基于兴趣图谱的社会化电子商务社区发现研究

发布时间：2017-03-29 22:20

  本文关键词：基于兴趣图谱的社会化电子商务社区发现研究，由笔耕文化传播整理发布。

【摘要】：基于web2.0技术的社会媒体的出现,让人们的互联网生活方式发生了巨大的改变,同时对传统的电子商务构成了不容忽视的冲击。社会媒体产生的大量UGC内容,真实地反应了用户现实生活中的想法和人际关系网络,使得人们的线上生活和线下生活紧密地结合在一起,成为了全球互联网商业模式的第三次浪潮。越来越多的电子商务企业将社会媒体作为其实现营销目标的主要渠道。社会媒体将成为电商产品推广、维护客户忠诚度以及实现价值增值的重要渠道。这种新兴的电子商务模式被称为社会化电子商务,社会化电子商务在开展营销的实践中充分考虑了人际关系这一要素,以社交为出发点,不仅在购物上更接近现实,而且同时能够买足消费者的心理需求。另一方面,新兴信息技术与应用模式的涌现,导致整个人类社会产生的数据呈爆炸式的增长,大数据时代已经到来。而在这些不断涌现的大数据中,大部分是由社会媒体创造的,传统电商如何应对这两方面的挑战,将决定其未来的生存与发展。传统的电商往往忽略了用户的兴趣需求,只是单纯地从购物篮历史中挖掘用户的潜在需要,并没有重视社会媒体中的社交关系对于用户购物行为的影响。另一方面,电子商务规模的不断扩大导致海量商品和不计其数电商的出现,如何从这些海量商品获取自己需要的,如何辨别电商的信誉度,这些随之而来的问题成为了限制电子商务模式发展的瓶颈。基于兴趣图谱发现具有相同兴趣的消费者网络社区,充分发挥社会媒体社交的作用,将好友的意见成为用户购买商品的一个主要决策因素,可以很好的解决这些难题。本文在参考大量文献的基础上,依托大数据这一时代背景,以社会化电子商务为研究对象,围绕着社会媒体网络理论以及数据挖掘理论的相关研究,从共同兴趣社区发现角度切入来开展研究。借助网络爬虫技术捕获用户群广泛的社会媒体的数据,通过对这些数据的分析和整理,利用复杂网络分析工具Gephi构建了社会化电子商务用户兴趣图谱。在此图谱基础上利用R语言数据挖掘工具实现K-means算法,对样本集中的用户兴趣社区进行了发现。研究结果表明在社会化电子商务模式中,用户的兴趣得到了准确地表达,同时依托于兴趣形成的不同网络社区的界限也较为明显。最后依据本研究结果,分别针对商家和平台提出了相应的对策建议。本文创新点:其一,从社区发现切入,研究社会媒体对于电子商务模式的影响,并利用相关数据挖掘的算法加以改进,构建基于相同兴趣的图谱,基于此兴趣图谱发现消费者的社区网络,以便于电商和平台能够很好的利用消费者兴趣以及相互之间的社交关系来实现客户关系的维护和价值的增值,同时也有利于消费者在进行网络购物时获取更为准确的信息。其二,选用开源的R和Gephi作为研究的工具,利用java开发爬虫程序从社会媒体中抓取数据,实现了计算机应用与管理知识的相互融合。
【关键词】：社会媒体 数据挖掘 社会化电子商务 社区发现 兴趣图谱
【学位授予单位】：上海工程技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F713.36
【目录】：

• 摘要6-8
• ABSTRACT8-14
• 第一章 绪论14-21
• 1.1 研究背景14-16
• 1.1.1 社会媒体的发展14
• 1.1.2 社会化电子商务的兴起14-16
• 1.2 研究意义16-17
• 1.3 研究内容与研究方法17-21
• 1.3.1 研究内容及框架17-19
• 1.3.2 研究方法19-21
• 第二章 相关研究和文献综述21-29
• 2.1 社会化媒体相关研究21-25
• 2.1.1 社会媒体概念22-23
• 2.1.2 社会媒体的相关研究23-24
• 2.1.3 社会媒体对电子商务的影响24-25
• 2.2 社会化电子商务的相关研究25-28
• 2.2.1 社会化电子商务的定义26-27
• 2.2.2 社会化电子商务相关应用研究27-28
• 2.3 本章小结28-29
• 第三章 社会化电子商务发展状况29-44
• 3.1 我国社会化电子商务主要发展模式29-31
• 3.1.1 图片分享类网站29-30
• 3.1.2 微博平台内的电商推广超链接30-31
• 3.1.3 微信平台中的微商群体31
• 3.1.4 社会化点评网站31
• 3.2 社会化电子商务相关属性31-33
• 3.2.1 媒体属性31-32
• 3.2.2 社交属性32
• 3.2.3 商务属性32
• 3.2.4 总结32-33
• 3.3 基于兴趣图谱的社会化电子商务相关研究33-36
• 3.3.1 兴趣图谱的概念33-34
• 3.3.2 兴趣图谱的应用价值34
• 3.3.3 兴趣图谱的具体应用34-35
• 3.3.4 兴趣图谱的发展前景35-36
• 3.3.5 构建基于兴趣图谱社区的必要性36
• 3.4 基于兴趣图谱的社会化电子商务需求分析36-42
• 3.4.1 消费者需求分析36-38
• 3.4.2 商家需求分析38-40
• 3.4.3 平台需求分析40-42
• 3.5 本章小结42-44
• 第四章 相关技术和方法综述44-55
• 4.1 数据挖掘概述44-47
• 4.1.1 数据挖掘定义44
• 4.1.2 数据挖掘的步骤44-47
• 4.2 聚类分析47-53
• 4.2.1 聚类的概念47-48
• 4.2.2 聚类分析中的数据描述48-49
• 4.2.3 数据标准化49-50
• 4.2.4 相异度、相似度及其度量50-52
• 4.2.5 聚类分析的算法52-53
• 4.3 数据挖掘工具R语言53-54
• 4.3.1 R语言简介53-54
• 4.3.2 R语言特点54
• 4.4 本章小结54-55
• 第五章 基于兴趣图谱的社会化电子商务社区发现方案设计55-83
• 5.1 方案的构思55-57
• 5.2 研究对象选取57-60
• 5.2.1 对象来源57
• 5.2.2 调研方法57
• 5.2.3 对象的确定57-60
• 5.3 数据获取60-65
• 5.4 用户兴趣的获取与整合65-75
• 5.4.1 社会化电子商务用户兴趣提取67-68
• 5.4.2 社会化电子商务用户兴趣表示方式68-72
• 5.4.3 社会化电子商务用户兴趣分类72-73
• 5.4.4 用户兴趣的计算73-75
• 5.5 构造兴趣图谱75-77
• 5.6 社会化电子商务社区发现77-82
• 5.6.1 社区发现简介77-78
• 5.6.2 K-means方法原理78-80
• 5.6.3 K-means算法的R语言实现80-82
• 5.7 本章小结82-83
• 第六章 方案应用83-98
• 6.1 数据准备83-84
• 6.2 样本分析84-87
• 6.2.1 样本描述性分析84-86
• 6.2.2 变量关系分析86-87
• 6.3 构建兴趣图谱87-91
• 6.3.1 用户兴趣模型构建87-89
• 6.3.2 构建兴趣图谱89-91
• 6.4 社区发现91-94
• 6.5 结果分析94-96
• 6.6 本章小结96-98
• 第七章 对策和建议98-102
• 7.1 针对商家的对策建议98-99
• 7.2 针对平台的对策建议99-101
• 7.3 本章小结101-102
• 第八章 总结与展望102-105
• 8.1 总结102-103
• 8.2 展望103-105
• 参考文献105-111
• 攻读学位期间发表的学术论文及取得的相关科研成果111-112
• 致谢112-113

【参考文献】

中国期刊全文数据库 前5条

1 胡昌平;乐庆玲;;高校图书馆虚拟社区构建初探[J];现代图书情报技术;2007年11期

2 李银玲;;构建聚合的社会媒体网络半格促进个人知识管理[J];现代远距离教育;2009年05期

3 黄鼎;;社会化电子商务平台的定价策略研究[J];西南民族大学学报(自然科学版);2013年05期

4 戴盈;;数字化时代读者的选书智慧和阅读兴趣图谱构建[J];中国出版;2014年05期

5 杨霞;吴东伟;;R语言在大数据处理中的应用[J];科技资讯;2013年23期

中国硕士学位论文全文数据库 前2条

1 邢留伟;K-Means算法在客户细分中的应用研究[D];西南财经大学;2007年

2 方匡南;基于数据挖掘的分类和聚类算法研究及R语言实现[D];暨南大学;2007年

  本文关键词：基于兴趣图谱的社会化电子商务社区发现研究，由笔耕文化传播整理发布。

，

本文编号：275558