發(fā)布時間：2017-12-12 21:27

  本文關(guān)鍵詞：復(fù)雜情境下的電商用戶個性化推薦策略研究及應(yīng)用

  更多相關(guān)文章： 復(fù)雜情境 二部圖資源擴(kuò)散 協(xié)同過濾 矩陣因子分解 個性化推薦策略

【摘要】：電子商務(wù)各類新技術(shù)的出現(xiàn)和廣泛應(yīng)用以及用戶海量數(shù)據(jù)的積累,為精準(zhǔn)營銷、動態(tài)供應(yīng)鏈優(yōu)化等提供了前所未有的發(fā)展空間。然而巨量信息的充斥,也引發(fā)了不少問題諸如“資源過載”和“信息迷向”等且愈來愈嚴(yán)重。對于個人用戶而言,如何快速、準(zhǔn)確地從海量的信息中獲取有用的內(nèi)容,成為其迫切希望得到解決的問題；對于企業(yè)而言,如何在日趨激烈的競爭環(huán)境下快速準(zhǔn)確的發(fā)現(xiàn)用戶的潛在需求,提升信息檢索與推送的智能水平,提高個性化服務(wù)質(zhì)量,成為其在電商活動中需要完善的重要服務(wù)內(nèi)容之一。個性化推薦技術(shù)的出現(xiàn)在一定程度上解決了信息多樣化與用戶需求專一化之間的矛盾。幾乎所有的電子商務(wù)平臺如Amazon、淘寶、京東等均不同程度的使用了各種推薦系統(tǒng)。但隨著電子商務(wù)應(yīng)用的不斷深入以及用戶情境的復(fù)雜化,如何在復(fù)雜情境下滿足用戶的個性化需求已經(jīng)成為個性化推薦服務(wù)研究的新趨勢。在基于情境的個性化推薦策略研究中,用戶的復(fù)雜情境通常包括本體情境、上下文情境和社會關(guān)系情境。不同于以往的研究視角,本文采用縱向與橫向結(jié)合的方式。以往的研究都聚焦于模型構(gòu)建的三元研究,即基于“基于情境的個性化推薦知識建�！谇榫车挠脩羝梅治觥谇榫车耐扑]方法”的縱向結(jié)構(gòu)。研究成果可能只滿足于部分企業(yè)的要求。本文在研究過程中將電商用戶和企業(yè)結(jié)合考慮,對企業(yè)進(jìn)行粗粒度劃分,設(shè)計復(fù)雜情境下滿足用戶個性化需求的推薦策略。本文從信息維度和信息量的獲取角度出發(fā)將企業(yè)分為三類：單一維度情境信息企業(yè)、部分維度情境信息企業(yè)和豐富維度情境信息企業(yè)。通過對現(xiàn)有典型的個性化推薦方法及相應(yīng)的模型進(jìn)行深入分析,找出其存在的不足,設(shè)計能滿足不同企業(yè)需求的個性化推薦策略。研究成果對發(fā)展面向消費(fèi)者的新型電子商務(wù)模式,創(chuàng)新企業(yè)在線服務(wù)內(nèi)容,優(yōu)化精準(zhǔn)營銷,提高消費(fèi)者滿意度和提升企業(yè)競爭力具有重要意義。本文的特色之處如下：1)提出復(fù)雜情境下基于資源非均勻擴(kuò)散的推薦方法。協(xié)同過濾個性化推薦方法由于其模型簡單,容易應(yīng)用且推薦效果尚可,目前使用最為廣泛,但其最大的缺點在于易受數(shù)據(jù)稀疏性和冷啟動問題的困擾。為了緩解這兩個問題,在不增加額外維度情境信息的同時又能提高推薦質(zhì)量。本文設(shè)計了一種基于二部圖資源非均勻擴(kuò)散的個性化推薦模型,考慮用戶——商品節(jié)點具有的不同吸引力,依據(jù)不同的吸引力,用戶——商品節(jié)點可獲得不同的資源,通過計算這些資源大小得出推薦結(jié)果。本文研究表明,模型采用了完全不同于協(xié)同過濾用戶之間相似性計算的策略,提高了推薦精確性和多樣性并且在一定程度上克服了稀疏性和冷啟動問題。對于大部分用戶量較少、且只能獲得用戶單一維度情境信息的企業(yè)而言,該推薦方法是十分有效的。2)提出復(fù)雜情境下基于本體情境和信任關(guān)系的推薦方法。隨著用戶情境的復(fù)雜化,傳統(tǒng)的協(xié)同過濾推薦方法越來越不能滿足需求。為了提高推薦質(zhì)量,提供更好的個性化推薦服務(wù),本文設(shè)計了一種基于協(xié)同過濾思想的個性化推薦模型,利用本體情境信息對用戶進(jìn)行聚類,考慮用戶偏好程度的不同以及用戶信任關(guān)系對相似性計算產(chǎn)生的影響。本文研究表明,在計算用戶相似性之前對用戶進(jìn)行基于本體情境的聚類,在計算相似性時加入用戶信任關(guān)系因素影響會對推薦精確性的提高和結(jié)果多樣性的增加產(chǎn)生正向影響。同時該模型也能在一定程度上緩解數(shù)據(jù)稀疏性和冷啟動問題。對于那些能夠獲取用戶本體情境、部分關(guān)系情境信息的企業(yè)而言,只增加少量維度情境信息,采用這種改進(jìn)型的協(xié)同過濾推薦方法,對推薦結(jié)果質(zhì)量的提升有較大的幫助。3)提出復(fù)雜情境下融入社會網(wǎng)絡(luò)情境的推薦方法。社交網(wǎng)絡(luò)與電子商務(wù)的融合使得用戶信息更加豐富,基于此產(chǎn)生的個性化推薦結(jié)果也更加精準(zhǔn)。本文設(shè)計了一種基于社會網(wǎng)絡(luò)情境的個性化推薦模型,將用戶本體特征、個人偏好和用戶之間的社會關(guān)系影響結(jié)合在一起,采用矩陣分解的方法生成推薦結(jié)果。本文研究表明,融入社會網(wǎng)絡(luò)情境可以較大程度的提高推薦結(jié)果的精確性、增加推薦結(jié)果的多樣性。同時矩陣分解方法能夠很好的解決數(shù)據(jù)稀疏性和冷啟動問題。該個性化推薦方法能夠適用于各種推薦情形,應(yīng)用領(lǐng)域廣泛,特別對于掌握用戶豐富維度情境信息的企業(yè)而言,借助對用戶復(fù)雜情境的詳實分析,采用該方法,推薦效果突出。本文成果擴(kuò)展了個性化推薦策略的研究思路,豐富了個性化推薦建模的方法體系,提出的三種方法相輔相成,能滿足不同電商平臺的需求。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：F724.6;F274
，

本文編號：1284029