论文社交媒体在电子商务推荐系统中的应用是关于对不知道怎么写电子商务论文范文课题研究的大学硕士、相关本科毕业论文电子商务论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
摘 要 个性化推荐技术的应用是电子商务平台进行精细化运营的重要手段.个性化商品推荐系统的合理设计能够有效提高电子商务平台订单转化率,缩短用户购物路径,改善用户体验.近些年来,电子商务与社交媒体相融合的创新模式为社会化推荐提供了可能.挖掘社交关系数据的用户关系,将其应用到传统的推荐模型中,是改善推荐系统推荐精度的有效方法.
关键词 社交媒体；电子商务；网络；社会化
中图分类号 G2 文献标识码 A 文章编号 2096-0360（2017）23-0014-03
1 问题背景
电子商务在经历了十几年的规模性增长后,网络零售进入了增速放缓的阶段.
从国家统计局公布的2016年的数据看,电商的盈利空间被压缩,竞争更为激烈,兼并与淘汰更加频繁,创新、拓展与试错成为主题[1].如何通过精细化的运营更好地生存是电商企业要重点考虑和解决的问题.
2017年6月27日,易观与云集微店联合发布了《中国社交电子商务发展专题分析2017》的分析报告.报告指出,网上零售在初显增速放缓中探寻到一条将电子商务与社交媒体相融合的创新模式,極大激活了市场活力.
中国电子商务研究中心指出,电子商务和微博社交网络是目前中国用户使用较频繁的两大服务平台,据CNNIC调查显示,同时使用两类服务平台用户较大,达到1.67亿[2].2017年,阿里集团持有新浪微博31%股权,为新浪微博的第二大股东.在这种整合模式下,电子商务平台可以将用户的购物数据与社交媒体中的社交信息整合起来,为实现社会化推荐提供数据基础.
2 推荐系统的发展和应用
个性化推荐技术是解决用户模糊需求的重要途径,该技术的应用能够促进信息的高效筛选和过滤.
1994年,明尼苏达大学Group Lens研究组使用基于协同过滤的推荐算法推出了Group Lens系统[3],推荐系统从此成为一个相对独立的研究方向.经过20多年的发展,个性化推荐算法被广泛集成到很多商业应用系统中,如电子商务,影音、阅读,新闻等内容产业.在电子商务领域,亚马逊对个性化推荐系统使用起步早、且应用广泛.Brent,Greg[4]指出,1998年,亚马逊应用了基于项目的协同过滤推荐算法,到2017年,推荐系统在亚马逊平台的应用已经经历了近20年的历史.国内著名的电商平台淘宝、京东对推荐系统的应用也十分广泛[5].
目前,电子商务平台普遍应用的基于协同过滤的推荐算法,在分析用户相似性和产品相似性时,都是以用户对商品的历史行为数据作为数据源,忽略了用户属性以及用户关系等问题,存在推荐准确度低等问题.社会化推荐技术,是通过引入用户的社交关系来改善传统推荐系统的准确度的一个有效方式.
电子商务平台对于社交网络的应用多为简单的广告促销模式,例如亚马逊以在Facebook发布促销信息进行社交互动,2013年数据显示,在Facebook上亚马逊社会化电子商务转化率只有3.67%.2010年报道称,亚马逊允许将用户在电商平台的账户和Facebook的社交账户进行绑定,网站可以通过分析用户在社交网站发布的兴趣信息或者好友圈的流行产品信息,为用户提供购物建议[6].在中国,淘宝网对于微博的应用停留在帮助推广阶段.如何从社交互动转化为社交发现,例如通过社交平台上用户之间的社交关系增强推荐结果的可信度,或者从社交活动信息中挖掘用户潜在的购物偏好,是社会化推荐的研究方向.
本文研究了如何将社交媒体与传统的协同过滤算法结合起来,改善传统推荐算法的推荐精度问题.提出一种基于用户局部信任模型的协同过滤算法.
3 推荐模型介绍
3.1 基于项目的协同过滤（Item-based Collaborative Filtering）
协同过滤推荐算法是推荐系统中应用最早和最为成功的技术之一.以推荐算法应用的数据源不同进行分类,协同过滤分为基于记忆的推荐,基于模型的推荐.
基于记忆的推荐应用用户与商品之间的交互信息,如点击,购买,评分等数据,构建用户之间或者产品之间的相似性模型,其中,通过计算产品相似度进行商品推荐的模型称为基于项目的协同过滤算法.本文的算法改进以基于项目的协同过滤算法为基础,因此简单介绍该算法的理论基础.
该算法的假设是,与之前购买的评价高的商品相比,若目标产品与其相似度越高,则用户对目标产品感兴趣的可能性越大.产品和产品的相似性可以用皮尔森相关系数法进行计算.
公式中,为产品和产品共同评分的顾客集合,为产品的评分均值,为顾客对产品的评分.
3.2 社会化推荐技术
社会化推荐是近年来推荐系统的研究热点之一.该技术利用用户的社会化行为数据,或者社交关系网络数据,提高推荐系统的推荐结果的准确度,解决传统推荐系统的冷启动问题.冷启动是当新的用户或者新的物品加入推荐系统时面临的问题.由于没有历史数据,推荐系统难以对新用户进行兴趣建模,也难以匹配对新物品感兴趣的用户群体.社会化推荐中,可以通过引入与新用户相关的其他用户的兴趣信息,从而间接预测新用户兴趣模型.
3.2.1 基于社会化行为的推荐
社交网络平台中,常见的社会化行为包括用户主动标识标签、书签、评注等信息资源.以国内社区网站豆瓣为例,用户可以对图书或者影音等信息进行自定义标记,网站可以通过这些标记来对产品属性进行分类,并对用户进行相似标签产品的推
荐[7-8].将基于标签的推荐算法应用到传统推荐算法中,研究了如何将基于社会化行为的推荐与基于协同过滤的推荐算法结合起来.
3.2.2 基于用户关系网的推荐
利用用户间的社交关系是社会化推荐的另一个主要应用.关于用户关系计算目前主要有信任度模型、用户聚类分析等.
总结:本文关于电子商务论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
参考文献：
1、 购物车在电子商务系统中的设计 摘 要： 21世纪是信息化的时代，信息服务业成为21世纪的主导产业之一，这导致了电子商务的产生和发展。电子商务对人们生活的影响是多方面的，如信息。
2、 基于模糊树的个性化电子学习推荐系统 摘 要：电子学习系统的快速发展为学习者在线学习提供了巨大的机会。然而，在线学习系统中太多的学习活动使个体学习者很难找到合适自己的学习活动，所以在。
3、 农村电子商务生态系统优化策略 [摘 要] 随着互联网经济的快速发展和国家政策的扶助，农村电商迎来了历史性的发展机遇，而其生态系统仍较为脆弱，成为其可持续发展的制约因素。农村电。
4、 信息技术视角下电子商务物流系统的特征分析 [摘 要]现代信息技术的开发与应用对经济和社会的发展都产生了深远的影响。随着信息技术的飞速发展，电子商务领域将有更大的发展空间，也将对物流系统提。
5、 电子商务信息生态系统的构建 摘 要：随着相关科学技术的发展，电商为企业的发展带来了新的基于，并给予企业极大的发展空间。在电商不断发展的过程中，如何构建一个能够满足电商发展的。
6、 电子商务信息生态系统的构建探究 摘 要：电子商务，物流管理作为新概念，在发展势头较为迅猛的21世纪已经普遍被人们所接受，以淘宝、天猫、京东为首的电商行业风生水起，在教育界更是成。