隨著電子商務(wù)的滲透和用戶對個性化服務(wù)需求的激增，如何利用平臺上的海量行為數(shù)據(jù)，設(shè)計合適的算法以進行個性化產(chǎn)品推薦，成為企業(yè)在電商營銷中重點關(guān)注的問題。同時，深入了解已有推薦機制對消費者產(chǎn)生的行為影響，也能夠有效地幫助商家和平臺及時調(diào)整推薦策略。由此本書分別從技術(shù)視角和行為視角出發(fā)，針對同質(zhì)性產(chǎn)品和非同質(zhì)產(chǎn)品，對產(chǎn)品推薦的相關(guān)方法和行為影響進行介紹，較為完整地從多個角度豐富了對推薦系統(tǒng)的認識。此外，本書還介紹了以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的非同質(zhì)產(chǎn)品的關(guān)系挖掘方法。以在線評論為數(shù)據(jù)源，對評論文本內(nèi)容分析并構(gòu)建產(chǎn)品兩兩之間的特征函數(shù)來對其關(guān)系建模。此外，從實際觀測結(jié)果出發(fā)，還考慮了在線評論的其他非文本特征，進一步提高關(guān)系挖掘的準確率。很后，通過電商平臺的真實數(shù)據(jù)分析了本書所介紹方法的有效性，并討論了該預測方法在不同參數(shù)和稀疏性水平數(shù)據(jù)集下的表現(xiàn)。填補了學術(shù)空白。
|
