导读:本文包含了电子商务推荐论文开题报告文献综述及选题提纲参考文献，主要关键词:电子商务,多级用户模型,贝叶斯算法,个性化推荐
电子商务推荐论文文献综述
吴小惠[1]（2019）在《电子商务中多级用户模型推荐机制的研究》一文中研究指出电子商务网上智能体系作为这个时代一个最重要的研究方向,它实现了以更人性化的方式为客户提供产品服务,实现理想化的目标营销,实现商家和客户间建立真正以用户为中心的个性化搜索引擎。探讨了叁级用户模型来表达客户消费知识的推荐系统机制,通过一种基于贝叶斯网算法刻画表达商品特性、用户偏爱特征,进行有效地建模。实现了从海量的消费行为数据中挖掘出用户感兴趣或需要的商品,使商品的推荐更具精准和目标性。(本文来源于《电脑编程技巧与维护》期刊2019年10期）
成保梅[2]（2019）在《基于协同过滤的电子商务个性化推荐算法研究》一文中研究指出采用基于使用者的协同过滤推荐算法进行电子商务个性化推荐,将获取的评价数据作为推荐算法的输入,根据使用者行为的相似性获取"最近邻居"集,统计其中各邻居对项目商品的评价分数,并以使用者对项目商品的评分形式和使用者关注度最高的多个项目商品推荐列表形式进行项目商品推荐。在获取"最近邻居"集的过程中,通过使用者特征集提升电子商务推荐系统推荐最近邻居的准确度,利用兴趣度随时间变化函数修正使用者评价矩阵,从使用者特性和兴趣两方面对协同过滤推荐算法进行个性化改进。研究结果表明,所提算法推荐项目商品所需时间始终低于对比算法,且采用该推荐算法后电子商务平台交易成功率由38.4%提升至87.2%。(本文来源于《现代电子技术》期刊2019年20期）
邓佳燕,欧阳红巍[3]（2019）在《电子商务中推荐系统的研究应用》一文中研究指出大数据时代,各大电商平台为了让用户更好体验购物,购买称心的商品,构建适合自己平台的一系列推荐系统。在一定程度上,推荐系统的好坏决定用户购物的满意度,影响商家现在以及未来的发展。本研究从叁大方面对电商中的推荐系统展开研究,首先介绍下电子商务平台常见推荐系统构成,然后给出常见的推荐系统的应用,最后探讨电商中推荐系统未来发展并给出相关建议。(本文来源于《大众投资指南》期刊2019年20期）
王渊[4]（2019）在《浅谈电子商务平台中的推荐系统》一文中研究指出对现有推荐系统在电子商务平台中的作用,并对现有主要的推荐系统模型进行了介绍,在此基础上对不同模型及算法进行详细的说明,同时指出了,在现有推荐系统设计中,应当解决的几个主要问题,包括数据的稀疏性、系统的评价、冷启动等关键性问题。(本文来源于《信息通信》期刊2019年07期）
项露芬[5]（2019）在《基于个性化推荐技术的电子商务发展研究》一文中研究指出在电子商务全面发展、全面进步的今天,信息超频现象变得越发频繁,该问题致使很多用户无法有效掌握与获得自己需要的商品。为应对这一现象,个性化推荐就此出现,该技术能够为用户提供合理、可行、需求的商品。该技术以定性分析形式,检索商务网站信息,利用协同过滤、内容过滤、关联规则、信息检索等办法,分析应用层优缺点,比较关联指标,能够为电子商务的推进提供支持。文章对此技术在电子商务中的应用进行了研究。(本文来源于《无线互联科技》期刊2019年13期）
张晓艳[6]（2019）在《电子商务协同推荐算法的设计与应用》一文中研究指出电子商务的快速增长导致产品过多,而网络上的客户对他们所接触的产品很难取舍。为了解决此问题,各种推荐方法应运而生。协作过滤(CF)是其中最成功的推荐方法,其被广泛应用于电子商务中,然而这种方法的稀疏性和可扩展性可能导致推荐的结果较差。提出了一种基于Web使用挖掘和产品分类的推荐方法,以提高当前基于CF方法的推荐系统的推荐质量和系统性能。Web使用挖掘通过跟踪客户在Web上的购物行为来填充评级数据库,从而产生质量更好的建议。产品分类法用于通过评级数据库的降维来提高搜索最近邻居时的性能。对实际电子商务数据的几项实验表明,与其他CF方法相比,所提出的方法提供了更高质量的建议和更好的性能。(本文来源于《长春工程学院学报(自然科学版)》期刊2019年02期）
邓灵斌,申慧[7]（2019）在《电子商务平台商品推荐信息特性对消费者购买意愿的影响实证研究》一文中研究指出以电商平台上商品推荐信息的特性为研究对象,探讨其对消费者购买意愿的影响,这对于促进电子商务研究、优化电商平台的运营具有一定的理论参考价值和现实指导意义。对商品推荐信息的特性和消费者购买意愿进行变量测量,构建研究模型,设计调查问卷,然后针对调查数据进行定量化。实证分析结论如下:商品推荐信息的精准性、丰富性、新颖性和互动性对消费者购买意愿有显着的正向影响作用,而商品推荐信息的强度则影响不显着。(本文来源于《南华大学学报(社会科学版)》期刊2019年02期）
王敏[8]（2019）在《基于协同过滤的电子商务个性化推荐系统设计和实现》一文中研究指出随着移动互联网技术和手机应用软件开发技术不断提高,大部分的智能手机用户对移动业务功能有了更高的要求,特别是使用手机进行网上购物的功能,以其快速地传播商品信息,便捷的购物功能,被广大用户喜爱和使用;其次随着互联网信息技术以及电子商务的迅速发展,人类已经逐渐步入信息过载的时代,“庞大臃肿”的电子商务数据导致用户很难及时地获取有效的数据信息,因此本文将个性化推荐技术和电子商务技术进行结合,实现更高效电子商务系统;电子商务个性化推荐系统主要研究工作如下:首先,针对个性化推荐数据进行特征提取效果差问题,本文提出了基于综合权重的TextRank算法,结合使用TF-IDF值、关键词词性、关键词位置、关键词词长等指标数据,利用G1赋权法的规则对关键词进行综合赋权,然后利用基于综合权重的TextRank算法对关键词权重进行迭代运算得出最终的综合权重,有效表示关键词的重要程度,并通过精确率、召回率以及F1_Score均值等指标衡量基于综合权重的TextRank算法、传统的TextRank算法以及TF-IDF算法进行对比,得出基于综合权重的TextRank具有更好的关键词提取效果。其次,针对个性化推荐精度低问题,本文提出基于聚类优化后的协同过滤算法,采用K-means聚类算法对协同过滤推荐算法进行优化,完成系统商品推荐功能,有效解决了网购用户难以从众多商品信息中找优质商品资源问题。基于聚类优化后的协同过滤推荐算法主要通过采集用户兴趣、商品内容、用户对商品评分及购买行为等数据,采用聚类算法对采集的数据样本空间进行聚类,并利用基于用户的协同过滤推荐算法并把相似度最高的用户的商品推荐给用户,并利用评价绝对误差对基于用户协同过滤推荐算法、基于内容的协同过滤推荐算法以及基于聚类优化的协同过滤推荐算法进行对比实验,得出基于聚类优化后的协同过滤推荐算法具有更好的推荐效果。最后,论文采用面向对象的设计方法对系统进行了需求分析和设计,利用Android Studio开发工具,JAVA技术以及SQLite数据库在移动终端上开发功能完善的电子商务系统,系统能实现网上商品交易的诸多常用功能,比如:商品信息查看、商品快捷搜索、热门商品活动、特色商品市场、商品分类、购物车、用户注册登录等,系统数据的稳定性和可靠性好,为广大网购用户提供了更为高效的电子商务系统,改善了网购用户的购物效率。(本文来源于《广州大学》期刊2019-05-01）
王艳[9]（2019）在《电子商务推荐系统顾客满意度的影响机理研究》一文中研究指出通过调查问卷获取消费者对电子商务推荐系统顾客满意度的数据。运用spss软件对顾客满意度影响因素进行了实证分析。其次,对数据在进行了信度、效度以及因子分析的基础上研究了顾客满意度的影响机理;学历、性别以及使用淘宝次数与顾客使用推荐系统满意度进行了相关性交叉分析。最后,得出电子商务推荐系统获得顾客满意度的因素和建议。(本文来源于《现代营销(下旬刊)》期刊2019年04期）
王艳,庞秀丽[10]（2019）在《电子商务推荐系统顾客满意度模糊评价》一文中研究指出随着网购的流行,电子商务推荐系统对于顾客网购的决策有一定的影响作用。推荐系统质量的好与坏,需要更加量化的去评价。本文从电子商务推荐系统对顾客满意度的影响因素出发,构建了一个指标评价体系;运用层次分析法客观地对指标体系之间相对重要性进行了指标权重的确定;根据已知的权重进行模糊综合评价。将电子商务推荐系统的顾客满意度情况通过层次分析法和模糊综合评价的综合评价,得出量化的结果。(本文来源于《北方经贸》期刊2019年04期）
电子商务推荐论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用基于使用者的协同过滤推荐算法进行电子商务个性化推荐,将获取的评价数据作为推荐算法的输入,根据使用者行为的相似性获取"最近邻居"集,统计其中各邻居对项目商品的评价分数,并以使用者对项目商品的评分形式和使用者关注度最高的多个项目商品推荐列表形式进行项目商品推荐。在获取"最近邻居"集的过程中,通过使用者特征集提升电子商务推荐系统推荐最近邻居的准确度,利用兴趣度随时间变化函数修正使用者评价矩阵,从使用者特性和兴趣两方面对协同过滤推荐算法进行个性化改进。研究结果表明,所提算法推荐项目商品所需时间始终低于对比算法,且采用该推荐算法后电子商务平台交易成功率由38.4%提升至87.2%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电子商务推荐论文参考文献
[1].吴小惠.电子商务中多级用户模型推荐机制的研究[J].电脑编程技巧与维护.2019
[2].成保梅.基于协同过滤的电子商务个性化推荐算法研究[J].现代电子技术.2019
[3].邓佳燕,欧阳红巍.电子商务中推荐系统的研究应用[J].大众投资指南.2019
[4].王渊.浅谈电子商务平台中的推荐系统[J].信息通信.2019
[5].项露芬.基于个性化推荐技术的电子商务发展研究[J].无线互联科技.2019
[6].张晓艳.电子商务协同推荐算法的设计与应用[J].长春工程学院学报(自然科学版).2019
[7].邓灵斌,申慧.电子商务平台商品推荐信息特性对消费者购买意愿的影响实证研究[J].南华大学学报(社会科学版).2019
[8].王敏.基于协同过滤的电子商务个性化推荐系统设计和实现[D].广州大学.2019
[9].王艳.电子商务推荐系统顾客满意度的影响机理研究[J].现代营销(下旬刊).2019
[10].王艳,庞秀丽.电子商务推荐系统顾客满意度模糊评价[J].北方经贸.2019