考慮產(chǎn)品特征的個性化推薦及應(yīng)用

定　價：￥68.00

作　者：	張明月著
出版社：	企業(yè)管理出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787516419311	出版時間：	2019-04-01	包裝：	平裝
開本：	32	頁數(shù)：	176	字數(shù)：

內(nèi)容簡介

　　隨著電子商務(wù)的滲透和用戶對個性化服務(wù)需求的激增，如何利用平臺上的海量行為數(shù)據(jù)，設(shè)計合適的算法以進行個性化產(chǎn)品推薦，成為企業(yè)在電商營銷中重點關(guān)注的問題。同時，深入了解已有推薦機制對消費者產(chǎn)生的行為影響，也能夠有效地幫助商家和平臺及時調(diào)整推薦策略。由此本書分別從技術(shù)視角和行為視角出發(fā)，針對同質(zhì)性產(chǎn)品和非同質(zhì)產(chǎn)品，對產(chǎn)品推薦的相關(guān)方法和行為影響進行介紹，較為完整地從多個角度豐富了對推薦系統(tǒng)的認識。此外，本書還介紹了以神經(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。以在線評論為數(shù)據(jù)源，對評論文本內(nèi)容分析并構(gòu)建產(chǎn)品兩兩之間的特征函數(shù)來對其關(guān)系建模。此外，從實際觀測結(jié)果出發(fā)，還考慮了在線評論的其他非文本特征，進一步提高關(guān)系挖掘的準確率。最后，通過電商平臺的真實數(shù)據(jù)分析了本書所介紹方法的有效性，并討論了該預(yù)測方法在不同參數(shù)和稀疏性水平數(shù)據(jù)集下的表現(xiàn)。填補了學術(shù)空白。

作者簡介

　　張明月，北京外國語大學國際商學院講師。于2012年獲得北京理工大學信息管理與信息系統(tǒng)專業(yè)學士學位，2017年獲得清華大學管理科學與工程博士學位，并于2015年9月至2016年9月赴美國亞利桑那大學作為聯(lián)合培養(yǎng)博士生學習訪問。主持1項國家自然科學青年基金，曾獲得2017年北京市優(yōu)秀博士畢業(yè)生、2017年清華大學優(yōu)秀博士論文、2012年北京市優(yōu)秀畢業(yè)生、和小林實中國經(jīng)濟研究獎學金等榮譽。研究方向為電子商務(wù)、推薦系統(tǒng)、和消費者行為。在主流國際期刊和會議上發(fā)表論文10余篇。

圖書目錄

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

第二章個性化推薦的發(fā)展趨勢和前沿動態(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 社會化推薦
2.2 推薦算法中的預(yù)測不確定性
2.2.1 聚合層次的預(yù)測不確定性
2.2.2 個體層次的預(yù)測不確定性
2.3 互補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 對消費者的影響
2.5.2 對產(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)測不確定性的個性化推薦方法
3.1 協(xié)同過濾方法介紹
3.2 預(yù)測不確定性的關(guān)鍵因素
3.3 對不確定性建模的二階段方法
3.3.1 置信度估計
3.3.2 后驗概率估計
3.4 考慮不確定性后的個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 評價測度
3.5.3 置信度估計方法的效果分析
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)品推薦對消費者支付意愿的影響
4.1 推薦系統(tǒng)中的互補品與替代品介紹
4.2 推薦中產(chǎn)品價格的影響
4.3 消費者兩階段決策過程
4.4 推薦對支付意愿影響的用戶實驗探究
4.4.1 實驗設(shè)計與用戶選擇
4.4.2 實驗步驟
4.4.3 因變量測度
4.5 實驗結(jié)果分析
4.5.1 操控檢查
4.5.2 主要實驗結(jié)果
4.5.3 魯棒性檢驗
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 非文本因素的實驗證據(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
6.1 考慮產(chǎn)品特征的個性化推薦總結(jié)
6.2 技術(shù)與行為視角下個性化推薦的未來趨勢

參考文獻