【摘要】:随着移动互联网、移动通信技术、无线传感器网络和人工智能技术的迅速发展,以及智能手机、平板电脑等智能移动设备的广泛使用,移动电子商务日益渗透到生产、流通、消费等社会经济和人们日常生活的各个领域,成为电子商务未来新的增长领域。与传统电子商务相比,移动性和个性化是移动电子商务所独有的特征,为个性化推荐策略的建模与优化带来一系列亟需解决的问题,从而影响了推荐系统本应起到的预期作用,主要体现在如下三个方面:(1)推荐算法实时性的问题;(2)消费者对推荐产品满意度的问题;(3)无法提高企业销售量及交叉销售的问题。本文以实际移动电子商务系统为应用背景,在前人的研究基础上,通过对移动电子商务的特点进行分析,发现移动电子商务推荐过程属于一个连续的过程,如果只是离散地抓取其中一个环节进行优化,很难解决移动电子商务个性化推荐系统面临的困境,因此本文从技术视角研究并设计了基于改进的Apriori算法的移动电子商务的推荐系统模型,利用改进的Apriori算法实现推荐实时性和精确性的统一;从商务应用视角,运用智能优化方法来进行模型规划与求解,从而提高消费者满意度,实现企业销量的最大化,促进移动电子商务推荐系统的快速发展。本论文具体的研究工作如下:(1)移动电子商务推荐系统中Apriori算法的改进策略:本文在分析了移动电子商务的发展现状与其所具备的特征的基础上,发现目前移动电子商务个性化推荐系统的不足之处,针对传统的电子商务推荐系统采用的Apriori算法需要反复扫描数据库,频繁项挖掘效率低等问题,本文提出了改进的Apriori算法对移动电子商务交易数据库中的信息进行挖掘,做到推荐实时性和精确性的统一,最后以淘宝平台上某家网店的交易数据为对象,给出详细的操作方法和实验结果。(2)基于消费者主动决策的多源信息融合推荐策略:本文提出了多源信息融合的方法以及基于消费者主动决策的推荐产品优化方法。文章中提出在移动电子商务中,从多源渠道收集智能手机的第三方应用程序的消费者信息,然后利用改进的径向基函数(RBF)神经网络进行权值设置。在此基础上,利用改进的Dempster Shafer(D-S)证据理论进行信息融合和功率谱估计进行产品推荐。通过有效地保留并利用消费者在不同信息源中的消费行为和需求数据,并结合基于消费者在线主动决策的消费者满意度预测方法,从而推荐给消费者真正满意的产品,达到优化个性化推荐的结果。最后,在一个真实数据集上验证了所提出的分类模型,实验结果表明本章提出的方法相对于其他传统方法能够更好地为移动用户提供个性化推荐,从而提高消费者满意度。(3)面向推荐产品的个性化运费策略建模与优化:本文提出了吸引消费者购买推荐产品的个性化运费折扣模型。该模型通过对销售中的某一款产品进行运费折扣为促销手段来吸引消费者的注意力,然后根据消费者购买历史信息分析其偏好,从而推荐给消费者感兴趣的互补品、替代品以及独立品,通过提高消费者的转化率来提高企业产品销量。本文采用非线性规划对运费折扣率和推荐产品集合进行综合建模,运用遗传算法进行模型求解,得到面向推荐产品个性化运费折扣模型不仅能够帮助企业制定最优的运费折扣,在吸引客户流量的同时避免运费折扣带来的损失;而且能够根据运费折扣,制定最优的产品推荐组合,实现企业的促销销量最大化。最后,使用一个案例研究来说明该模型的有效性,并进行敏感性分析,从而验证该模型能够处理种类繁杂的产品和不断变化的消费需求,使电子零售商能够制定更好的决策来提高企业销售量,解决交叉销售的问题。针对移动电子商务推荐系统所面临的问题,本文从以上三个方面进行了解决,并通过基于淘宝平台上店铺的数据验证了模型的有效性。本文主要的创新点:通过改进Apriori算法来实现推荐系统的实时性;通过提出的优化模型及模型求解方法构建了基于消费者主动决策的多源信息融合模型,有效的提高了消费者满意度;通过构建面向推荐产品的运费折扣策略模型,有效地解决了企业销售量及交叉销售的问题。总之,本文将系统建模、数据挖掘等方法相结合,通过改进算法实现个性化推荐的实时性与准确性的统一,以智能优化方法来进行模型规划与求解,避免移动电子商务的信息超载问题,从而提高消费者满意度,实现企业销量的最大化,促进移动电子商务推荐系统的快速发展。
【图文】: 图 1-1 中国手机网民规模及其占整体网民比例与以 PC 机为主要界面的传统电子商务相比,移动电子商务为用户带来更捷、灵活、简单并且高质量的服务。移动电子商务能够使得消费者不受时间
图 2-1 移动电子商务框架互联网、移动终端、无线技术等相关技术完美的结合,使得移动电子商务移动性、可接收性、安全性、便利性、定位性、个性化、随时连接等特征。(1)移动性(ubiquity)在移动商务的所有特征中,移动性是表现得最为突出的特征,主要表现在者不受地点限制,能够在任意地点进行信息获取或者开展交易。对于像期货票这种对时间周期要求非常高的应用而言,移动商务中的移动性就变得非常。在目前的通信环境下,由于将无线通信系统作为其使用基础,因此,用户展移动商务过程中移动属性极为显著,能够运用移动设备在任意地点下进行或数据的传输等漫游服务。(2)可接收性(reachability)从用户的角度出发,可接收性对用户而言就是一种重要的需求。首先,可性将会使移动商务用户不再受到时间和地域的制约,用户能够对服务提供商送的信息和服务实现即时接受。其次,,众多移动设备已经采用蓝牙(bluetoot
【学位授予单位】:成都理工大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:F724.6
【参考文献】
相关期刊论文 前10条
1 潘程;;基于正相关关联规则挖掘分析的客户需求权重预测[J];中国管理信息化;2015年13期
2 崔春生;;移动电子商务推荐系统输入研究[J];情报工程;2015年01期
3 梁昌勇;冷亚军;王勇胜;戚筱雯;;电子商务推荐系统中群体用户推荐问题研究[J];中国管理科学;2013年03期
4 黄颖;;改进的Apriori算法在电子商务推荐系统中的应用[J];计算机与数字工程;2012年08期
5 方群;;文本数据挖掘中的进化信息算法[J];舰船电子工程;2010年08期
6 刘德喜;何炎祥;邢显黎;;一种新的频繁项集挖掘算法[J];计算机应用研究;2007年02期
7 方福前;20世纪西方微观经济学的发展与成果[J];教学与研究;2005年10期
8 江雷;基于并行遗传算法的弹性TSP研究[J];微电子学与计算机;2005年08期
9 赵宏立,庞小红,吴智铭;基因块编码的并行遗传算法及其在TSP中的应用[J];上海交通大学学报;2004年S1期
10 戴晓明,陈昌领,邵惠鹤,Kay Das,程铁鹏,茅雪飞;粗粒度并行遗传算法收敛性分析及优化运算[J];上海交通大学学报;2003年04期
相关博士学位论文 前7条
1 程小英;考虑主体行为特征的电子商务平台定价策略研究[D];中国科学技术大学;2016年
2 毕达天;B2C电子商务企业—客户间互动对客户体验影响研究[D];吉林大学;2014年
3 戴和忠;网络推荐和在线评论对数字内容商品体验消费的整合影响及实证研究[D];浙江大学;2014年
4 郭零兵;移动商务用户信任演化过程及影响因素研究[D];中南大学;2013年
5 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年
6 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
7 姜元春;基于智能优化方法的个性化营销策略研究[D];合肥工业大学;2011年
本文编号:
2645631
本文链接:https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/2645631.html