面向電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題的情境化推薦模型研究.pdf

1、隨著移動(dòng)商務(wù)、情境感知、物聯(lián)網(wǎng)的發(fā)展，電子商務(wù)的疆界被大大拓展，我們已經(jīng)步入一個(gè)商務(wù)信息“大數(shù)據(jù)”時(shí)代。然而，電子商務(wù)中海量、無(wú)序的業(yè)務(wù)信息與客戶(hù)需求之間的矛盾也日益凸顯。在這種環(huán)境下，一方面電商平臺(tái)獲取新客戶(hù)的成本急劇增加，另一方面電子商務(wù)企業(yè)想要維持和提高收益率，保留現(xiàn)有客戶(hù)和提升客戶(hù)持續(xù)性購(gòu)買(mǎi)意愿變得非常迫切。以B2C為應(yīng)用核心的電商平臺(tái)積累了海量的數(shù)據(jù)，但是客戶(hù)面臨“信息豐富、但有用信息獲取困難”的難題。如何根據(jù)客戶(hù)的喜好、歷史

2、網(wǎng)絡(luò)行為以及其他客戶(hù)群體興趣等信息，主動(dòng)為客戶(hù)提供符合其偏好的商品，提供個(gè)性化的信息推薦服務(wù)，從而激發(fā)客戶(hù)持續(xù)性地網(wǎng)上瀏覽、購(gòu)買(mǎi)等行為是電子商務(wù)平臺(tái)面臨的巨大挑戰(zhàn)。
　　個(gè)性化推薦方法作為客戶(hù)在海量商務(wù)信息中獲取偏好商品信息的重要手段，近年來(lái)受到了廣泛的關(guān)注。但是，電商平臺(tái)的客戶(hù)興趣具有復(fù)雜性，且購(gòu)買(mǎi)行為受到情境影響后變得更加地不確定性與跳躍性?，F(xiàn)有的個(gè)性化推薦服務(wù)未能很好的應(yīng)對(duì)上述問(wèn)題，導(dǎo)致客戶(hù)不斷流失。電商平臺(tái)迫切需要準(zhǔn)確高效

3、地提供既符合客戶(hù)內(nèi)外情境，又滿(mǎn)足客戶(hù)偏好的信息服務(wù)，即提供情境化推薦來(lái)支持客戶(hù)的持續(xù)性購(gòu)買(mǎi)行為。
　　為此，本論文“面向電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題的情境化推薦模型”，研究對(duì)象為B2C平臺(tái)的客戶(hù)，研究范疇是客戶(hù)的持續(xù)購(gòu)買(mǎi)問(wèn)題，以多維情境影響下的個(gè)性化推薦方法為手段，在分析電商客戶(hù)情境的多樣化、個(gè)性化以及動(dòng)態(tài)變化等特征的基礎(chǔ)上，以網(wǎng)絡(luò)消費(fèi)者決策行為理論、分布式認(rèn)知理論與馬斯洛需求層次理論等作為個(gè)性化推薦方法的理論基礎(chǔ)，綜合聚類(lèi)、決策樹(shù)、

4、關(guān)聯(lián)規(guī)則、馬爾科夫、協(xié)同過(guò)濾、本體建模等方法研究電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題的解決路徑，并應(yīng)用于電商平臺(tái)不同階段對(duì)客戶(hù)持續(xù)購(gòu)買(mǎi)的推薦服務(wù)中。主要研究工作如下:
　　1.面向電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題的情境化推薦模型研究電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題針對(duì)的是已經(jīng)在平臺(tái)上購(gòu)買(mǎi)過(guò)商品的老客戶(hù)，他們的興趣變化及購(gòu)物行為可以歸為兩種情況:第一種客戶(hù)的興趣在一定時(shí)期內(nèi)是穩(wěn)定的，針對(duì)這一類(lèi)型客戶(hù)，本文提出構(gòu)建分布式與差異化情境影響下的客戶(hù)興趣模型，然后利用

5、情境化推薦方法完成商品的推送;第二種客戶(hù)的興趣由于電商多維度情境的變化產(chǎn)生了漂移（分為漸進(jìn)式與突變式），針對(duì)這類(lèi)型客戶(hù)，本文建立動(dòng)態(tài)興趣模型并持續(xù)監(jiān)測(cè)來(lái)適應(yīng)客戶(hù)興趣的變化，利用自適應(yīng)的情境化推薦方法完成商品的推送。本研究創(chuàng)新性的提出涵蓋上述電子商務(wù)平臺(tái)客戶(hù)不同興趣特征的情境化推薦模型，多維度分析電子商務(wù)中的情境與客戶(hù)興趣特征，建立一個(gè)融合情境、客戶(hù)興趣的個(gè)性化推薦知識(shí)模型，作為情境化推薦應(yīng)用的知識(shí)支撐。
　　2.基于客戶(hù)敏感情境的

6、個(gè)性化推薦方法研究
　　針對(duì)電商平臺(tái)興趣未發(fā)生漂移的客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題。傳統(tǒng)推薦模型未能很好地考慮不同情境類(lèi)型對(duì)客戶(hù)需求的分布式和差異化影響，以及情境化推薦服務(wù)自適應(yīng)性差等不足，提出了基于客戶(hù)敏感情境的個(gè)性化推薦方法。該方法分析各種敏感情境類(lèi)型及其具體實(shí)例對(duì)客戶(hù)興趣的差異化影響，設(shè)計(jì)一種基于分布式認(rèn)知理論的客戶(hù)興趣提取算法;然后，結(jié)合分布式影響因子，提取出基于敏感情境認(rèn)知的多維度情境客戶(hù)興趣。在上述客戶(hù)興趣提取的基礎(chǔ)上，將提取出的敏

7、感情境引入到協(xié)同過(guò)濾推薦過(guò)程，計(jì)算情境化客戶(hù)興趣之間的相似度，并設(shè)計(jì)一種融入情境相似度的改進(jìn)協(xié)同過(guò)濾推薦算法。
　　3.考慮客戶(hù)興趣漸進(jìn)式漂移特征的情境化推薦方法研究
　　針對(duì)電商平臺(tái)興趣漸進(jìn)式漂移的客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題，首先提出了基于改進(jìn)型FP-Tree的關(guān)聯(lián)規(guī)則算法，有效的提升了電子商務(wù)環(huán)境下客戶(hù)興趣規(guī)則模式挖掘的效率;其次，定義了客戶(hù)的情境強(qiáng)度和情境關(guān)聯(lián)度，并對(duì)其進(jìn)行了量化處理。在此基礎(chǔ)上，提出了融入情境貢獻(xiàn)度的客戶(hù)興趣挖

8、掘及漂移偵測(cè)算法，完成對(duì)情境貢獻(xiàn)度影響下客戶(hù)興趣的建模與表達(dá)，并利用關(guān)聯(lián)規(guī)則置信度與支持度的變化來(lái)對(duì)情境化客戶(hù)偏好模式進(jìn)行漂移偵測(cè);最終，改進(jìn)基于項(xiàng)目的協(xié)同過(guò)濾推薦算法，采用關(guān)聯(lián)規(guī)則中項(xiàng)目的關(guān)系尋找候選項(xiàng)目集，且提出了將影響客戶(hù)興趣的情境貢獻(xiàn)度代替評(píng)分以應(yīng)對(duì)數(shù)據(jù)的稀疏性，提高了計(jì)算項(xiàng)目間相似度的準(zhǔn)確性。
　　4.考慮客戶(hù)興趣突變式漂移特征的情境化推薦方法研究
　　針對(duì)電商平臺(tái)興趣突變式漂移的客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題。考慮個(gè)性化推薦服

9、務(wù)中存在難以有效適應(yīng)外部情境與用戶(hù)認(rèn)知等心理因素變化帶來(lái)的興趣顯著進(jìn)化問(wèn)題，提出了一個(gè)新的情境化推薦方法。首先，行為動(dòng)機(jī)經(jīng)典理論——“馬斯洛需求層次理論”表明人的需求是會(huì)發(fā)生變化的，從而解釋了人的興趣會(huì)出現(xiàn)漂移原因。根據(jù)該原理設(shè)計(jì)了客戶(hù)商品或者類(lèi)別偏好、購(gòu)買(mǎi)行為與客戶(hù)需求層次的對(duì)應(yīng)機(jī)制;然后，利用上述機(jī)制提出了基于本體與隱馬爾科夫的客戶(hù)興趣層次判定算法，對(duì)客戶(hù)興趣進(jìn)行表達(dá)與建模;其次，引入客戶(hù)活躍度概念并提出融入情境的客戶(hù)活躍度計(jì)算方法

10、來(lái)解決推薦服務(wù)中的冷啟動(dòng)與稀疏性問(wèn)題;最終，提出融入客戶(hù)活躍度的動(dòng)態(tài)協(xié)同過(guò)濾推薦算法，持續(xù)監(jiān)測(cè)、學(xué)習(xí)客戶(hù)興趣變化規(guī)律，通過(guò)選擇性擴(kuò)充候選推薦內(nèi)容，以及判定跳躍式興趣趨勢(shì)來(lái)主動(dòng)適應(yīng)突變式漂移問(wèn)題。
　　5.面向電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題的情境化推薦應(yīng)用研究
　　將本研究提出的模型與方法應(yīng)用于電子商務(wù)情境下客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題中，設(shè)計(jì)推薦系統(tǒng)的體系框架并展開(kāi)具體應(yīng)用，通過(guò)實(shí)際數(shù)據(jù)來(lái)驗(yàn)證與分析本研究方法在某B2C電商平臺(tái)客戶(hù)持續(xù)購(gòu)買(mǎi)問(wèn)題