本书以电子商务中商品、商家、消费者、网购评语、访问日志等的海量数据为研究对象，运用大数据、Web数据挖掘、复杂网络、消费者行为分析、情感挖掘等理论方法，发现网购消费者行为模式的潜在规律及网购评语的情感倾向，构建消费者、商家、电商平台和监管部门等多视角的评语引导策略和建议，有助于商家提高商品和服务质量、网购消费者制定合理的购买决策、电商平台和监管部门提升监管水平。

第1章绪论1
1.1本书的撰写目的与意义1
1.2国内外研究状况2
1.3研究思路9
1.4主要研究内容11
1.5本章小结14
第2章网络数据采集与并行化计算方法15
2.1基于网络爬虫技术的网络文本数据采集15
2.2Spark基础与Spark分布式集群搭建25
2.3本章小结35
第3章网购消费者行为模式与影响因素分析36
3.1网购消费者行为分类与特征分析37
3.2消费者网购全过程模型43
3.3网购消费者网购意愿的影响因素分析与实证——以在校大学生为例47
3.4本章小结53
第4章考虑消费者评分与访问日志的商品推荐方法54
4.1协同过滤推荐算法及Slopeone算法54
4.2基于改进Slopeone算法的推荐方法60
4.3基于改进相似度和遗忘曲线的组合推荐算法65
4.4基于用户访问日志Hamming聚类和加权用户行为的混合推荐算法69
4.5推荐算法的应用研究78
4.6本章小结91
第5章面向零售商品销售记录的商品关联关系分析92
5.1基于艾宾浩斯遗忘曲线的零售商品模糊关联分析方法93
5.2基于复数权网络的零售商品关联分析方法102
5.3零售商品关联大数据稀疏网络的快速聚类算法110
5.4本章小结117
第6章大数据背景下网购评语的挖掘118
6.1网购评语高频词共现网络的结构特性分析119
6.2网购评语的情感分析与分类129
6.3电商平台中“水军”评论的识别方法182
6.4网购评语多主体引导策略191
6.5本章小结193
参考文献195