123,123

內(nèi)容簡(jiǎn)介

　　隨著電子商務(wù)的滲透和用戶對(duì)個(gè)性化服務(wù)需求的激增，如何利用平臺(tái)上的海量行為數(shù)據(jù)，設(shè)計(jì)合適的算法以進(jìn)行個(gè)性化產(chǎn)品推薦，成為企業(yè)在電商營(yíng)銷(xiāo)中重點(diǎn)關(guān)注的問(wèn)題。同時(shí)，深入了解已有推薦機(jī)制對(duì)消費(fèi)者產(chǎn)生的行為影響，也能夠有效地幫助商家和平臺(tái)及時(shí)調(diào)整推薦策略。由此本書(shū)分別從技術(shù)視角和行為視角出發(fā)，針對(duì)同質(zhì)性產(chǎn)品和非同質(zhì)產(chǎn)品，對(duì)產(chǎn)品推薦的相關(guān)方法和行為影響進(jìn)行介紹，較為完整地從多個(gè)角度豐富了對(duì)推薦系統(tǒng)的認(rèn)識(shí)。此外，本書(shū)還介紹了以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的非同質(zhì)產(chǎn)品的關(guān)系挖掘方法。以在線評(píng)論為數(shù)據(jù)源，對(duì)評(píng)論文本內(nèi)容分析并構(gòu)建產(chǎn)品兩兩之間的特征函數(shù)來(lái)對(duì)其關(guān)系建模。此外，從實(shí)際觀測(cè)結(jié)果出發(fā)，還考慮了在線評(píng)論的其他非文本特征，進(jìn)一步提高關(guān)系挖掘的準(zhǔn)確率。最后，通過(guò)電商平臺(tái)的真實(shí)數(shù)據(jù)分析了本書(shū)所介紹方法的有效性，并討論了該預(yù)測(cè)方法在不同參數(shù)和稀疏性水平數(shù)據(jù)集下的表現(xiàn)。填補(bǔ)了學(xué)術(shù)空白。

作者簡(jiǎn)介

　　張明月，北京外國(guó)語(yǔ)大學(xué)國(guó)際商學(xué)院講師。于2012年獲得北京理工大學(xué)信息管理與信息系統(tǒng)專(zhuān)業(yè)學(xué)士學(xué)位，2017年獲得清華大學(xué)管理科學(xué)與工程博士學(xué)位，并于2015年9月至2016年9月赴美國(guó)亞利桑那大學(xué)作為聯(lián)合培養(yǎng)博士生學(xué)習(xí)訪問(wèn)。主持1項(xiàng)國(guó)家自然科學(xué)青年基金，曾獲得2017年北京市優(yōu)秀博士畢業(yè)生、2017年清華大學(xué)優(yōu)秀博士論文、2012年北京市優(yōu)秀畢業(yè)生、和小林實(shí)中國(guó)經(jīng)濟(jì)研究獎(jiǎng)學(xué)金等榮譽(yù)。研究方向?yàn)殡娮由虅?wù)、推薦系統(tǒng)、和消費(fèi)者行為。在主流國(guó)際期刊和會(huì)議上發(fā)表論文10余篇。

圖書(shū)目錄

第一章引言
1.1電子商務(wù)與海量數(shù)據(jù)
1.2個(gè)性化與推薦系統(tǒng)
1.3技術(shù)與行為視角下推薦系統(tǒng)研究的價(jià)值

第二章個(gè)性化推薦的發(fā)展趨勢(shì)和前沿動(dòng)態(tài)
2.1 推薦系統(tǒng)整體概述
2.1.1 傳統(tǒng)推薦算法
2.1.2 社會(huì)化推薦
2.2 推薦算法中的預(yù)測(cè)不確定性
2.2.1 聚合層次的預(yù)測(cè)不確定性
2.2.2 個(gè)體層次的預(yù)測(cè)不確定性
2.3 互補(bǔ)性推薦與替代性推薦
2.4 推薦情境中產(chǎn)品關(guān)系挖掘方法介紹
2.5 推薦系統(tǒng)的行為影響
2.5.1 對(duì)消費(fèi)者的影響
2.5.2 對(duì)產(chǎn)品的影響
2.6 本章小結(jié)

第三章同質(zhì)產(chǎn)品中考慮預(yù)測(cè)不確定性的個(gè)性化推薦方法
3.1 協(xié)同過(guò)濾方法介紹
3.2 預(yù)測(cè)不確定性的關(guān)鍵因素
3.3 對(duì)不確定性建模的二階段方法
3.3.1 置信度估計(jì)
3.3.2 后驗(yàn)概率估計(jì)
3.4 考慮不確定性后的個(gè)性化推薦與排序方法
3.5 推薦方法在電影產(chǎn)品上的數(shù)據(jù)分析
3.5.1 數(shù)據(jù)描述
3.5.2 評(píng)價(jià)測(cè)度
3.5.3 置信度估計(jì)方法的效果分析
3.5.4 推薦和排序的效果分析
3.5.5 數(shù)據(jù)稀疏性與方法效率討論
3.6 本章小結(jié)

第四章非同質(zhì)產(chǎn)品推薦對(duì)消費(fèi)者支付意愿的影響
4.1 推薦系統(tǒng)中的互補(bǔ)品與替代品介紹
4.2 推薦中產(chǎn)品價(jià)格的影響
4.3 消費(fèi)者兩階段決策過(guò)程
4.4 推薦對(duì)支付意愿影響的用戶實(shí)驗(yàn)探究
4.4.1 實(shí)驗(yàn)設(shè)計(jì)與用戶選擇
4.4.2 實(shí)驗(yàn)步驟
4.4.3 因變量測(cè)度
4.5 實(shí)驗(yàn)結(jié)果分析
4.5.1 操控檢查
4.5.2 主要實(shí)驗(yàn)結(jié)果
4.5.3 魯棒性檢驗(yàn)
4.6 本章小結(jié)

第五章非同質(zhì)產(chǎn)品的關(guān)系挖掘方法介紹
5.1 文本結(jié)構(gòu)化介紹
5.2 基于在線評(píng)論的非同質(zhì)產(chǎn)品的關(guān)系挖掘方法
5.2.1 基本模型
5.2.2 多輸入模型
5.3 關(guān)系挖掘方法在亞馬遜數(shù)據(jù)上的應(yīng)用
5.3.1 非文本因素的實(shí)驗(yàn)證據(jù)
5.3.2 模型效果分析
5.3.3 魯棒性分析
5.4 本章小結(jié)

第六章結(jié)語(yǔ)
6.1 考慮產(chǎn)品特征的個(gè)性化推薦總結(jié)
6.2 技術(shù)與行為視角下個(gè)性化推薦的未來(lái)趨勢(shì)

參考文獻(xiàn)