電子商務行業(yè)經過十幾年的高速發(fā)展,消費者對于網絡銷售良好服務的訴求也越來越強烈,但是一般B2C的網站導購人員不能滿足消費者的訴求,比如面對線上同質化的商品,無法提供合理的購買意見。A公司本著更好的服務客戶的宗旨,建立了網絡導購平臺,給選擇困難的客戶提供科學的消費建議。然而該平臺在實際運營中,隨著分銷商品池中商品越來越多,網絡導購挑選商品變得費時費力,同時推薦給消費者的商品轉化率不高,導致網絡導購的活躍度變低。為了提高網絡導購的活躍度,本文決定搭建一套網絡導購的商品推薦系統,以推薦的方式幫助網絡導購進行選品,該方式對于A公司提高客戶服務度和業(yè)績具有重要意義。但是該系統在搭建過程中卻出現了數據稀疏性問題、“冷啟動”問題以及推薦精度和效率低等問題。本文針對該系統推薦精度和效率低的問題,從消費者和網絡導購角度出發(fā),首先使用支持向量機對商品進行分類,將商品分為正反饋和負反饋的商品,剔除負反饋的商品(消費者不喜歡的商品);然后對正反饋商品的評價特征值進行情感分析獲得量化的感情強度;最后根據評分、情感強度和傭金金額計算商品的綜合評分;通過以上處理,既保證推薦的商品池是消費者喜歡的商品,又使網絡導購可...

【文章頁數】：71 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究綜述
    1.3 研究內容與技術路線
        1.3.1 研究內容
        1.3.2 技術路線
2 相關理論綜述
    2.1 網絡導購
    2.2 商品推薦系統
        2.2.1 商品推薦系統定義
        2.2.2 商品推薦系統分類
        2.2.3 商品推薦系統評價
    2.3 支持向量機
    2.4 協同推薦算法
        2.4.1 基于用戶的協同推薦算法
        2.4.2 基于項目的協同推薦算法
        2.4.3 協同推薦算法優(yōu)缺點分析
    2.5 本章小結
3 網絡導購的商品推薦模型構建
    3.1 網絡導購的商品推薦系統關鍵問題分析
        3.1.1 關鍵問題分析
        3.1.2 解決思路
    3.2 基于相關度的稀疏性問題分析
        3.2.1 稀疏性問題分析
        3.2.2 基于關聯度的候選項目集計算
    3.3 基于網絡導購特征的相似度分析
        3.3.1 網絡導購的特征提取
        3.3.2 基于網絡導購特征的相似度計算
    3.4 模型構建
        3.4.1 基于支持向量機的分類
        3.4.2 分銷商品綜合評分的計算
        3.4.3 關聯度和相似度計算及推薦
        3.4.4 算法描述
    3.5 模型驗證
        3.5.1 實驗數據集
        3.5.2 實驗結果和分析
    3.6 本章小結
4 A公司網絡導購的商品推薦系統需求分析與設計
    4.1 網絡導購的商品推薦系統需求分析
        4.1.1 業(yè)務需求
        4.1.2 系統功能需求
        4.1.3 系統活動圖
    4.2 網絡導購的商品推薦系統概要設計
        4.2.1 系統設計的目標和原則
        4.2.2 A公司軟件系統整體架構
        4.2.3 A公司網絡導購的商品推薦系統詳細結構
    4.3 網絡導購的商品推薦系統功能模塊設計
        4.3.1 網絡導購特征記錄模塊設計
        4.3.2 分銷商品模塊設計
        4.3.3 推薦引擎模塊設計
        4.3.4 用戶接口模塊設計
    4.4 數據庫設計
    4.5 本章小結
5 A公司網絡導購的商品推薦系統實現與測試
    5.1 系統開發(fā)環(huán)境與框架配置
    5.2 系統各功能模塊的實現
        5.2.1 網絡導購特征記錄模塊功能實現
        5.2.2 網絡導購商品模塊功能實現
        5.2.3 推薦引擎模塊功能實現
        5.2.4 用戶接口模塊功能實現
    5.3 系統測試
        5.3.1 測試的軟硬件環(huán)境
        5.3.2 系統功能測試
    5.4 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
附錄A
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數據集



本文編號：3907434