构特征与网页节点的访问频度值特征,建立了一种站点结构优化的数学模型,其目标是使整个站点具有较小的平均访问代价。分析了站点超链体系结构特征与节点访问频度特征,采用仿真算法分别模拟了WEB站点的超链体系结构与页面节点的访问频度值,并通过量化新增超链接的影响因素设计了相应的站点结构优化方法。实验结果表明:优化后的站点结构具有较小的平均访问代价。     

一种基于用户聚类的协同过滤推荐算法

为解决传统协同过滤算法在生成推荐时的速度瓶颈问题,提出了一种基于用户聚类的协同过滤推荐算法。该算法将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,基于用户聚类的协同过滤推荐算法不仅加快了推荐生成速度,而且提高了推荐质量。