基于C2C电子商务模式下商品推荐系统应用研究

发布时间：2017-04-05 09:00

  本文关键词：基于C2C电子商务模式下商品推荐系统应用研究，由笔耕文化传播整理发布。

【摘要】：目前我国电子商务正处于高速发展阶段,伴随着我国互联网使用人数及参与电子商务交易人数的不断增加,我国电子商务交易规模也在不断地高速增长。电子商务这种新兴的购物方式也逐渐成为我国消费者较为常用的购物方式之一。在电子商务模式下,虽然各式各样商品充斥在消费者眼前,但由于缺少了销售人员的销售服务,消费者很容易迷失在海量的商品中而无法找到自己真正需要的商品。在这种情况下,电子商务推荐系统对于帮助消费者找到满足其需求的商品具有非常重要的作用。因此许多国内外专家学者将推荐系统作为对象进行研究。相比于B2B、B2C电子商务模式,C2C电子商务模式下商品更加丰富,因此研究此模式下得推荐系统更有意义。 本文通过总结吸取前人相关研究成果并在此基础上,结合C2C电子商务模式下消费者行为的特点,通过实证与实验相结合的研究方法,对基于C2C电子商务模式下的推荐系统进行应用研究。首先,本文在第一、二章中对推荐系统的定义、推荐方法的分类、网络消费者行为的定义、特点进行了系统全面的理论综述。其次,根据文献梳理内容,结合网络消费者决策购买过程选取了十项网络消费者决策影响因素并通过调研实证分析,进一步明确了三项网络消费者决策过程中最重要的影响因素应用到推荐系统研究中。最后,本文在协同过滤推荐方法的基础上,结合网络消费者影响因素进行了方法的改进,并进一步引入条件概率模型,提出了基于C2C电子商务模式下条件概率模型推荐方法并通过模拟仿真对三种推荐方法的推荐质量进行了对比。最终结果表明结合网络消费者影响因素之后的协同过滤推荐方法较引入前推荐质量更高,而条件概率模型推荐方法的推荐质量较前两种方法提高更为显著。 综上所述,本文通过将网络消费者决策影响因素引入到推荐方法中,使推荐方法更好的对消费者购买商品的潜在原因进行了挖掘,从而使推荐方法更好地满足了消费者的购买需求。这对于电子商务未来的发展具有重要意义。
【关键词】：C2C电子商务 推荐系统 协同过滤 条件概率 网络消费行为
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F224;F724.6
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-11
• 1 绪论11-16
• 1.1 研究背景及意义11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-13
• 1.2 研究目的与内容13-14
• 1.2.1 研究目的13
• 1.2.2 研究内容13-14
• 1.3 研究方法与技术路线14-15
• 1.3.1 研究方法14
• 1.3.2 技术路线图14-15
• 1.4 本文的主要创新点15-16
• 2 网络消费者行为与推荐系统相关理论16-28
• 2.1 网络消费者行为理论16-22
• 2.1.1 网络消费者行为的定义16-17
• 2.1.2 网络消费者行为特点17-18
• 2.1.3 网络消费者决策影响因素18-22
• 2.2 推荐系统相关理论22-26
• 2.2.1 协同过滤推荐23-24
• 2.2.2 基于内容过滤推荐24-25
• 2.2.3 基于关联规则推荐25
• 2.2.4 基于知识推荐25
• 2.2.5 国外推荐系统应用现状25-26
• 2.3 国内外推荐系统应用现状26-27
• 2.3.1 国外推荐系统应用现状26
• 2.3.2 国内推荐系统应用现状26-27
• 2.4 本章小结27-28
• 3 C2C电子商务模式下决策影响因素选取28-45
• 3.1 传统消费决策过程分析28-29
• 3.1.1 传统消费者购买商品基本流程28
• 3.1.2 传统消费者购买决策过程28-29
• 3.2 网络消费者购买决策过程分析29-31
• 3.2.1 网络消费者购买商品的基本流程29-30
• 3.2.2 网络消费者购买决策过程30-31
• 3.3 C2C电子商务模式下决策影响因素31-40
• 3.4 C2C电子商务模式下消费者决策影响因素实证研究40-44
• 3.4.1 调研样本容量40
• 3.4.2 问卷设计40
• 3.4.3 调研样本特征分析40-43
• 3.4.4 问卷的信度分析43
• 3.4.5 调研结果分析43-44
• 3.5 本章小结44-45
• 4 基于消费决策影响因素的C2C模式推荐系统研究45-60
• 4.1 电子商务推荐系统结构框架45-47
• 4.1.1 电子商务推荐系统结构45-46
• 4.1.2 电子商务推荐系统推荐流程46-47
• 4.2 协同过滤改进推荐算法研究47-50
• 4.2.1 协同过滤推荐基本原理47
• 4.2.2 协同过滤推荐步骤47-50
• 4.3 基于消费决策影响因素的C2C模式下协同过滤推荐算法50-54
• 4.3.1 价格评分处理过程51
• 4.3.2 信誉度评分处理过程51-52
• 4.3.3 支付方式评分处理过程52
• 4.3.4 评分预测过程52-54
• 4.4 基于消费决策影响因素的C2C模式下条件概率推荐算法54-58
• 4.4.1 条件概率模型推荐基本原理55-56
• 4.4.2 条件概率模型推荐步骤56-58
• 4.5 本章小结58-60
• 5 仿真与结果分析60-73
• 5.1 实验数据60-61
• 5.2 实验设计61-62
• 5.2.1 实验环境及数据集的选取61
• 5.2.2 实验结果度量标准61-62
• 5.3 实验过程62-70
• 5.3.1 训练集与测试集的划分63
• 5.3.2 用户-商品评价矩阵的生成63-64
• 5.3.3 C2C电子商务模式下协同过滤推荐64-68
• 5.3.4 C2C电子商务模式下条件概率模型推荐68-70
• 5.4 实验结果70-71
• 5.5 本章小结71-73
• 6 总结与展望73-75
• 6.1 研究结论73-74
• 6.2 研究展望74-75
• 参考文献75-79
• 攻读学位期间发表的学术论文79-80
• 附录80-82
• 致谢82

【参考文献】

中国期刊全文数据库 前10条

1 佘碧蓉;;利用ASP.NET 2.0实现动态的商品推荐[J];电脑与电信;2008年05期

2 周磊;影响消费者对在线营销商信任的因素分析[J];上海经济研究;2005年07期

3 徐琳;;网络购买决策的影响因素:卖家地域特征[J];经济论坛;2006年07期

4 吴奕;乐嘉锦;;基于上下文的分布式协同过滤推荐技术[J];计算机工程;2010年12期

5 丁振国,陈静;基于关联规则的个性化推荐系统[J];计算机集成制造系统-CIMS;2003年10期

6 黎星星,黄小琴,朱庆生;电子商务推荐系统研究[J];计算机工程与科学;2004年05期

7 张海燕,丁峰,姜丽红;基于模糊聚类的协同过滤推荐方法[J];计算机仿真;2005年08期

8 郭莹光;陈启买;;关注时事新闻的商品推荐模型[J];计算机应用与软件;2009年10期

9 金庭栋,周洁如;品牌名称对顾客购买决策行为的影响研究[J];科技管理研究;2005年05期

10 徐冬磊;汪祖柱;;C2C电子商务顾客满意度的影响因素及其模型[J];科技情报开发与经济;2010年03期

中国硕士学位论文全文数据库 前8条

1 马萌;一种B2C电子商务推荐系统的应用研究[D];电子科技大学;2006年

2 张钰;基于商品特征和层次的协同过滤推荐系统[D];华东师范大学;2008年

3 李明晶;基于web挖掘的电子商务个性化推荐系统研究[D];北京交通大学;2008年

4 周世东;Web数据挖掘在电子商务中的应用研究[D];北京交通大学;2008年

5 庄永龙;基于项目特征模型的协同过滤推荐算法研究[D];南京理工大学;2008年

6 曹毅;基于内容和协同过滤的混合模式推荐技术研究[D];中南大学;2007年

7 熊奇;基于知识地图的知识检索与推荐方法研究[D];上海交通大学;2009年

8 顾娉娉;基于商品类目结构的自适应推荐系统[D];浙江大学;2009年

  本文关键词：基于C2C电子商务模式下商品推荐系统应用研究，，由笔耕文化传播整理发布。

本文编号：286796