電子商務(wù)企業(yè)個性化推薦分析研究

13/14電子商務(wù)企業(yè)個性化推薦分析研究[文檔副標(biāo)題]學(xué)校：西安電子科技大學(xué)學(xué)校：西安電子科技大學(xué)學(xué)生：馬化騰摘要：電子商務(wù)個性化推薦系統(tǒng)在電子商務(wù)過程中應(yīng)用知識發(fā)現(xiàn)技術(shù),針對不同的用戶,對產(chǎn)品和服務(wù)作出個性化推薦。隨著互聯(lián)網(wǎng)的蓬勃發(fā)展,電子商務(wù)的虛擬購物環(huán)境既為企業(yè)提供了新的發(fā)展機(jī)遇,也給用戶提出了如何處理Web商品信息過載問題的挑戰(zhàn),推薦系統(tǒng)作為個性化服務(wù)的一種方式,能夠向用戶推薦其感興趣的項目,輔助用戶作出決策,成為用戶網(wǎng)上購物的有力助手。在電子商務(wù)領(lǐng)域，隨著商品信息不斷增加，如果電子商務(wù)網(wǎng)站需要獲得更高的效益，則必須更好的滿足用戶的需求。個性化推薦系統(tǒng)能很好的完成這一任務(wù)。使用戶更容易找到自己感興趣的商品。個性化推薦系統(tǒng)可以提高用戶的忠誠度及滿意度，為企業(yè)創(chuàng)造更多的價值。本文在對電子商務(wù)中的數(shù)據(jù)倉庫、個性化推薦系統(tǒng)以及消費(fèi)者心理進(jìn)行深入研究的基礎(chǔ)上，重點(diǎn)評述了電子商務(wù)個性化推薦領(lǐng)域中的研究熱點(diǎn)問題,并分析了目前國內(nèi)電子商務(wù)個性化推薦理論研究和應(yīng)用現(xiàn)狀,最后提出了電子商務(wù)個性化推薦領(lǐng)域所面臨的挑戰(zhàn)。隨著社交媒體的廣泛應(yīng)用,在電子商務(wù)行為中,消費(fèi)者很大程度上的購買決策除了會受到消費(fèi)者自身心理影響外還會受到他人因素的影響,尤其是好友的影響。本文提及了社交媒體網(wǎng)絡(luò)下,用戶評論和銷量對于推薦模型的影響,建立了基于社交媒體中好友的評論的個性化推薦模型。通過從國內(nèi)的社交網(wǎng)絡(luò)中采集相關(guān)數(shù)刁尾,對模型的效果進(jìn)行了驗證。關(guān)鍵詞：電子商務(wù)；消費(fèi)者心理；個性化推薦；好友影響；推薦模型目錄第一章緒論31.1研究背景31.1.1電子商務(wù).31.1.2個性化推薦51.1.3消費(fèi)者心理研究5第二章個性化推薦系統(tǒng)與消費(fèi)者心理62.1數(shù)據(jù)倉庫與個性化推薦系統(tǒng).62.1.1電子商務(wù)中的數(shù)據(jù)倉庫.62.1.2點(diǎn)擊流數(shù)據(jù)倉庫..62.1.3個性化推薦系統(tǒng)72.1.4本章小結(jié)7第三章：基于好友影響的個性化推薦模型73.1研究對象選取73.2模型的總體設(shè)計83.3模型構(gòu)建及假設(shè).93.4數(shù)據(jù)獲取及驗證.103.5個性化推薦系統(tǒng)的研究結(jié)論103.5.1.模型驗證103.5.2模型分析及結(jié)果113.5.3本章小結(jié)11第四章：結(jié)論與展望114.1建議總結(jié)11參考文獻(xiàn)12第一章緒論1.1研究背景1.1.1電子商務(wù)電子商務(wù)(EC,ElectronicCommerce)通常是指是在全球各地廣泛的商業(yè)貿(mào)易活動中，在因特網(wǎng)開放的網(wǎng)絡(luò)環(huán)境下，基于瀏覽器/服務(wù)器應(yīng)用方式，買賣雙方不謀面地進(jìn)行各種商貿(mào)活動，實現(xiàn)消費(fèi)者的網(wǎng)上購物、商戶之間的網(wǎng)上交易和在線電子支付以及各種商務(wù)活動、交易活動、金融活動和相關(guān)的綜合服務(wù)活動的一種新型的商業(yè)運(yùn)營模式。電子商務(wù)網(wǎng)站的建設(shè)比較容易，但如何讓電子商務(wù)網(wǎng)站發(fā)揮更高的效益則是困難的事情。為此，網(wǎng)站的經(jīng)營者必須使其能更多地吸引客戶，并能提高客戶忠誠度，帶來經(jīng)濟(jì)效益。在Internet環(huán)境下，客戶的時間和空間是不受限制的，在不需要資金的投入的前提下就能夠了解許多企業(yè)的產(chǎn)品，能夠很容易地掌握供應(yīng)商、供應(yīng)商的競爭對手及所有服務(wù)商的產(chǎn)品和服務(wù)信息，從而能夠以最低的價格購買到合適的產(chǎn)品。因而，電子商務(wù)業(yè)務(wù)的競爭就比傳統(tǒng)的業(yè)務(wù)競爭更加激烈。為了獲得更多的成功，電子商務(wù)必須能夠適應(yīng)不斷變化的市場需求。如何吸引客戶，提高客戶的忠誠度便成為了企業(yè)競爭制勝的關(guān)鍵。中國于1993年開始引入電子商務(wù),并且我國政府在國內(nèi)大力推廣電子商務(wù)。1996年9月,中國銀行完成了中國第一筆網(wǎng)上交易,同年同月招商銀行開始實現(xiàn)網(wǎng)上交易,并成為國內(nèi)最為完善的網(wǎng)上支付系統(tǒng)。1998年是我國的電子商務(wù)年,但政府的推動并沒有帶來國內(nèi)電子商務(wù)的快速發(fā)展,電子商務(wù)在中國開始由概念向?qū)嵺`的轉(zhuǎn)變的契機(jī)是2(X)3年蔓延的非典疫情況,由于疫情帶來了電子商務(wù)的快速普及,從而使人們真正體會到了電子商務(wù)所帶來的好處。同時互聯(lián)網(wǎng)在中國的快速發(fā)展為電子商務(wù)的發(fā)展創(chuàng)造了有利條件。2(X)8年底中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的《第19次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示,截至2(X)8年12月31日,中國上網(wǎng)用戶總數(shù)達(dá)到5.87億人。國務(wù)院新聞辦公室副主任蔡名照在上海召開的第二屆中美互聯(lián)網(wǎng)論壇上發(fā)布統(tǒng)計數(shù)據(jù)表明,2008年6月底,我國網(wǎng)絡(luò)購物用戶人數(shù)達(dá)到6329萬,半年內(nèi)增加了36.4%。據(jù)商務(wù)部預(yù)計,未來10年,將有70%的貿(mào)易額通過電子商務(wù)完成,電子商務(wù)將成為主流商業(yè)經(jīng)濟(jì)模式。電子商務(wù)根據(jù)參與對象的不同可分為BZB的電子商務(wù)、BZC的電子商務(wù)和CZC的電子商務(wù)。B是指business即企業(yè);C是指consumer即個人。BZB的電子商務(wù)是指企業(yè)與企業(yè)間所進(jìn)行的電子商務(wù),BZC的電子商務(wù)是指企業(yè)與個人之間所進(jìn)行的電子商務(wù),而CZC的電子是指個人與個人之間所進(jìn)行的的電子商務(wù)。我國電子商務(wù)剛開始發(fā)展時主要是BZC模式,近幾年CZC模式和BZB模式的電子商務(wù)。我國電子商務(wù)剛開始發(fā)展時主要是BZC模式,近幾年CZC模式和BZB模式的電子商務(wù)在中國也取得了良好的發(fā)展。但在我國目前的電子商務(wù)交易中,目前BZB的電子商務(wù)仍占據(jù)最大的市場份額.根據(jù)艾瑞咨詢公司發(fā)布的統(tǒng)計數(shù)據(jù),2(X)5年,我國的BZB電子商務(wù)市場交易規(guī)模達(dá)到了6500億元,2006年中國BZB電子商務(wù)市場交易規(guī)模達(dá)到了1.28萬億元,2007年中國BZB電子商務(wù)市場交易規(guī)模達(dá)到了2.12萬億元,2008年中國BZB電子商務(wù)市場交易規(guī)模達(dá)到了2.%萬億元,增長幅度驚人;預(yù)計2011年我國BZB電子商務(wù)交易規(guī)?？蛇_(dá)到6.32萬億元。根據(jù)艾瑞咨詢公司發(fā)布的統(tǒng)計數(shù)據(jù),2(X)2一012年中國BZB電子商務(wù)交易規(guī)模如圖1一1所示(單位:億元)我國的BZC的電子商務(wù)在2(X場年以后也得到了快速發(fā)展。目前,BZC的電子商務(wù)已經(jīng)在中國形成了一定的市場規(guī)模。根據(jù)艾瑞咨詢公司發(fā)布的統(tǒng)計數(shù)據(jù),2加5年中國BZc的電子商務(wù)市場交易規(guī)模達(dá)到20億元,2(X巧年中國BZC的電子商務(wù)市場交易規(guī)模達(dá)到28億元,2007年中國BZc的電子商務(wù)市場交易規(guī)模達(dá)到43億元,2(X)8年中國BZC的電子商務(wù)市場交易規(guī)模達(dá)到80億元。預(yù)計2011年我國BZC的電子商務(wù)交易規(guī)?？蛇_(dá)到422億元。我國CZC的電子商務(wù)雖然在電子商務(wù)市場中的所占的交易份額比較低,但最近幾年一直保持高速增長。據(jù)不完全統(tǒng)計,中國CZC電子商務(wù)市場2008年第1季度總體市場交易規(guī)模達(dá)到205.4億元人民幣,較2007年第4季度增長34.6%。其中在線商品數(shù)為13603萬件,較2(X)7年第4季度環(huán)比增長19%,同比增長52%。根據(jù)艾瑞咨詢公司發(fā)布的統(tǒng)計數(shù)據(jù),2005年中國CZC電子商務(wù)市場交易規(guī)模達(dá)到137億元,2(X)6年中國CZC電子商務(wù)市場交易規(guī)模達(dá)到230億元,2(X)7年中國CZC電子商務(wù)市場交易規(guī)模達(dá)到518億元,2008年中國CZc電子商務(wù)市場規(guī)交易模達(dá)到1014億元。預(yù)計2011年我國BZC電子商務(wù)交易規(guī)?？蛇_(dá)到3638億元。根據(jù)艾瑞咨詢公司發(fā)布的統(tǒng)計數(shù)據(jù),2(X)2一012年中國BZC的電子商務(wù)和CZC電子商務(wù)市場交易規(guī)模如圖1一所示彈位:億動。1.1.2個性化推薦電子商務(wù)給傳統(tǒng)的商務(wù)交易帶來了革命性的變化，從而要求“以產(chǎn)品為中心”向“面向客戶”、“以客戶為中心”的新的商業(yè)模式的轉(zhuǎn)變，要求電子商務(wù)網(wǎng)站按客戶群劃分產(chǎn)品，圍繞客戶進(jìn)行服務(wù)，為客戶提供所需要的商品或信息，所以給予顧客提供個性化的服務(wù)成必然趨勢。在這種背景下，推薦系統(tǒng)(RecommenderSystem)[1]應(yīng)運(yùn)而生，電子商務(wù)推薦系統(tǒng)就是根據(jù)客戶的愛好、習(xí)慣，模仿銷售人員推薦信息、商品等的程序。目前很多大型電子商務(wù)網(wǎng)站都不同程度使用了推薦系統(tǒng)[2]。在電子商務(wù)的虛擬環(huán)境下，商家能夠在網(wǎng)上提供的商品種類和數(shù)量非常多，但用戶很難在海量數(shù)據(jù)中方便快捷地發(fā)現(xiàn)自己感興趣的商品，用戶既不愿意花太多時間尋找商品，也不可能像在物理環(huán)境下檢查商品的質(zhì)量。因此，用戶很需要電子商務(wù)網(wǎng)站提供一種具有輔助推薦功能的程序來幫助其選購商品，并能針對每一位用戶的興趣愛好自動地推薦。個性化推薦技術(shù)是電子商務(wù)推薦系統(tǒng)中最核心、最關(guān)鍵的技術(shù)，很大程度上決定了推薦系統(tǒng)性能的優(yōu)劣。1.1.3消費(fèi)者心理研究個性化推薦最根本的目的是讓商家得到最大利潤的同時讓用戶購買到最合適的產(chǎn)品。究其本質(zhì)，就是使商家了解和掌握用戶的消費(fèi)心理。因此在個性化推薦的研究中，極有必要了解和掌握用戶的消費(fèi)心理。消費(fèi)者心理學(xué)是心理學(xué)的一種，雖然在20世紀(jì)20年就已經(jīng)有對消費(fèi)者心理的研究，但它是在20世紀(jì)60年代才發(fā)展起來的。1960年美國心理協(xié)會是在《消費(fèi)者心理》雜志的資助下成立的。此后消費(fèi)者心理才開始被大家廣泛的重視。研究消費(fèi)者心理的基本目的表現(xiàn)在兩個方面[5]：(1)研究消費(fèi)者的心理，為工商企業(yè)的生產(chǎn)、經(jīng)營和管理提供決策信息，指導(dǎo)工商企業(yè)的生產(chǎn)、經(jīng)營和管理。(2)研究消費(fèi)者的需要、動機(jī)與消費(fèi)體驗等，促使企業(yè)提高產(chǎn)品質(zhì)量和服務(wù)水平，最終為消費(fèi)者提供更好的服務(wù)。消費(fèi)者認(rèn)為一種產(chǎn)品好、有一定價值也正是他們所需要的，他們便有可能購買；如果這種產(chǎn)品的樣式讓消費(fèi)者不滿意，或者價格難以接受，或者別的牌子比這個牌子更好，那么消費(fèi)者就不一定購買。企業(yè)要達(dá)到賣出產(chǎn)品的目的，應(yīng)當(dāng)了解消費(fèi)者購買產(chǎn)品的可能性，研究消費(fèi)者的想法、愿望、購買動機(jī)或購買行為，這就是我們要研究消費(fèi)者心理的首要原因。只有對消費(fèi)者的心理有了更加詳細(xì)深入的了解，掌握不同人群的消費(fèi)心理，才能對他們給予更好的幫助和指導(dǎo)。針對不同的消費(fèi)者，根據(jù)他們的個人喜好、習(xí)慣和興趣給予推薦，會提高消費(fèi)者對網(wǎng)站的忠誠度及滿意度。個性化推薦是電子商務(wù)網(wǎng)站提高用戶忠誠度和滿意度的一種非常行之有效的手段。第二章個性化推薦系統(tǒng)與消費(fèi)者心理在電子商務(wù)中，商家為了適應(yīng)消費(fèi)者不斷變化的需求，獲得更多的利潤，就必須提高用戶對自己的忠誠度，就必須提供給用戶更人性化的服務(wù)。個性化推薦系統(tǒng)能很好的實現(xiàn)商家的愿望。通過對電子商務(wù)網(wǎng)站點(diǎn)擊流數(shù)據(jù)的處理、分析以及挖掘，商家能夠輕易的得到消費(fèi)者的需求。2.1數(shù)據(jù)倉庫與個性化推薦系統(tǒng)上世紀(jì)末，隨著網(wǎng)絡(luò)的發(fā)展，電子商務(wù)網(wǎng)站逐步興起。電子商務(wù)的興起給現(xiàn)實中的商品交易很大的沖擊，數(shù)據(jù)量、速度和多樣性是電子商務(wù)需要面對的沖擊和挑戰(zhàn)。這些問題都是需要商家以及消費(fèi)者共同面對的問題。2.1.1電子商務(wù)中的數(shù)據(jù)倉庫數(shù)據(jù)倉庫的創(chuàng)始人BillInmon認(rèn)為數(shù)據(jù)倉庫是為支持管理決策建立的，面向主題的，綜合的，穩(wěn)定的，隨時間變化的數(shù)據(jù)集合[23]。傳統(tǒng)的數(shù)據(jù)庫有以下幾個特點(diǎn)：面向主題的數(shù)據(jù)。綜合的數(shù)據(jù)。數(shù)據(jù)的時間特性。2.1.2點(diǎn)擊流數(shù)據(jù)倉庫提到電子商務(wù)中的數(shù)據(jù)倉庫，就不得不提到點(diǎn)擊流數(shù)據(jù)倉庫[25]。支撐電子商務(wù)中數(shù)據(jù)倉這一復(fù)雜的體系結(jié)構(gòu)的基礎(chǔ)就是點(diǎn)擊流數(shù)據(jù)倉庫。所有的在線服務(wù)都用Web服務(wù)器日志文件記錄了用戶的每一次點(diǎn)擊活動，這些日志文件被抽取并裝載到點(diǎn)擊流數(shù)據(jù)倉庫中去。來自商業(yè)交易系統(tǒng)中的其他交易信息通常用于充實點(diǎn)擊流數(shù)據(jù)。一個點(diǎn)擊流數(shù)據(jù)倉庫的主要數(shù)據(jù)源是網(wǎng)站的Web服務(wù)器日志文件集。這些日志包含了訪問這個Web站點(diǎn)的每個訪問者的事務(wù)執(zhí)行記錄。通常應(yīng)用于Web服務(wù)器中的日志文件格式有很多，但多數(shù)常用的Web服務(wù)器軟件可以根據(jù)3種公開的標(biāo)準(zhǔn)日志文件格式中的一種來記錄日志文件。這3中格式開放格式是：NCSA的普通日志格式（CLF:CommonLogFormat）、NCSA的擴(kuò)展日志格式（ECLF:ExtendedLogFormat）、和W3C的擴(kuò)展日志文件（ExLF:ExtendedLogFileFormat）。日志數(shù)據(jù)所包含的主要信息有：日期、時間、客戶IP地址、用戶名、服務(wù)器名、服務(wù)器IP地址、服務(wù)器端口、方法、用戶所請求的頁面等。表面上看，這些數(shù)據(jù)中的一部分在點(diǎn)擊流數(shù)據(jù)倉庫中有明顯的用處，有些卻沒有用。但在無狀態(tài)的HTTP協(xié)議的上下文環(huán)境中，這些日志除了說明這個事物是在什么時候發(fā)生外，還需要它們鏈接在多重的日志文件中的記錄。通過日志文件中連續(xù)的記錄，我們就可以更清楚的認(rèn)識用戶的行為和目的。因此，如果沒有點(diǎn)擊流數(shù)據(jù)倉庫，電子商務(wù)就顯得非常盲目，完全不理解它與用戶間的商業(yè)關(guān)系。點(diǎn)擊流數(shù)據(jù)倉庫對于電子商務(wù)的重要性比相應(yīng)的傳統(tǒng)數(shù)據(jù)倉庫對于傳統(tǒng)商業(yè)的重要性要高得多。2.1.3個性化推薦系統(tǒng)在電子商務(wù)中，個性化推薦系統(tǒng)的出現(xiàn)絕非偶然。究其原因就是由于因特網(wǎng)的規(guī)模和覆蓋面的迅速擴(kuò)大給用戶帶來了信息超載(informationoverload)的問題，使得企業(yè)和消費(fèi)者都被海量數(shù)據(jù)所淹沒，在數(shù)據(jù)面前不論是企業(yè)還是用戶，都顯得非常無助。用戶接受海量信息，卻無法從中得到自己真正想要的信息，用戶的情緒受到影響，信息使用率降低?，F(xiàn)有的很多網(wǎng)站，都會建立專業(yè)的搜索引擎和數(shù)據(jù)索引，其本質(zhì)就是幫助用戶過濾冗余信息，從而提高用戶滿意度和忠誠度。但這些做法僅僅滿足了用戶最基本的要求，并沒有考慮到用戶個性化的需求，仍然無法從根本上解決信息過載的問題。推薦系統(tǒng)作為一種重要的信息過濾手段，恰恰解決了當(dāng)前信息過載的問題[26]。推薦系統(tǒng)與搜索引擎的區(qū)別主要有以下幾個方面[27]：(1)搜索注重結(jié)果(如網(wǎng)頁)之間的關(guān)系和排序，推薦還研究用戶模型(userprofile)和用戶的喜好，基于社會網(wǎng)絡(luò)(socialnetwork)進(jìn)行個性化的計算(personalization)。(2)搜索的進(jìn)行由用戶主導(dǎo)，包括輸入查詢詞和選擇結(jié)果，結(jié)果不好用戶會修改查詢再次搜索。而推薦是由系統(tǒng)主導(dǎo)用戶的瀏覽順序，引導(dǎo)用戶發(fā)現(xiàn)需要的結(jié)果。高質(zhì)量的推薦系統(tǒng)會使用戶對該系統(tǒng)產(chǎn)生依賴。用戶主動發(fā)出搜索，搜索結(jié)果的好壞由用戶自己判斷。如果搜索結(jié)果并不符合用戶的需求，用戶會對關(guān)鍵詞重新整理，再一次進(jìn)行搜索，直到用戶滿意為止。而推薦系統(tǒng)是主動推薦給用戶的，幫助用戶尋找到其想要的信息。一個好的推薦系統(tǒng)會使用戶對其產(chǎn)生一種依賴感。所以，推薦系統(tǒng)不僅能夠為用戶提供個性化的服務(wù)，同時也能使用戶對推薦系統(tǒng)產(chǎn)生好感，從而提高用戶的忠誠度，與用戶建立穩(wěn)定長久的關(guān)系，減少用戶的流失。2.14本章小結(jié)本章主要介紹了數(shù)據(jù)倉庫與個性化推薦系統(tǒng)的產(chǎn)生。推薦系統(tǒng)的產(chǎn)生是電子商務(wù)發(fā)展的必然結(jié)果，推薦系統(tǒng)為企業(yè)和消費(fèi)者找到了溝通的途徑，使彼此更能準(zhǔn)確、深入的了解。在個性化推薦系統(tǒng)中，通過對消費(fèi)者心理的研究，使其更能了解消費(fèi)者的消費(fèi)心理，從而使企業(yè)能夠滿足消費(fèi)者不斷增長需求，增加消費(fèi)者對企業(yè)的滿意度以及提高消費(fèi)者對企業(yè)的忠誠度，為企業(yè)帶來良好的經(jīng)濟(jì)效益。第三章基于好友影響的個性化推薦模型基于WeZb.O的社交媒體注重用戶的交互作用,用戶會聚集成一個個的群體,擁有相同愛好或興趣的用戶會聚集成一個興趣小組,從而形成以興趣為聚合的社區(qū)。在這樣一個社交社區(qū)中,用戶的購買決策從關(guān)注商品的價格、質(zhì)量、功能,轉(zhuǎn)變到了決注商品的銷量和用戶的評論,而其中評論和銷量的數(shù)據(jù)中又有大眾和好友的區(qū)分。3.1.研究對象選取本文擬建立的是社交媒體中評論和銷量對于推薦模型的改進(jìn),對于選取的研究對象需要滿足以下條件:()l擁有大量注冊用戶(2)Web2.。社區(qū),用戶可以創(chuàng)造內(nèi)容(3)擁有用戶購買決策或消費(fèi)傾向的數(shù)據(jù)(4)擁有AP工,可容易獲取數(shù)據(jù)(5)擁有評論、銷量等基本反饋因素(6)擁有好友關(guān)系,或興趣小組結(jié)合以上要求,本課題選擇豆瓣讀書作為研究對象,豆瓣以書影音起家,一直致力于幫助都市人群發(fā)現(xiàn)生活中有用的事物,通過桌面和移動產(chǎn)品來服務(wù)都市日常生活的各個方面。豆瓣讀書擁有活躍的用戶群體以及豐富的好友關(guān)系網(wǎng)絡(luò),對于本文的數(shù)據(jù)獲取是一個便利條件。3.2.模型的總體設(shè)計本文結(jié)合個性化推薦中產(chǎn)品因素和用戶因素,同時在此基礎(chǔ)上我們增加了一個反饋因素的影響。在社交媒體影響下,影響用戶購買行為的因素包括產(chǎn)品影響、自身影響、反饋影響,這些因素分別包含了以下的內(nèi)容:產(chǎn)品影響(產(chǎn)品的特性,諸如產(chǎn)品的基本信息,品質(zhì)、質(zhì)量等內(nèi)容),自身影響(包含用戶的基本信息,如出身日期,出身地,以及用戶的偏好),反饋影響(他對對自身的影響,包含好友關(guān)系,好友數(shù)量,好友影響力,他人對業(yè)務(wù)的評價,包含用戶的評論、評分,他人對業(yè)務(wù)的選擇,包含用戶的購買行為)。為此選取的影響因素總體設(shè)計如圖1所示:3.3模型構(gòu)建及假設(shè)根據(jù)選取的研究對象以及模型的總體設(shè)計,結(jié)合豆瓣的數(shù)據(jù)特點(diǎn),用戶的閱讀行為與用戶自身特性,書本特性,普通用戶行為以及朋友行為相關(guān),對模型的因變量以及自變量設(shè)計如圖2所示:根據(jù)計量經(jīng)濟(jì)學(xué)的建模方法,建立一個多元Logit模型如式1所不:其中U代表用戶自身的因素,O代表其他用戶的因素,B代表書籍本身的因素,已為誤差量(噪聲),模型中設(shè)計相關(guān)自變量與因變量設(shè)計如表1所示。(式2)根據(jù)用戶行為模型的設(shè)計,提出的如下假設(shè):(1)用戶存在從眾效應(yīng),閱讀量大的數(shù)據(jù)會增大用戶對該書籍的閱讀。(2)擁有大量書評的圖書會加大用戶的閱讀可能性。(3)用戶更傾向于閱讀偏好(具有相同標(biāo)簽)的圖書。(4)高評分的圖書更容易吸引用戶。(5)用戶的書評信息對用戶的閱讀產(chǎn)生積極影響。(6)在線反饋對用戶的閱讀傾向產(chǎn)生積極影響。3.4數(shù)據(jù)獲取及驗證為研究反饋機(jī)制對脆Zb.o時代的消費(fèi)者購買決策產(chǎn)生的影響,需要根據(jù)前一節(jié)中的模型設(shè)計進(jìn)行數(shù)據(jù)采集并驗證模型,借助豆瓣開放的AP工,編寫數(shù)據(jù)采集程序,可以獲取到驗證模型的數(shù)據(jù)。根據(jù)模型數(shù)據(jù)需求,首先獲得豆瓣熱門圖書榜單的圖書,從每本書的評論中隨機(jī)抽取2位有效用戶(閱讀量>1。),獲得40位目標(biāo)用戶的基本信息,好友關(guān)系,閱讀歷史信息,書本信息,設(shè)計數(shù)據(jù)抓取方案如圖3所示。根據(jù)研究需要,編寫程序獲得待處理隊列,包括書本工D,用戶工D,用戶好友工D,并放入待處理隊列,編寫程序獲得需要的處理的數(shù)據(jù)并存儲。數(shù)據(jù)處理流程如圖4所示。3.5個性化推薦系統(tǒng)的研究結(jié)論3.5.1模型驗證對于本文中的用戶閱讀行為研究(0不讀,1為閱讀),不能滿足正態(tài)性和方差齊性,故不能直接使用線性模型來擬合方程。而L。gistiC回歸正是處理因變量是二分類或多分類變量的一種方法?，F(xiàn)已廣泛應(yīng)用于隊列研究,已成為分類因變量的首選多變量分析模型。根據(jù)上一節(jié)的模型設(shè)計以及數(shù)據(jù)抓取方案的設(shè)計,為研究反饋機(jī)制對WeZb.O時代的消費(fèi)者購買決策產(chǎn)生的影響,將處理后的數(shù)據(jù)使用5tata軟件進(jìn)行Logistic回歸分析。對上一節(jié)中采集到的數(shù)據(jù)進(jìn)行預(yù)處理,統(tǒng)一數(shù)據(jù)單位,所有的日期用天來表示,對于用戶閱讀偏好Upref進(jìn)行取對數(shù)處理,得出的運(yùn)行結(jié)果如圖5所示。其中P>12一中的數(shù)值,<。.01代表自變量在190的水平上顯著,<0.05代表自變量在百分之5的水平上顯著,<0.1代表自變量在百分之10的水平上顯著。3.5.2模型分析及結(jié)果根據(jù)上一節(jié)的模型驗證以及分析結(jié)果,其中P>12一中的數(shù)值<0.1時代表該自變量對用戶行為有顯著影響,從分析結(jié)果可以看出以下變量對用戶的閱讀行為有著顯著影響,UPref(用戶的閱讀偏好),FRead(用戶好友中對書的閱讀行為),Bread(書本的總閱讀量)。.3.5.3本章小結(jié)由分析結(jié)果可以得出結(jié)論,大部分選擇的變量與用戶的閱讀行為存在著關(guān)系,其中用戶閱讀偏好,好友的閱讀行為,書本的閱讀總量存在顯著影響,而用戶的自身閱讀總量,用戶的注冊時間對用戶的閱讀行為影響力有限。結(jié)合前文中提出的假設(shè),可以得出以下推論:()l用戶存在從眾效應(yīng),閱讀量大的數(shù)據(jù)會增大用戶對該書籍的閱讀。(2)用戶更傾向于閱讀偏好(具有相同標(biāo)簽)的圖書。(3)用戶好友的閱讀行為對好友的閱讀傾向有顯著影響。(4)在線反饋對用戶的閱讀傾向產(chǎn)生積極影響。綜上所述,在WeZb.O時代,得益于用戶的參與,在線反饋在個性化推薦系統(tǒng)中占據(jù)著很大的比重,也正成為各大研究的熱點(diǎn),在線反饋對用戶的購買決策產(chǎn)生了顯著影響。個性化推薦系統(tǒng)的研究與開發(fā)對用戶發(fā)現(xiàn)有價值的信息以及電子商務(wù)網(wǎng)站推薦用戶感興趣的內(nèi)容都有很重要的意義。第四章：建議4.1建議總結(jié)通過第二章與第三章的陳述，我們清楚的了解到消費(fèi)者心理對消費(fèi)行為的影響以及消費(fèi)者心理影響因素。其中我們在第三章詳細(xì)敘述了基于好友影響的個性化推薦模型。在電子商務(wù)已經(jīng)普及的今天，隨著信息過載問題的逐漸升溫，互聯(lián)網(wǎng)用戶對信息的需求的不斷增長，互聯(lián)網(wǎng)無法滿足用戶需求的矛盾日益突顯，推薦系統(tǒng)在電子商務(wù)的發(fā)展過程中發(fā)揮出越來越重要的作用。雖然推薦系統(tǒng)已經(jīng)被廣泛應(yīng)用于電子商務(wù)，也取得了很大的進(jìn)步，但仍然有許多問題需要進(jìn)一步解決。(1)隨著3G技術(shù)的普及，電子商務(wù)在手機(jī)方面也將會得到應(yīng)用。手機(jī)上網(wǎng)的優(yōu)勢在于對時間與空間需求降低，而且手機(jī)用戶相對于互聯(lián)網(wǎng)用戶有本質(zhì)的區(qū)別是身份的確定性。通過對身份的確定，可以更好給出推薦。（2）一定要注重客戶體驗，將其視為企業(yè)核心競爭因素，只有好的口碑，才會影響更多的人去宣傳。參考文獻(xiàn)參考文獻(xiàn)[1]ResnickandVarian.Recommendersystems[J].CommunicationsoftheACM,1997,40(3):56-58.[2]景麗,陳廣宇.電子商務(wù)推薦系統(tǒng)中推薦方法研究[J].計算技術(shù)與自動化,2006(3):44-46.[3]趙亮,胡乃靜,張守志.個性化推薦算法設(shè)計[J].計算機(jī)研究與發(fā)展,2002,39(8):988-991[4]余力,劉魯.電子商務(wù)個性化推薦研究[J].計算機(jī)集成制造系統(tǒng),Vol10(10),2004:1307-1313.[5]羅子明.消費(fèi)者心理學(xué)[M].北京:清華大學(xué)出版社,2007.[6]PaulResnick,NeophytosIacovou.GroupLens:AnOpenArchitectureforCollaborativeFilteringofNetnews[C].CSCW1994:ACMChapelHill,NC,USA.[7]U.Shardanand,P.Maes.Socialinformationfiltering:Algorithmsforautomating"wordofmouth"[C]ConferenceonHumanFactorsinComputingSystems.1995:210-217[8]MBalabanovic,YShoham.Content-based,collaborativerecommendation[C]CommunicationsoftheACM,1997:1-9.[9]Jonathan.herlocker,Josepha.Konstan.CollaborativeFilteringRecommenderSystems[C]ACM,2001.pp217-223[10]BamshadMobashe