![]()
内容推荐 网络消费者行为研究是以挖掘消费者需求为核心,进行新产品设计与开发、智能营销以及个性化推荐的前沿课题。本书是在全面梳理网络消费者产品搜寻、浏览与评价行为的基础上,实施用户画像建模与个性化推荐的经验总结,内容包括:(1)大数据时代推荐系统面临的机遇与挑战;(2)现有推荐系统研究的回顾与总结;(3)面向长尾产品的消费者观点态度挖掘;(4)基于消费者评价行为的推荐机制;(5)网络消费者搜索行为建模;(6)基于消费者查询行为的个性化推荐机制;(7)新零售背景下未来智能推荐系统的几种选择路径。 目录 1 大数据时代搜索技术面临的挑战 1.1 研究背景 1.2 研究问题与意义 1.3 研究内容与技术路线 2 个性化搜索的研究动态 2.1 在线评论的有用性研究 2.2 基于评论数据的搜索结果研究 2.3 搜索结果多样性相关研究 2.4 研究评述 3 面向长尾产品的特征 - 观点挖掘模型 3.1 问题描述 3.2 面向长尾产品的特征 - 观点挖掘模型构建 3.3 实验结果分析 3.4 本章小结 4 基于产品评价特征的多样化搜索结果识别研究 4.1 问题描述 4.2 预备知识 4.3 混合数据的统一相似性度量问题研究 4.4 多样化搜索结果识别算法构建 4.5 实验结果分析 4.6 本章小结 5 基于消费者动态偏好的多样化搜索结果识别研究 5.1 问题描述 5.2 消费者动态偏好分析模型构建 5.3 搜索结果最大相关 - 多样性问题研究 5.4 实验结果分析 5.5 本章小结 6 基于消费者在线查询的产品推荐问题研究 6.1 问题描述 6.2 基于在线查询的推荐框架构建 6.3 实验结果分析 6.4 本章小结 7 新零售背景下全渠道推荐机制研究的机遇与挑战 7.1 新零售背景下全渠道推荐机制研究的意义 7.2 全渠道推荐机制研究梳理 7.3 现有研究的不足与未来的研究方向 8 结论与展望 8.1 研究结论 8.2 研究展望 参考文献 |