基于二次匹配的精准服务推荐研究

发布时间：2017-09-17 20:39

  本文关键词：基于二次匹配的精准服务推荐研究

  更多相关文章： 二次匹配 服务推荐 N维云模型 客户行为分析

【摘要】：服务业已成为国民经济的重要发展领域，现代服务业愈来愈受各国政府的高度重视。整体上看，我国产业活动单位的行业变化正朝着服务业，特别是新兴服务业的方向发展。信息技术的应用与新兴服务业的发展存在着相互促进关系，信息网络技术催生了现代化新兴服务业的发展。随着信息网络技术的发展，，服务推荐技术逐步成为企业界和学术界共同关注的重要研究方向。服务推荐已经从Web服务推荐领域，逐步运用到图书馆图书借阅推荐、云服务推荐、个性化医疗服务推荐、金融信息服务推荐等领域。当前，信息技术在服务领域的应用使得服务水平得到大幅度提升，但面对客户需求的日益个性化和差异化，仍需不断吸收先进的技术和理念持续提升服务质量来满足客户的需求。同时，目前很多服务推荐理论与算法是在小规模数据基础上发展起来的，随着大数据时代的到来，探讨适应大数据的服务推荐方法显得越来越迫切。 本研究综合应用数据挖掘、客户关系管理、智能决策、知识管理等IT技术和管理理论与方法，系统地从支持技术、知识结构、行为分析和匹配实现等过程提出一种强调主动服务的全新的服务推荐理论和方法。探讨客户群及个体客户管理技术，研究客户特征、客户需求以及客户服务均是多属性情况下的群级映射关系和个性化映射关系。根据客户群的这些定性特征，判断客户群之间的“质”的差异。基于个体特征差异，对个体粗略服务内容进行调整，得到精准的服务内容。最终实现从客户群级到个体客户级的精准服务推荐。 首先，构建客户-服务知识结构模型。基于本体论构建客户群体、个体客户、元服务及亚元服务领域本体模型，理清各个本体之间的关联，建立客户-服务知识结构模型，形成“客户全体-客户群体-个体客户”和“元服务-亚元服务-精准服务”的层次结构；其次，基于N维云模型对客户群体间相似性及个体特征差异进行精确度量。对已有的云模型进行推广，提出N维云模型，构建各种N维云模型发生器和N维云模型服务推理器，在此基础上，从定量计算角度，提出多属性客户群体间相似性精确度量算法和个体客户特征差异值精确度量算法；再次，实现服务规则二次匹配。第一次匹配是客户群与元服务之间的匹配，探求客户群的共性特征和元服务项目之间在内容与时间上的关联规则，从元服务当中找出符合各个客户群共性特征的服务项目集合。第二次匹配是个体客户与亚元服务之间的匹配，探求客户的个性特征与亚元服务项目之间在内容与时间上的关联规则，从而推理出符合客户个性特征的精准服务内容；最后，通过实例数据仿真，验证了本文所提出的二次匹配算法能够提高客户服务的精准度和效率。 本文的主要创新点有：①构建了N维云模型。本文基于已有的一维、二维和三维云模型基础上，将普通云模型推广到任意维度，给出N维云模型的定义和实现算法。使得云模型能够更广泛地运用于管理领域；②提出了客户群体间相似性度量算法。基于已有的研究成果，提出一种新的基于N维云模型的多属性群体间相似性度量算法，该方法克服了传统方法的缺陷，满足相似性度量的性质。通过实证分析，验证了该方法的有效性；③提出个体客户个性行为特征差异的度量方法。分别提出基于隶属度的个性差异度量方法和基于客户群标准人的差异性度量方法来测度个体客户特征与其所属客户群共性特征之间的差异大小；④在服务管理领域首次提出二次匹配的思想与方法。设计服务匹配推理器，从客户群体层次上，基于客户群共性特征实现客户群与元服务项目集的匹配，基于个体特征差异因子实现个体客户与服务项目的精准匹配。
【关键词】：二次匹配 服务推荐 N维云模型 客户行为分析
【学位授予单位】：武汉理工大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：F719;F224
【目录】：

• 摘要5-7
• Abstract7-10
• 目录10-12
• 第1章 绪论12-33
• 1.1 研究的背景与意义12-15
• 1.1.1 研究背景12-14
• 1.1.2 研究目的与意义14-15
• 1.2 国内外研究现状15-28
• 1.2.1 二次匹配理论研究现状15-17
• 1.2.2 精准服务推荐研究现状17-19
• 1.2.3 客户与服务知识及概念分层研究现状19-23
• 1.2.4 客户行为分析研究现状23-27
• 1.2.5 国内外研究现状总结27-28
• 1.3 研究内容和研究方法28-33
• 1.3.1 研究目标28
• 1.3.2 主要研究内容28-30
• 1.3.3 研究方法30-33
• 第2章 基于二次匹配的精准服务推荐理论及其应用价值分析33-55
• 2.1 传统服务推荐方法存在的缺陷33-38
• 2.1.1 传统服务推荐方法基本都局限于单次匹配的思想33-34
• 2.1.2 传统服务推荐方法不能很好地处理不确定性问题34-38
• 2.2 基于二次匹配的精准服务推荐的相关概念及理论基础38-51
• 2.2.1 基于二次匹配的精准服务推荐的相关概念和框架38-40
• 2.2.2 基于二次匹配的精准服务推荐的理论基础—云模型40-51
• 2.3 基于二次匹配的精准服务推荐的优势及其应用价值51-54
• 2.3.1 基于二次匹配的精准服务推荐的优势51-52
• 2.3.2 基于二次匹配的精准服务推荐的应用价值52-54
• 本章小结54-55
• 第3章 面向二次匹配的知识结构模型构建55-82
• 3.1 基于本体的客户知识结构模型构建57-65
• 3.1.1 基于本体的客户群体知识结构模型构建57-62
• 3.1.2 基于本体的个体客户知识结构模型构建62-65
• 3.2 基于本体的服务知识结构模型构建65-70
• 3.2.1 基于本体的元服务知识结构模型构建65-68
• 3.2.2 基于本体的亚元服务知识结构模型构建68-70
• 3.3 基于本体的客户与服务总体知识框架70-74
• 3.3.1 客户与服务知识的获取来源70-71
• 3.3.2 客户与服务各子类知识之间的关联71-74
• 3.4 客户与服务数据的预处理与转换74-81
• 3.4.1 客户与服务数据预处理的主要内容74-75
• 3.4.2 客户与服务数据的粒度分析75-81
• 本章小结81-82
• 第4章 面向二次匹配的客户群及个性行为分析模型82-106
• 4.1 客户群体行为分析模型82-97
• 4.1.1 客户群多层级划分83-87
• 4.1.2 客户群体间相似性度量87-93
• 4.1.3 客户群共性特征提取93-97
• 4.2 客户个性行为分析模型97-105
• 4.2.1 客户个体群归属的确定97-100
• 4.2.2 客户个体及客户群体的动态调整100-102
• 4.2.3 客户个性差异的度量102-105
• 本章小结105-106
• 第5章 精准服务项目的产生与发布106-120
• 5.1 基于云模型的服务推理器设计107-112
• 5.2 客户群与元服务项目之间的匹配112-114
• 5.3 个体客户与亚元服务项目之间的匹配114-118
• 5.4 精准服务项目的发布118-119
• 本章小结119-120
• 第6章 基于二次匹配的精准服务推荐仿真分析120-141
• 6.1 客户与服务知识本体构建的仿真分析120-127
• 6.1.1 客户与服务知识本体的应用实现120-124
• 6.1.2 客户与服务信息的粒化与概念提升124-127
• 6.2 客户群共性及个性行为仿真分析127-137
• 6.2.1 客户群体间相似性的度量127-130
• 6.2.2 客户群共性特征的提取130-135
• 6.2.3 客户个性差异的度量135-137
• 6.3 客户与服务之间二次匹配的仿真分析137-140
• 本章小结140-141
• 第7章 全文总结与研究展望141-145
• 7.1 全文总结141-142
• 7.2 本文创新点142-144
• 7.3 研究展望144-145
• 致谢145-146
• 参考文献146-157
• 附录一 攻读博士学位期间发表论文及参与科研项目157-158
• 附录二 公开发表的学术论文与博士学位论文的关系158-159
• 附录三 主要仿真程序159-164

【参考文献】

中国期刊全文数据库 前10条

1 李春梅;吴云峰;;基于客户个性偏好的服务匹配与选择的研究[J];楚雄师范学院学报;2007年06期

2 陆欢;吴庆宪;姜长生;;多传感器图像的二次匹配算法[J];电光与控制;2008年01期

3 裘江南;仲秋雁;崔彦;;服务匹配模型中综合语义匹配方法研究[J];大连理工大学学报;2007年06期

4 翟社平;魏娟丽;李增智;;基于Agent协商的语义Web服务知识模型[J];东南大学学报(自然科学版);2009年06期

5 杨云升;陈伟;;逆云模型在语音音质评估中的应用[J];电声技术;2007年05期

6 卢捍华;张凌云;;电信CRM中的客户特征管理[J];电信科学;2007年08期

7 修保新,吴孟达;图像模糊信息粒的适应性度量及其在边缘检测中的应用[J];电子学报;2004年02期

8 刘禹;李德毅;张光卫;陈桂生;;云模型雾化特性及在进化算法中的应用[J];电子学报;2009年08期

9 李海林;郭崇慧;邱望仁;;正态云模型相似度计算方法[J];电子学报;2011年11期

10 葛淑杰;;基于数据挖掘技术的CRM系统中客户行为[J];辽宁工程技术大学学报;2007年02期

中国博士学位论文全文数据库 前6条

1 徐旭林;社会群体行为建模及其动力学分析[D];南开大学;2010年

2 蔡盈芳;基于本体的航空产品知识库构建研究[D];北京交通大学;2011年

3 喻立;面向服务供应链的客户知识管理研究[D];武汉理工大学;2011年

4 葛继科;语义网格环境中的服务匹配研究[D];西南大学;2009年

5 邓晓懿;移动电子商务个性化服务推荐方法研究[D];大连理工大学;2012年

6 谢琪;基于协同过滤与QoS的个性化Web服务推荐研究[D];重庆大学;2012年

本文编号：871216