《武汉大学》2010年博士论文.doc 全文免费在线阅读

  本文关键词：电子商务环境下商品信息检索的若干问题研究，由笔耕文化传播整理发布。

网友ffy51856fy近日为您收集整理了关于电子商务环境下商品信息检索的若干问题研究--《武汉大学》2010年博士论文的文档，，希望对您的工作和学习有所帮助。以下是文档介绍：KKME---专业医学搜索引擎务环境下商品信息检索的若干问题研究--《武汉大学》2010年博士论文进入21世纪电子商务正以前所未有的速度发展,特别是我国目前网络购物用户已达到1.42亿,显示出电子商务市场强劲的发展势头。随着中小企业电子商务的应用趋向常态化,网络零售业务日常化,网络购物市场主体将日益强大,网络购物已经成为商业活动中的重要组成部分。随之电子商务网站越来越多,商务信息资源也越来越丰富,呈现出多样化、极端化、异构化的特征。在产生信息过载问题的同时,用户可以获取的有效信息却在相对缩小,网络购物过程中普遍存在“信息迷失”的现象。而公共搜索引擎(如Google、百度等)在查准率方面很难满足用户的要求,往往用户真实需要的商品信息不能方便、迅速地得以检索、获取,使得用户将大量的时间都消耗在排除无关、重复、冗余、不可信,甚至是虚假的信息上。因此在这些海量电子商务数据面前,如何快速、高效的检索出用户所真实需要的信息和商品,是商务信息检索目前迫切所要研究的问题。电子商务搜索引擎已经成为电子商务活动中人们获取商品、服务和信息的基本手段,是促进电子商务发展的一个重要因素,也是客户、商家和电子商务(来源：[])研究者十分关心的重要领域。然而,目前电子商务搜索面临诸多困难:电子商务网站的检索模式单一与信息孤岛问题;电子商务信息的领域约束性问题;网络购物用户检索需求的多样化与个KKME---专业医学搜索引擎题;网络商品信息的可信度问题,这些都给信息检索和电子商务带来了新的挑战。本文正是在上述背景和需求下,针对电子商务中的商品信息检索存在的问题进行的有意义的探索,论文的主要研究内容如下:(一)构建一个涵盖商品信息采集、组织、匹配、推荐的完整商品信息检索服务模型(ProductRank)。目前大多数电子商务网站提供的商品检索服务基本上还是以传统的关键字为主的商品搜索模式,检索系统无法获取用户的真实商品需要,本文从电子商务发展环境、企业和用户的需求出发,研究目前Web海量数据的复杂性与极端性,分析产生Web数据危机的现状与原因;对电子商务网站的信息特征进行了分析与提取,较全面地研究了电子商务商品信息检索需求;深入研究已有的电子商务搜索引擎和平台构建的技术,对国内外的商务搜索引擎进行了比较研究;分析电子商务环(来源：[])境下信息处理的特点,过滤选择商品信息,获取客户、商品的情境进行匹配,基于购买者对商品评价的智能挖掘,发现商品的特性与品质,从而形成一个从商品信息的采集、检索、组织,到可信推荐的完整商品检索服务平台。(二)提出一个基于电子商务领域的商品信息语义主题爬虫(ProductCrawler),实现采集商品信息的方法。随着互联网信息量的不断快速增长,Web已成为全球最大的知识库,其中就包括大量的电子商KKME---专业医学搜索引擎。如何快速而有效地定位这些信息就需要搜索引擎的帮助,然而目前的搜索引擎门户如Google、百度等,都不是专门为搜索特定领域信息而设计的,它们主要面向所有的用户,力求在返回结果集上做到更高的查全率。因此,用户真实需要的信息往往淹没在大量无用的数据中。在电子商务应用中,商务信息垂直搜索的检索范围就是与商品交易相关的信息,所以实现商品信息搜索引擎的首要任务就是构建一个高效的商品信息主题爬虫,完成商品信息的领域采集工作。本文所构建的语义爬虫在采集商品信息的过程中,基于领域本体的学习对电(来源：[])子商务领域参照物进行不断的调整与优化,将网页的主题链接分析与主题内容语义分析有机的结合起来,充分发挥两者的优势,达到更好的主题约束效应,防止主题漂移的发生,并保持较高的主题收获率。(三)构建用户需求和商品情境模型,提出基于情境相似度计算的用户商品匹配算法(ContextRank)。在商品信息的检索过程中,用户的需求是个性化与多样化并存,商品本身同样也具有适用性类。本文把这两者进行统一建模,试图构建用户购买需求情境、商品特性情境,更完整地对用户需求进行表达。并尝试实现情境感知获取方法,提出基于情境计算的定量商品需求匹配,得到基于语义情境距离的更精确的商品排序,让最符合当前用户需求的商品排在前列,尽可能地让最符合该用户需求的商品靠近消费者。(四)提出基于商品评论信息挖掘的商品可信推荐方法KKME---专业医学搜索引擎/(OpinionRank)。面对网上众多商家推销的海量商品,消费者在挑选商品时,特别是同一类商品有多个商家选择时往往不知所措。商家对所销售的商品都是积极的广告宣传,很难区分商品好坏(来源：[])的程度,很大程度上加大了网购的风险与难度。本文对于商品信息的可信问题进行了深入分析,把已经购买使用该商品的用户评价作为考量商品好坏可信度的来源,基于自然语言处理、概率统计方法和机器学习理论对商品评论信息进行挖掘,分析出商品特性以及特性的肯定否定极性程度,以进一步服务于商品精确排序,使整个商品信息检索系统具备可信推荐因子,从而使用户能够检索到最想购买的而且是具有可靠性的商品。(五)以图书商品信息检索为用例,以上述理论方法为基础设计开发了图书商品检索原型系统(BookRank)。系统基于商品主题语义爬虫抓取图书商品网页,形成网络图书商品垂直检索空间;感知不同读者的用户情境,实现图书的语义情境匹配;充分挖掘网络书评,以图书评论的极性程度定量形成可信推荐序列。并提出以用户购买期望率(PER)来验证BookRank检索质量的实验方法,根据对比实验数据证实了BookRank实现优质图书检索结果排序的功能。验证本文所提出的理论方法具有一定的实用性,达到了研究的预期效果,使得原型系统具有一定的应用价值,为今(来源：[])后进一步的研究提供了基础实验平台,从中也启示了电子商务网站需要一个强大的商品搜索引擎的重要性。总体上看,本文研究跨平台商品信息检索的方法与框架模型,为企KKME---专业医学搜索引擎户提供高效、高质量的商品信息获取手段,不仅可以解决电子商务应用中客户商品信息获取问题、商务信息组织问题,还可以为企业电子商务平台构建技术的一致性提出建议模型,提高商品检索服务质量,过滤垃圾商品信息,获取客户、商品的情境进行语义化匹配,基于购买者对商品评价的智能挖掘,发现商品的特性与品质,构建一个从商品信息的采集、检索、组织,到可信推荐的完整商品检索服务平台,对满足日益高涨的网络购物需求具有较高的应用价值。在理论方面,分析Web极端数据的特点,找出海量信息迷失的原因,剖析电子商务领域信息特征,形成一整套领域信息检索服务的方法。研究电子商务的信息层面问题,有助于信息化环境下信息资源管理

12>

  本文关键词：电子商务环境下商品信息检索的若干问题研究，由笔耕文化传播整理发布。