O2O電子商務(wù)視角下基于用戶相似性的服務(wù)推薦研究.pdf

1、O2O電子商務(wù)獨(dú)特的線上線下相結(jié)合的模式，使其既擁有傳統(tǒng)電子商務(wù)線上消費(fèi)的諸多優(yōu)勢，又可以讓消費(fèi)者體驗到線下消費(fèi)所帶來的樂趣，如何讓這兩方面的優(yōu)勢都發(fā)揮到最大化，是當(dāng)前 O2O電子商務(wù)發(fā)展所面臨的問題。傳統(tǒng)電子商務(wù)中服務(wù)推薦模型的應(yīng)用已經(jīng)比較成熟，它使得消費(fèi)者在購物時更便捷地找到意向產(chǎn)品，縮短了購物周期，不僅提高了用戶滿意度，同時增強(qiáng)了企業(yè)競爭力。O2O電子商務(wù)線上購買類似于傳統(tǒng)電子商務(wù)，因此將服務(wù)推薦模型應(yīng)用到O2O電子商務(wù)中也將取得

2、很好的效果。
　　基于以上考慮，本文通過度量用戶歷史消費(fèi)位置相似性、用戶對項目類別興趣度相似性和用戶評分相似性，最終確定目標(biāo)用戶的鄰居用戶，以產(chǎn)生服務(wù)推薦。在用戶歷史消費(fèi)位置相似性度量中，首先用 K-means聚類算法對所有消費(fèi)位置進(jìn)行聚類，得到若干消費(fèi)域，然后通過計算用戶訪問各消費(fèi)域次數(shù)之間的相似性，得到用戶歷史消費(fèi)位置相似性。本文改進(jìn)了傳統(tǒng)協(xié)同過濾算法，在其中融合用戶對項目類別興趣度相似性的度量和用戶評分相似性的度量。在用戶對

3、項目類別興趣度相似性度量中，先對所有項目分類，利用用戶對各類別的總評分次數(shù)計算用戶對各類別的興趣度，用戶對同一類別興趣度相近，其相似性就高；用戶評分相似性是通過用戶對各項目的評分計算得到。通過三次相似性度量產(chǎn)生鄰居用戶，利用鄰居用戶對各項目的評分，得到目標(biāo)用戶對未評分項目的預(yù)測評分，從而將預(yù)測評分較高的項目作為目標(biāo)用戶的推薦項目。
　　本文根據(jù)上述推薦思想構(gòu)建了服務(wù)推薦模型，模型對新用戶和非新用戶采用不同方法進(jìn)行服務(wù)推薦，解決了新

4、用戶進(jìn)入系統(tǒng)時產(chǎn)生的“冷啟動”問題。此模型是針對 O2O電子商務(wù)構(gòu)建的服務(wù)推薦模型，相比于傳統(tǒng)電子商務(wù)的服務(wù)推薦模型，不僅考慮到了用戶線下消費(fèi)位置可能對用戶購買意向產(chǎn)生的影響，而且改進(jìn)了直接利用所有用戶評分進(jìn)行服務(wù)推薦導(dǎo)致的問題。將此模型應(yīng)用到O2O電子商務(wù)環(huán)境，將使推薦效率更高，結(jié)果更準(zhǔn)確，用戶使用O2O電子商務(wù)進(jìn)行線上交易時更簡便和高效。
　　本文利用某團(tuán)購網(wǎng)站的部分消費(fèi)記錄進(jìn)行實證研究，將消費(fèi)記錄進(jìn)行數(shù)據(jù)預(yù)處理，任意選取某一