隨著網(wǎng)購在人們?nèi)粘Ｉ钪械谋戎厝找嬖黾?電商平臺提供的服務越來越多樣化�？蛻粼陔娚唐脚_上購買商品時,面對龐大的信息,會花費更多的時間選擇,出現(xiàn)購物效率下降,購物決策難等購買問題。而準確高效的推薦系統(tǒng)可以幫助客戶縮短購物時間,并且滿足客戶的個性化需求。本文通過對現(xiàn)有電商平臺主要推薦模型進行比較�；趦�(nèi)容的推薦系統(tǒng)結果直觀,可解釋性好,但是其易受新客戶、新商品的限制;基于關聯(lián)規(guī)則的推薦系統(tǒng)易于發(fā)現(xiàn)新的偏好,但是規(guī)則抽取較困難;基于協(xié)同過濾的推薦系統(tǒng)個性化推薦效果好,而且隨著時間的推移推薦效果不斷提升,但是易受數(shù)據(jù)稀疏性影響�；趯σ陨先N模型的概述與比較,發(fā)現(xiàn)目前電商平臺使用的推薦系統(tǒng)基本只考慮了客戶歷史行為數(shù)據(jù),而對客戶填寫的在線評論研究較少。目前在線評論已成為客戶決策的一個重要依據(jù)之一,因此,在線評論對于電商推薦模型也具有較高的應用價值。隨著客戶在使用平臺時的習慣越來越好,產(chǎn)生了大量在線評論。評論中包含客戶個人情感且對商品特征細致的描述信息,這些評論數(shù)據(jù)對于解釋客戶對商品的購買行為有很大幫助。基于此,本文結合在線評論數(shù)據(jù)的特點,以大型電商平臺服裝類商品評論數(shù)據(jù)為例,提出基于在線評論的推... 

【文章來源】：首都經(jīng)濟貿(mào)易大學北京市

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【部分圖文】：

京東客戶星級評價

如若平臺重視，深度挖掘評論信息，可以更好的幫助平臺為客戶提供更加個性的推薦結果，提升客戶對平臺使用的滿意度，以及平臺自身的商業(yè)收益。（2）對客戶在線評論文本內(nèi)容挖掘、利用程度不夠。圖 1-1 以及圖 1-2，是電商平臺客戶在線評論的評分星級。從商品本身、店家服務、物流、配送四方面進行了星級評定。但是商品符合度該項，由于商品自身的多樣性，本文認為僅通過星級評分某種程度上是對客戶購物體驗信息獲取的不完善和偏差，忽略了客戶對商品多元的評價以及個性化的需求。電商平臺包含著大量的客戶針對購買商品的在線評論信息，在線評論作為客戶電商平臺購物后的直接產(chǎn)物，是對星級評分的完善，是客戶對商品和服務最為直接而又真實的反饋。以更全面更貼近真實情況的了解商品與服務。圖 1-1 京東客戶星級評價

2圖 1-3 在線評論文本信息因此，如何充分利用客戶評論數(shù)據(jù)，是推動電商平臺推薦系統(tǒng)改進的又一熱點。本文在研究這一熱點的同時，對比傳統(tǒng)推薦模型算法，充分挖掘在線評論的價值意義，將

【參考文獻】：
期刊論文
[1]意見挖掘結合圖分類器的圖書個性化推薦系統(tǒng)[J]. 陳顯龍.  湘潭大學自然科學學報. 2017(03)
[2]個性化推薦系統(tǒng)綜述[J]. 劉輝,郭夢夢,潘偉強.  常州大學學報(自然科學版). 2017(03)
[3]國內(nèi)電子商務個性化推薦研究進展:架構與實踐[J]. 孫雨生,張晨,任潔,朱禮軍.  現(xiàn)代情報. 2017(05)
[4]基于改進相似性度量的項目協(xié)同過濾推薦算法[J]. 于金明,孟軍,吳秋峰.  計算機應用. 2017(05)
[5]面向商品評論文本的情感分析與挖掘[J]. 李涵昱,錢力,周鵬飛.  情報科學. 2017(01)
[6]國內(nèi)電子商務網(wǎng)站推薦系統(tǒng)信息服務質量比較研究——以淘寶、京東、亞馬遜為例[J]. 洪亮,任秋圜,梁樹賢.  圖書情報工作. 2016(23)
[7]混合用戶和項目協(xié)同過濾的電子商務個性化推薦算法[J]. 李清霞,魏文紅,蔡昭權.  中山大學學報(自然科學版). 2016(05)
[8]基于決策過程的個性化推薦系統(tǒng)設計[J]. 羅亞.  計算機工程與應用. 2017(14)
[9]基于情境聚類和用戶評級的協(xié)同過濾推薦模型[J]. 鄧曉懿,金淳,韓慶平,樋口良之.  系統(tǒng)工程理論與實踐. 2013(11)
[10]基于用戶興趣的個性化推薦技術綜述[J]. 宋雅婷,徐天偉.  云南大學學報(自然科學版). 2012(S1)

博士論文
[1]融合文本內(nèi)容與情境信息的協(xié)同過濾推薦方法研究[D]. 段銳.合肥工業(yè)大學 2017
[2]基于在線評論挖掘的網(wǎng)絡購物混合推薦模型及策略研究[D]. 李金海.江蘇大學 2016
[3]面向電商平臺客戶持續(xù)購買問題的情境化推薦模型研究[D]. 盧琦蓓.浙江工商大學 2016

碩士論文
[1]云南旅游推薦系統(tǒng)信息提取與推薦算法研究[D]. 吳思霈.云南財經(jīng)大學 2017
[2]大數(shù)據(jù)視角下非結構化文本數(shù)據(jù)的顧客滿意度研究[D]. 楊磊磊.首都經(jīng)濟貿(mào)易大學 2017
[3]基于中小型電商平臺的個性化推薦系統(tǒng)建模[D]. 梁德祥.華北電力大學(北京) 2017
[4]基于文本分析的推薦系統(tǒng)研究與實現(xiàn)[D]. 張婷.電子科技大學 2017
[5]B2C平臺中物流服務評論與顧客購買后行為的關聯(lián)性研究[D]. 藍一珍.浙江理工大學 2017
[6]基于文本挖掘的電商用戶評論分析與系統(tǒng)實現(xiàn)[D]. 易劍波.東南大學 2017
[7]我國網(wǎng)絡借貸平臺評級體系研究[D]. 楊明迪.首都經(jīng)濟貿(mào)易大學 2017
[8]電商用戶數(shù)據(jù)分析研究[D]. 謝桂林.北京郵電大學 2017
[9]電子商務推薦系統(tǒng)對消費者購買決策的影響研究[D]. 胡靜.河北大學 2016
[10]基于評論文本情感分析和概率模型的汽車推薦系統(tǒng)研究[D]. 陳卓.重慶大學 2016



本文編號：3041343