导读:本文包含了行为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:服务互动,口碑推荐,行为惯性,优惠待遇
行为推荐论文文献综述
杨宜苗,郭佳伟[1]（2019）在《线上服务互动如何影响口碑推荐——行为惯性的中介作用和优惠待遇的调节作用》一文中研究指出不同于基于线下医疗或旅游业关注互动导向观念、整体的服务互动或某一服务互动类型与口碑推荐关系的研究,提出了零售业"在线服务互动—行为惯性—口碑推荐"的理论模型,并检验了优惠待遇的调节作用。基于626份在线购物者样本的实证分析结果表明:一方面,在线服务互动直接影响口碑推荐,且叁种类型的服务互动的影响大小不同,其中顾客与顾客之间的在线互动影响最大,其次是顾客与在线服务人员之间的互动,顾客与在线平台界面之间的互动影响最小;另一方面,在线服务互动通过行为惯性对口碑推荐产生间接影响,且这种影响会受到优惠待遇的负向强化。在线零售商在服务管理实践中,要强化基于顾客的多层面服务互动,培养在线顾客的行为惯性,实施优惠待遇方案。(本文来源于《北京工商大学学报(社会科学版)》期刊2019年06期）
赵健东,李素粉[2]（2019）在《企业网上学习平台学习行为分析与学习推荐方法研究》一文中研究指出针对企业网上学习平台多年运营积累的大量学习行为数据以及越来越多的精准化学习需求,文章基于公司网上学习平台运营特点,进行学习行为分析和推荐方法研究。首先提出一种学习行为分析与学习推荐总体架构,帮助平台管理员进行学习推荐策略部署,并将所提方法在某运营商网上学习平台进行实验应用。实验数据表明了所提方法的有效性。(本文来源于《信息通信技术》期刊2019年05期）
罗长玲,陈萌,和志强[3]（2019）在《消费者行为分析的推荐算法研究》一文中研究指出随着互联网技术的不断进步,电子商务得到了快速的发展,通过网络购物平台消费已经逐渐成为一种主要消费渠道。在互联网大发展的背景下,庞大的数据量带来便利的同时又为消费者的消费选择造成了困扰。如何从这些数量庞大的商品信息中快速准确地挖掘出消费者所感兴趣的商品成为当前电子商务领域研究的一大热点。随着人工智能技术的不断进步和突破,电子商务企业对消费者的消费倾向及消费能力等作出预测,以实现精准的商品推荐。为进一步了解国内外对消费者行为预测及精准推荐算法的研究,笔者特查阅相关的文献资料,对文献资料进行了分析总结,撰写文献综述,旨在为消费者行为算法的研究提供理论指导。(本文来源于《信息与电脑(理论版)》期刊2019年19期）
周翔宇,高仲合[4]（2019）在《基于地理位置和用户行为特征的推荐算法研究》一文中研究指出互联网应用系统已成为人们获取信息的平台,用户每;天与应用系统进行交互,产生大量的行为数据,为了使根据用户行为数据进行推荐的手段满足更多的推荐场景,解决信息过载的问题,从海量的信息数据中挖掘用户的兴趣点并给用户进行推送,以用户上网行为特征的推荐算法研究成为学术领域热点。依据用户实时签到产生的地理位置信息和用户行为上下文特征研究协同过滤算法,可以构建出一个在线上线下相结合的互联网领域的应用方案,并进行实验验证,有较好的准确度。(本文来源于《通信技术》期刊2019年08期）
李治,孙锐[5]（2019）在《推荐解释对改变用户行为意向的研究——基于传播说服理论的视阈》一文中研究指出基于传播说服理论,分别以亚马逊和京东的推荐解释为考察对象,通过两个实验研究了电商平台中推荐解释对用户行为意向的影响机制。实验一主要考察用户在不同产品信任度下对有/无推荐解释的不同反应,结果表明当消费者对产品信任度高时,推荐解释的有无对消费者采纳和购买意向的影响无显着差异;而当消费者对产品信任度低时,推荐解释能显着提高消费者的采纳和购买意向。实验二主要研究消费者在不同产品涉入度下对动/静态推荐解释的不同反应,结果表明动态推荐解释比静态推荐解释更能提高消费者的采纳和购买意向;同时动/静态推荐解释对消费者采纳和购买意向的影响均受到产品涉入度的调节作用。本文的研究结论丰富了电子商务个性化推荐领域的理论成果,可为网络商家合理利用推荐系统的解释功能提供实践指导。(本文来源于《中国软科学》期刊2019年06期）
蒋云鹏[6]（2019）在《基于用户行为序列的推荐算法研究》一文中研究指出推荐系统是使用用户已经存在的挑选过程或项目间相似关系,来发掘目标用户隐藏的偏好信息或物品,因此具有缓解日益严重的“信息过载”问题的能力,导致获得学术界和工业界的广泛关注并在电子商务、在线学习和数字图书馆等领域加以应用。推荐系统的核心是推荐算法,在目前流行的推荐算中,用户兴趣的预测需要大量用户评分、评论、信任值等这类明确反应用户兴趣爱好的主观性数据。但主观性数据常常比较稀疏,会制约推荐算法的推荐质量,这要求研究人员挖掘更多的用户行为中的存在的隐藏信息来优化推荐算法。本文针对用户历史行为中隐藏的上下序关系展开研究,在用户的历史行为记录中,行为与行为存在一定的关联性,本文经由提取行为间的语意关系来映射行为间的相似性。语意关系的提取采用目前自然语言处理中效果最好的Word2vec技术。Word2vec以内容语义计算行为间相似度,其中作为单词的行为内容被映射到向量空间中,并且向量之间的欧几里德距离被描述为行为之间的相似度。在基于Word2vec的项目语意特征提取中,本文提出融合内容语义和用户评分的推荐模型,在该模型中,首先收集用户的历史行为,将所有用户行为添加进空白词典来建立用户行为词典,然后由用户行为词典应用Word2vec技术获得用户行为间的相似度,由训练完成的结果预测用户的行为,应用Top-N推荐算法得出推荐项目候选列表一;紧接着选取传统协同过滤推荐算法,采用评分信息再做出预测,仍选用Top-N推荐算法得出推荐项目候选列表二,最后根据相同用户对两个候选列表取并集,得出最终的项目推荐列表。经由Word2vec还能够提取关键词间的语意关联,获得关键词间的相似性,可由用户的搜索关键词来获取用户当前需求。将上述算法在MovieLens,FilmTrust和Online_Retail数据集中与传统推荐算法进行比较,实验表明模型的推荐准确率有很大提高,并在一定程度上缓解了数据稀疏问题。(本文来源于《新疆大学》期刊2019-06-03）
郭秋君[7]（2019）在《基于用户行为反馈的推荐算法的研究》一文中研究指出随着计算机技术的不断发展,每天都有海量的信息持续更新和增加,面对互联网上纷杂的数据,人们通常难以从其中找到自己真正需要的信息资源,推荐算法因此被提出。推荐算法能够根据用户以往的行为及评分预测出用户偏好,针对当前用户生成一个独一无二的推荐列表,主动引导用户对信息的发现。目前大部分的推荐算法利用的都是用户的显式反馈(比如评分),但这些显式反馈收集难度大且真实性无法保证。实际上,探究用户对物品的兴趣还可以依靠存在Web日志中的大量隐式反馈。就电商平台而言,用户从搜索到下单必然产生许多中间数据——点击、浏览、关注、收藏、加购等等,这些行为数据在未被用户察觉的情况下收集,能够真实可靠地反映用户兴趣,且这些行为数据能够实时更新,因此基于用户行为的推荐算法具有重要的研究价值。本文对推荐算法国内外发展现状、常用数据集以及测评指标进行了充分的调研,并分析了现有研究成果的不足,开展了如下工作:(1)要利用行为数据进行推荐,首先要建立起用户行为与用户兴趣间的联系,将用户行为量化表示,这需要对用户行为进行深入理解与分析,准确挖掘行为和兴趣间的隐含关系。一般的算法都是直接人为地给用户行为赋予分数,这种方法十分粗糙,可解释性差,造成行为模型不能够准确表示用户兴趣度。因此,本文提出了一种能准确衡量用户兴趣度的用户行为模型。该模型充分分析了行为产生的动机,利用主观G1法和客观熵值法两种方式给行为赋权,并结合时间因素对模型造成的影响,提高了模型的准确性,为如何利用行为数据提供了新的解决思路。实验结果表明,用户行为模型降低了人为赋权所导致的误差,提高了的推荐结果准确性。(2)基于用户行为的推荐算法受平台或数据集的限制一般都是离线定期更新,但在现实生活中用户兴趣每时每刻都在发生改变,因此体现着用户兴趣的行为模型也应该不断变化,这对算法的时间复杂度提出了更高的要求。内在兴趣的变化影响着外在行为的表达,因此系统收集到的反馈也在实时更新着,因此我们将利用这些源源不断的反馈修正模型,利用矩阵分解达到模型的动态更新,并在此基础上提出了一种基于用户行为反馈的推荐算法。实验结果表明,该算法能够有效提高模型的更新速度,也进一步提高了推荐结果的准确性。(本文来源于《北京交通大学》期刊2019-06-01）
陈远,张磊,张敏[8]（2019）在《信息内容特征对移动医疗APP用户推荐行为的影响及作用路径分析》一文中研究指出[目的/意义]旨在探究信息内容特征对移动医疗APP用户推荐行为的影响和作用路径,提炼出对运营和管理具有积极意义的意见和方法。[方法/过程]以精细加工可能性模型为理论框架,通过整合信息系统成功模型和口碑营销经典理论的相关因素,构建出"中心信息内容特征——自我推荐"以及"边缘信息内容特征——从众推荐"两条作用路径,并聚焦感知需求的调节作用提出假设并构建研究模型。实证研究采用"日志追踪实验+调查问卷"的方式收集来自移动医疗APP用户的288份数据,利用SmartPLS2.0对模型进行检验。[结果/结论]信息质量、服务质量、系统质量正向影响自我推荐意愿;APP认知声誉、医生认知声誉、医院认知声誉正向影响从众推荐意愿;感知需求正向调节自我推荐意愿对推荐行为的影响,而从众推荐意愿对推荐行为的影响不具有显着调节作用。(本文来源于《现代情报》期刊2019年06期）
靳伟,程伟彬,钟斐,古羽舟,蔡衍珊[9]（2019）在《广州市HIV阳性男男性行为者推荐自检试剂用于性伴检测意愿及影响因素》一文中研究指出目的了解广州市艾滋病病毒(HIV)阳性男男性行为者(MSM)推荐自检试剂用于其性伴检测的意愿和相关影响因素。方法于2016年5—10月,对广州市常住的HIV阳性MSM进行招募,完成电子问卷调查。问卷内容包括人口学特征、近6个月性行为特征、对自检试剂的了解和使用情况及推荐自检试剂给性伴使用意愿等。应用单因素和多因素Logistic回归分析的方法探索影响推荐自检试剂用于性伴检测意愿的相关因素。结果共招募符合条件研究对象340名,年龄中位数为28岁。31.5%(107/340)的研究对象曾经使用过自检试剂,76.8%(261/340)愿意推荐自检试剂给性伴做检测。分别有77.4%(24/31)、81.5%(145/178)和70.3%(104/148)愿意推荐自检试剂给配偶、固定性伴和临时性伴做检测;近6个月无性伴者,85.1%(74/87)愿意推荐自检试剂给既往/将来性伴使用。对性伴进行过感染状况的告知、曾经使用过自检试剂、朋友中有人使用过自检试剂、对自检试剂认知较好以及拥有固定性伴的研究对象更愿意推荐自检试剂用于性伴的检测。结论广州市HIV阳性MSM推荐自检试剂用于性伴检测意愿较高,加强性伴告知策略的实施,同时在MSM中加强自检试剂的宣传与推广有助于提高感染者推荐意愿。(本文来源于《中国艾滋病性病》期刊2019年05期）
李贺,侯力铁,祝琳琳[10]（2019）在《移动图书馆情景感知信息推荐服务用户接受行为研究》一文中研究指出[目的/意义]基于多理论假设,为移动图书馆平台提供基于情景感知的信息推荐服务提供理论和实证依据,以丰富移动图书馆个性化服务的内容。[方法/过程]结合技术接受行为理论、创新扩散理论和感知风险理论,构建基于情景感知的信息推荐服务用户接受行为影响因素模型,并运用逻辑回归方法进行实证研究。[结果/结论]情景感知信息推荐服务作为移动图书馆信息服务的新方式,有着个性化的显着优势。同时,技术和设备的兼容为移动图书馆情景感知信息推荐服务提供了外部动力和重要保障。(本文来源于《图书情报工作》期刊2019年12期）
行为推荐论文开题报告
（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：
针对企业网上学习平台多年运营积累的大量学习行为数据以及越来越多的精准化学习需求,文章基于公司网上学习平台运营特点,进行学习行为分析和推荐方法研究。首先提出一种学习行为分析与学习推荐总体架构,帮助平台管理员进行学习推荐策略部署,并将所提方法在某运营商网上学习平台进行实验应用。实验数据表明了所提方法的有效性。
（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。
行为推荐论文参考文献
[1].杨宜苗,郭佳伟.线上服务互动如何影响口碑推荐——行为惯性的中介作用和优惠待遇的调节作用[J].北京工商大学学报(社会科学版).2019
[2].赵健东,李素粉.企业网上学习平台学习行为分析与学习推荐方法研究[J].信息通信技术.2019
[3].罗长玲,陈萌,和志强.消费者行为分析的推荐算法研究[J].信息与电脑(理论版).2019
[4].周翔宇,高仲合.基于地理位置和用户行为特征的推荐算法研究[J].通信技术.2019
[5].李治,孙锐.推荐解释对改变用户行为意向的研究——基于传播说服理论的视阈[J].中国软科学.2019
[6].蒋云鹏.基于用户行为序列的推荐算法研究[D].新疆大学.2019
[7].郭秋君.基于用户行为反馈的推荐算法的研究[D].北京交通大学.2019
[8].陈远,张磊,张敏.信息内容特征对移动医疗APP用户推荐行为的影响及作用路径分析[J].现代情报.2019
[9].靳伟,程伟彬,钟斐,古羽舟,蔡衍珊.广州市HIV阳性男男性行为者推荐自检试剂用于性伴检测意愿及影响因素[J].中国艾滋病性病.2019
[10].李贺,侯力铁,祝琳琳.移动图书馆情景感知信息推荐服务用户接受行为研究[J].图书情报工作.2019