众包配送中的服务推荐研究
本文关键词：众包配送中的服务推荐研究 出处：《浙江理工大学》2017年硕士论文 论文类型：学位论文
更多相关文章： 用户满意度 个性化推荐 众包配送服务 用户评分行为
【摘要】：在新兴领域共享经济的带动下,最后三公里的配送服务领域也开始尝试众包物流,该模式以APP为平台,基于广大的社会资源基础为用户提供方便快捷的配送服务,而用户满意度是众包物流平台得以维护用户和开拓市场的重要竞争手段之一,这也使得如何从大量的社会资源中获取合适信息来满足用户的个性化配送服务需求成为目前众包配送需要解决的关键问题之一。为此本文结合国家自然科学基金项目(71471165):“泛在计算环境中社会化驱动的情境感知个性化信息服务研究”开展众包配送中的个性化推荐研究,提出了基于配送服务多属性多时序性评分的协同过滤推荐方法,同时探究了众包配送中的个性化推荐对于用户满意程度的影响。本文的主要工作与贡献包括:(1)提出将个性化与众包配送相结合进行服务推荐从现有的众包物流服务模式入手,针对存在的配送服务问题提出了基于用户偏好的配送服务,即主要研究哪一种配送方案适合于目标用户,将个性化与物流服务相结合来解决众包物流发展中存在的配送服务质量问题。(2)量化用户对属性的评分波动性通过基于某一服务属性进行用户的评分波动性分析,并将引用信息熵进行量化后的值应用于目标用户对单一服务属性的评分预测和多属性权重确定中。(3)基于单一服务属性的最近邻预测目标用户评分通过构建“用户—配送服务”评分矩阵获取所有用户对所有评分过的配送服务单一服务属性的评分值,并通过计算相似值来获取目标用户的相似用户,再结合最近邻居算法获取目标用户对单一服务属性的评分预测。(4)构建了多属性多时序的配送服务推荐方法论文首先完成了将传统的物流评分模式从总评分到配送服务多属性评分的转变,通过目标用户的历史评分行为进行分析寻找影响用户满意度的配送服务属性即目标用户的偏好从而有针对性的提供物流配送方案,以三四章为基础分析构建目标用户对配送服务单一属性的评分预测方法。再通过对确定多属性权重方法的介绍和比较分析,获取目标用户对配送服务的总评分。(5)实验分析与案例应用首先对权重确定方法进行准确率分析比较,获得合适的权重确定方法,并以此为基础进行后续实验。基于构建的服务属性体系以及评分预测方法,论文通过对算法的准确性(presicion)、绝对平均方差(MAE)、召回率进行评估,通过对引用算法前后的用户满意度进行了对比,验证了算法的有效性和可行性。随后以饿了么为背景进行案例应用,发现基于众包物流服务多属性评分的协同过滤推荐算法可以有效地提高用户对于众包平台的服务满意程度,对于企业降低开发客户和维护客户的成本具有重要意义。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F724.6;F259.2
【参考文献】
相关期刊论文 前10条
1 双莎莎;何建佳;李亚茹;;基于互联网技术的最后一公里综合配送模式分析[J];技术与创新管理;2016年05期
2 何景师;孙雪花;;基于顾客满意的快递物流服务质量研究[J];现代商业;2016年26期
3 孙鲁平;张丽君;汪平;;网上个性化推荐研究述评与展望[J];外国经济与管理;2016年06期
4 陈杰;郭诗卉;;外卖众包配送“潜规则”[J];食品界;2016年05期
5 刘雅儒;;众包配送模式及其发展趋势研究[J];物流工程与管理;2016年04期
6 智烈慧;李仁杰;傅学庆;郭风华;;众包旅游文本热度地名的共现数据挖掘[J];测绘科学;2016年08期
7 李东方;;外卖O2O最强攻略:先解决掉这三个“坑”[J];销售与市场(渠道版);2015年10期
8 张永迪;;邻趣:“众包配送”让商品35分钟送达[J];创业邦;2015年10期
9 曾宪科;冯玉强;;逆向多属性拍卖投标策略及收益性分析[J];管理科学学报;2015年09期
10 阮闪闪;王小平;薛小平;;基于证据理论信任模型的众包质量监控[J];计算机应用;2015年08期
相关博士学位论文 前7条
1 李金海;基于在线评论挖掘的网络购物混合推荐模型及策略研究[D];江苏大学;2016年
2 卢琦蓓;面向电商平台客户持续购买问题的情境化推荐模型研究[D];浙江工商大学;2016年
3 张志军;社交网络中个性化推荐模型及算法研究[D];山东师范大学;2015年
4 王晓琳;基于服务推荐的移动agent路径动态构建方法研究[D];山东大学;2015年
5 朱旭振;复杂网络下基于链路预测的推荐技术研究[D];北京邮电大学;2015年
6 吕苗;基于情境的商品个性化推荐方法研究[D];大连理工大学;2015年
7 张市芳;几种模糊多属性决策方法及其应用[D];西安电子科技大学;2012年
相关硕士学位论文 前10条
1 赵一瀚;基于用户行为的电子商务推荐算法研究[D];吉林大学;2016年
2 潘挺雷;基于改进蚁群算法的区域车辆配送路径优化方法研究[D];浙江理工大学;2016年
3 诸葛菲;众包数据质量控制与结果推荐研究[D];浙江工商大学;2015年
4 肖江辉;基于可信度的众包协同测试及其算法实现[D];大连海事大学;2015年
5 黄宇;基于协同过滤的推荐系统设计与实现[D];北京交通大学;2015年
6 王斌;基于多样性的个性化旅游推荐系统研究[D];陕西师范大学;2015年
7 江琳;快递物流服务质量监管研究[D];哈尔滨工业大学;2015年
8 韩亚楠;基于流行度和用户偏好的推荐算法研究[D];陕西师范大学;2015年
9 王莉;基于标签的个性化推荐系统的研究与实现[D];北京工业大学;2015年
10 何希真;基于用户反馈信息的新闻推荐系统设计与实现[D];山东师范大学;2015年
，本文编号：1332149
本文链接：https://www.wllwen.com/jingjifazhanlunwen/1332149.html
