当前位置 —论文—经济— 范文

电子商务有关论文范文集,与个性化推荐:电子商务驱动力相关论文查重软件

本论文是一篇电子商务有关论文查重软件,关于个性化推荐:电子商务驱动力相关毕业论文的格式范文。免费优秀的关于电子商务及电子商务系统及电子商务网站方面论文范文资料,适合电子商务论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

Inter的迅猛发展将人类带入了信息社会和网络经济时代,对企业发展和个人生活都产生了深刻的影响.基于Inter的虚拟企业不再需要传统物理环境下企业所需的实体投资,企业与顾客、供应商等建立起更为直接的联系,电子商务模式为企业发展提供了更多的机会,同时也带来了许多挑战.其中,最为突出的一个问题就是如何实现个性化推荐.

由于供应链和物流的发展,在电子商务的虚拟环境下,商家在网上所能提供的商品种类和数量非常多,用户想找到自己感兴趣的商品,就需要浏览大量的无关信息,这个过程会导致用户不断流失,用户也无法通过一个小小的计算机屏幕就能很方便地发现自己感兴趣的商品.因此,用户亟需电子商务系统具有一种类似采购助手的功能来帮助其选购商品,它能根据用户的兴趣爱好自动地推荐给每个用户可能感兴趣且能让用户满意的商品.

个性化推荐:电子商务驱动力参考属性评定
有关论文范文主题研究:	关于电子商务的论文范文文献	大学生适用:	硕士毕业论文、学位论文
相关参考文献下载数量:	78	写作解决问题:	如何怎么撰写
毕业论文开题报告:	文献综述、论文选题	职称论文适用:	刊物发表、职称评中级
所属大学生专业类别:	如何怎么撰写	论文题目推荐度:	最新题目

在此情形下,电子商务个性化推荐系统（PersonalizedRemenderSystemsinE-merce）应运而生,也称个性化推荐系统（PersonalizedRemenderSystems）,它是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务.购物网站的推荐系统为客户推荐商品,自动完成个性化选择商品的过程,满足客户的个性化需求.

个性化推荐系统犹如汽车的发动机,将电子商务发展带入一个新的时代：个性化时代.通过数据的积累和分析,通过技术的不断应用和创新,人们在海量资讯的信息时代自由翱翔.

电子商务个性化推荐的框架

电子商务个性化推荐(PersonalizedRemendationinE-Commerce)是电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买的过程.它能收集用户兴趣资料并根据用户兴趣偏好主动为其做出个性化的推荐,这样,当用户每次输入用户名和密码登录电子商务网站后,推荐系统就会自动按照用户偏好程度的高低推荐给用户最喜爱的产品.

按系统的观点,电子商务个性化推荐框架可视为三个模块组成部分,分别是输入、输出和推荐方法与技术,如图1所示.

个性化推荐的输入模块表明从哪里去获取用户的偏好.所以主要涉及两部分,一是用户信息获取的平台,最典型的平台当然是传统的电子商务平台和网站,但随着社会网络（如Facebook、Twitter、Renren等）的应用,基于社会网络的社会商务的广泛应用,社会商务系统也成为获取用户信息的平台.从偏好的表现形式来看,包括隐式浏览输入、显式浏览输入等.显式偏好主要包括用户的评分、用户关系标注等；隐式偏好主要包含用户的浏览、查询等.此外,在移动商务环境下,用户的情景信息,如所在地址、天气等,也是推荐的输入.

个性化推荐的输出主要包含两种形式,一是预测,预测用户对某商品的偏好；二是推荐,基于预测直接给用户推荐其可能感兴趣的商品.具体从应用上看,主要包括偏好预测、链接预测、专家发现、朋友搜索以及个性化搜索等.

推荐方法模块是推荐系统的核心部分,决定着推荐系统的性能优劣.主要的推荐技术包括：

协同过滤推荐

协同过滤推荐（CollaborativeFilteringRemendation）是目前研究最多的个性化推荐技术,它是基于邻居用户的资

电子商务有关论文范文集料得到目标用户的推荐,推荐的个性化程度高.具体来讲,协同过滤推荐一般主要分为两类：一是基于内存的协同过滤（Memory-basedCollaborativeFiltering）,其基本思想是用统计的方法得出所有用户对物品或者信息的偏好,然后发现与当前用户口味和偏好相似的“邻居”用户群,基于某个邻居的历史偏好信息,为当前用户进行物品的推荐,所以该方法也称基于用户的协同过滤（User-basedCollaborativeFiltering）或基于邻居的协同推荐（Neighbor-basedCollaborativeFiltering）；二是基于模型的协同过滤推荐（Model-basedCollaborativeFiltering）,是指根据用户和物品的直接历史点击或购买记录,来计算物品和物品之间的相似度,得出一个模型,然后根据用户的历史偏好的物品信息,将挖掘到的类似的物品推荐给用户,即用此模型进行预测.

与传统文本过滤相比,协同过滤有以下优点：一是能够过滤难以进行机器自动基于内容分析的信息,如艺术品、音乐；二是能够基于一些复杂的,难以表达的概念（信息质量、品位)进行过滤；三是推荐具有新颖性.正因为如此,协同过滤在商业应用上也取得了不错的成绩.Amazon、CDNow、MovieFinder都采用了协同过滤的技术来提高服务质量.

这篇论文url http://www.sxsky.net/jingji/0547203.html

基于内容的推荐

基于内容的推荐（Content-basedremendation）是信息过滤技术的延续与发展,项目或对象是通过相关特征的属性来定义,系统基于用户评价对象的特征,学习用户的兴趣,依据用户资料与待预测项目的相匹配程度进行推荐,如新闻组过滤系统NewsWeeder.

基于用户统计信息的推荐

基于用户统计信息的推荐（Demographic-basedremendation）的推荐系统是基于用户个人属性对用户进行分类,再基于类对类中的用户进行推荐,它不要求有一个历史的用户数据,但协同过滤和基于内容的推荐技术则都需要.

写电子商务论文的方法
播放:25237次评论:3914人

基于关联规则的推荐

基于关联规则的推荐（Associationrule-basedremendation）是以关联规则为基础,把已购商品作为规则头,规则体为推荐对象,其中关联规则的发现最为关键且最耗时,是算法的瓶颈,但可以离线进行,商品名称的同义性问题也是关联规则的一个难点.

此外,还用基于效用的推荐（Utility-basedremendation）和基于知识的推荐（Knowledge-basedremendation）,前者基于用户对产品的效用函数,后面更多采用人工智能和推理技术.

个性化推荐系统的作用

目前个性化推荐在电子商务企业有着较为广泛的应用.Amazon被业界认为是当之无愧的“推荐之王”,是目前公认的推荐应用最为成功的案例,从推荐的形式来看,Amazon把推荐服务放到了网站的各个角落；在推荐方法技术上,Amazon综合了多种推荐服务类型,基于item相似性和相关性,基于浏览/购买历史,基于协同过滤等等,能够根据客户当前查看页面类型,当前关注的产品信息等内容动态地组合这些推荐服务.著名团购网站Groupon也推出个性化交易功能,向用户推送其认为用户会感兴趣的交易,个性化能帮助该网站抵御500个克隆网站的侵袭,将允许Groupon提供不限量的交易,也能提供大城市外的业务交易.

电子商务个性化推荐在实践

1 2 下一页

电子商务有关论文范文集,与个性化推荐:电子商务驱动力相关论文查重软件参考文献资料：