在线旅游信息推荐方法研究

在线旅游信息推荐是目前信息推荐的重要应用领域。在对已有旅游信息推荐方法进行梳理的基础上,提出了一种基于文本挖掘的在线旅游信息推荐方法。该方法从文本信息中提取旅游景点的内容特征,基于内容特征构建用户偏好模型,基于相似度计算实现旅游景点的推荐。实验表明,提出的方法可以取得较优推荐效果。     

个性化学术推荐系统的研究与设计

随着网络技术和电子商务的蓬勃发展,个性化推荐已经在电子商务领域有了良好的发展和应用前景,并将成为电子商务未来十年中最重要的革新之一。本文通过整合现有优秀的学术搜索引擎,结合用户信息的特点,构建一个个性化学术推荐系统,该系统采用内容提取和融合多种信息技术对检索结果进行分析后,对不同的用户提供个性化学术信息推荐服务。     

基于内容的推荐技术研究

信息过载是目前互联网及电子商务发展的严重障碍。个性化推荐技术,尤其是基于内容的推荐技术可以很好地解决信息过载,受到了各界的关注。本文首先介绍了基于内容的推荐技术的背景,阐述了其基本思想和方法,并分析了基于内容的推荐技术的优缺点,总结了基于内容的推荐系统的性能评价指标,并就其未来的研究方向提出了自己的见解。     

移动商务推荐系统研究综述

近年来,随着移动商务的快速发展,移动商务推荐系统应运而生,成为缓解“移动商务信息”过载、提升移动商务用户购物体验的有效手段,得到广泛关注。如何利用移动商务情景、社会化网络等信息挖掘用户偏好,提高移动商务推荐精准度和用户满意度,成为移动商务推荐系统的主要任务。从情景推荐、社会网络推荐和移动推荐多样性等方面对移动商务推荐系统的研究进展和成果进行综述。最后,总结并指出现有移动商务推荐系统研究的不足和未来的发展趋势。     

基于用户体验的“算法焦虑”问题研究

互联网和大数据时代,算法推荐技术被广泛运用并助力实现信息的精准分发。但算法推荐的精准、同质和冗余信息也给用户带来了负面使用体验。本文通过访谈法,从用户真实体验出发,研究了算法推荐技术带来的“算法焦虑”问题,并就算法技术对用户认知方式的影响、对算法推荐技术的应用进行反思。     

电子商务推荐系统中推荐技术研究

随着电子商务的不断深入发展,电子商务推荐系统的应用更加广泛。文章主要介绍了目前应用较广的几种电子商务推荐系统中的推荐技术,并对这几种推荐技术存在的问题进行了分析。     

电子商务个性化推荐研究

随着网络信息技术的不断发展和进步,电子商务已经成了新世纪人们工作中的一种重要的商务模式。但是,电子商务作为一个虚拟的商业世界,如何在这个虚拟的世界上里将老顾客留住,并对新顾客进行吸引成为了当前电子商务研究的主要方向。受这一需求的影响,电子商务个性化推介系统在得到了有效的发挥和应用。文章从电子商务个性化推荐系统概述出发,重在对电子商务个性化推荐系统中的推荐技术进行分析和探讨。     

基于电子商务的用户消费偏好研究综述

在信息技术快速发展的背景下,电子商务网站的"信息过载"问题也变得十分严重,结合用户消费偏好的个性化商品推荐有效缓解了这一问题。在线用户消费偏好模型是个性化推荐的核心。从概念、相关研究、偏好挖掘等方面对电子商务领域中用户消费偏好的研究进行了归纳与总结,并对未来电子商务领域用户消费偏好的研究提出思考,为个性化商品推荐等研究提供参考。     

基于用户的协同过滤推荐技术

随着因特网普遍使用和电子商务迅猛发展,推荐系统已成为重要研究领域,人们对推荐技术作了广泛的研究。个性化的推荐系统以个性化方式向用户推荐商品,帮助用户找到他们所需要的商品,并便捷地完成购买过程。介绍了电子商务系统中的协同过滤推荐技术,详细分析了基于用户的协同过滤推荐算法,同时指出了它的优点和缺点。     

基于互联网旅游的研究

数字化时代的来临使得互联网技术被逐渐广泛应用于各个领域,随着旅游业的不断发展,电子商务也逐渐渗透到了旅游业当中并且被不断广泛应用。传统的旅游服务受到地域空间的限制,而且内容和种类相对单一。而将互联网电子商务引入旅游业之后,在线服务大大方便了旅游者,旅游信息的传达也相应畅通。而且随着旅游者的需求日益多样化,互联网旅游也在朝着多元化方向发展。本文主要从传统旅游业以及互联网旅游现阶段存在的弊端入手,对行业内存在的问题进行整合,并提出相应的建议,为该问题的研究提供一定的参考。     

基于买家评论文本分析的C2C电子商务推荐信任研究北大核心CSSCI

买家在线评论是顾客考核商家信任度的重要依据,对买家评论文本进行分析具有重要意义。为更加准确地分析评论信息内容,挖掘其真实推荐价值,可从评论文本分析着手构建新的信任推荐模型。一方面,针对好、中、差三类评论与所对应评论内容不匹配的现象,构建评论文本中心度因子和评论情感因子,同时综合考虑交易时间、金额等因素,引入反馈机制,建立一种全面客观的推荐模型;另一方面,结合算法编程对模型进行模拟仿真实现,有效挖掘评论的真实推荐价值,提高计算所得信任值对买家决策的参考价值和推荐的可靠性。根据该模型研究结果,为更好地帮助电商提高推荐信任度,帮助买家进行购买决策,对电商和在线平台而言,一定要在保障产品质量的同时,努力提高在线评论信息获取的便捷度和内容的可信度,提高推荐参考价值,确保用户信息与财务安全,增强买家信任感;对买家而言,一定要提高在线评论信息分辨能力,合理挖掘买家在线评论所体现的信息,科学判断电商平台信誉度,并由此形成更为理性的消费,更好地保障自身权益;对监管机构而言,一定要切实发挥监督管理职能,协同电商和消费者营造良好购物环境,确保电子商务健康有序发展。     

基于结构方程模型的电子商务推荐系统信任模型实证研究

电子商务推荐系统是在海量信息之中,给用户推荐其可能喜欢的商品或服务的一种应用系统。怎样提高推荐系统的采纳率是系统设计者最为关心的问题。本文运用结构方程模型,从用户信任的视角,对社会化推荐系统进行了实证研究,研究结果表明用户对推荐结果的感知有用性,与推荐系统的交互度,推荐系统的透明度与用户的满意度和使用意向之间有一定的正向关联。     

智能推荐技术在电子商务中的运用

互联网应用的普及，在推动了电子商务迅速发展的同时，也造成了信息的过载。推荐系统帮助消费者在海量的商品信息中得到有价值的购买建议，并相应地提高了销售业绩，因此在电子商务中具有良好的应用前景。本文针对电子商务个性化推荐系统中几种常见的推荐技术进行了研究和比较。     

商务旅游者正在用高科技手段来取代传统的旅行社

埃森哲公司最近的调查结果显示, 技术已经成为许多商务旅游者不可或缺的重要组成部分。通过对500名美国商务旅游者进行的调查所得出的报告,我们发现将近 74％的人进行在线旅游预订．这一比例高于2004年调查中的61％和2003年     

数据挖掘在电子商务中的应用——对推荐系统的简介

如何面对海量的信息如何进行过滤和筛选，并将用户最想得到的信息进行展现，这已经成为这个信息爆炸时代最重要的问题之一。在此情景下，推荐系统应运而生。它不像搜索引擎一样只是对用户提供的显式需求进行被动式的匹配，而是可以根据用户潜在的兴趣和爱好主动地进行信息推荐，从而最终提升用户体验、提高服务质量。     

电子商务个性化推荐系统中协同过滤技术研究

在信息量越来越大的今天,基于各种推荐技术的个性化推荐系统应运而生,为了使用户及时从大量数据中得到所需信息,电子商务个性化信息推荐服务应运而生。协同过滤推荐技术作为目前最成熟、最成功的推荐技术,得到了广泛的应用。协同过滤通过收集用户的兴趣爱好,及其他用户的评分信息计算用户间的相似度,从而进行推荐。然而由于数据稀疏度、冷启动、算法的可扩展性问题严重影响了推荐的准确度,推荐系统的应用和推广遇到了瓶颈。     

电子商务个性化推荐技术研究

个性化推荐是电子商务推荐系统中最核心、最关键的技术,很大程度上决定了推荐系统性能的优劣。文章主要介绍了目前应用较广的几种推荐技术,并对这几种推荐技术的优缺点进行了比较和分析。     

“互联网+”背景下在线旅游用户数据研究

目的:本文以在线旅游用户为研究对象,探寻在线旅游者旅游前、中、后的网络足迹,有利于旅游用户更好的利用在线旅游平台了解旅游信息,掌握最优旅游路线,分享旅游经历,体验智慧旅游,提高了用户的满意度。方法:通过问卷星平台向用户发放300份问卷。结论:在线旅游用户在旅游前、中、后的三个阶段的网络行为均由在线旅游信息搜寻行为、在线旅游预订行为以及在线旅游互动分享行为构成,100%的在线旅游用户旅游后存在分享互动行为。     

不同旅游者信息态度的差异研究

信息对旅游者非常重要,研究旅游者的信息态度可以让旅游企业更有针对性地进行市场营销.本文以人口特征、先前经验和旅游知识为参数,研究旅游者对旅游信息的看法、对搜集信息成本支付意愿等问题.结果表明,性别、旅游知识和先前经验不影响信息看法和信息成本支付意愿,而受教育程度、收入和年龄对信息看法和信息成本支付意愿有一定影响.     

电子商务推荐系统研究综述

本文简要的介绍了电子商务推荐系统的概念、作用和构成,详细的论述了电子商务推荐系统所采用的推荐技术及其优缺点,最后指出了现有电子商务推荐系统的研究热点和难点。