伴隨著人工智能、大數(shù)據(jù)和云計算等技術(shù)的發(fā)展,電商服務(wù)網(wǎng)站逐漸步入了成熟階段,及時準(zhǔn)確且個性定制的推薦服務(wù)不僅可以預(yù)測用戶的消費需求,解決信息過載問題,還能夠保持用戶的戮合度,提高網(wǎng)站平臺的粘性。服飾類商品自2012年起成為網(wǎng)絡(luò)購物的第一大銷售商品,成交額連續(xù)7年保持平穩(wěn)較快增長,然而來自于性別、風(fēng)格、流行等方面的特殊屬性,使適用于圖書、音樂、資訊類的個性化推薦并不能直接用于服飾類商品,但接近半數(shù)的女性日常會關(guān)注購物平臺的個性化推薦內(nèi)容。因此,對服裝個性化推薦的研究具有十分重要的現(xiàn)實意義。本研究根據(jù)電子商務(wù)個性化推薦系統(tǒng)的組成模塊和基本框架,重點分析了推薦方法版塊,并探索了用戶模型的建立等關(guān)鍵問題。結(jié)合服裝產(chǎn)品的營銷特點,本課題對用戶信息采集、相似人群圈定以及行為偏好的透視維度等環(huán)節(jié)進(jìn)行了規(guī)劃和探討,并初步構(gòu)造出混合模式服裝智能推薦系統(tǒng)技術(shù)構(gòu)架。該模式依據(jù)三種推薦技術(shù),建立了不同類型的推薦召回模型,綜合考慮了人口統(tǒng)計信息、用戶偏好相似性、項目偏好差異和用戶歷史行為數(shù)據(jù)的利用等因素,有效避免了單一推薦技術(shù)的短板,提高了電子商務(wù)系統(tǒng)預(yù)測推薦服裝產(chǎn)品的準(zhǔn)確率。為了驗證混合推薦效果,上述模型被應(yīng)...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的及意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 個性化推薦系統(tǒng)
        1.3.2 服裝推薦系統(tǒng)
        1.3.3 國內(nèi)外研究的評述與思考
    1.4 研究的內(nèi)容與技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
    1.5 研究難點與創(chuàng)新點
        1.5.1 研究難點
        1.5.2 研究創(chuàng)新點
第二章 電子商務(wù)推薦系統(tǒng)概述
    2.1 電子商務(wù)推薦系統(tǒng)的基本構(gòu)成
        2.1.1 組成模塊
        2.1.2 基本框架
    2.2 推薦算法在服裝電子商務(wù)平臺中的應(yīng)用探析
        2.2.1 基于內(nèi)容的推薦算法
        2.2.2 協(xié)同過濾推薦算法
        2.2.3 基于關(guān)聯(lián)規(guī)則的推薦
        2.2.4 基于知識的推薦
        2.2.5 混合推薦算法與綜合描述
    2.3 本章小結(jié)
第三章 服裝網(wǎng)絡(luò)營銷現(xiàn)狀及推薦技術(shù)構(gòu)架設(shè)想
    3.1 服裝電商網(wǎng)絡(luò)營銷現(xiàn)狀
        3.1.1 服裝電子商務(wù)的概念
        3.1.2 服裝電子商務(wù)的發(fā)展過程與現(xiàn)狀
    3.2 服裝網(wǎng)絡(luò)營銷的機遇
        3.2.1 互聯(lián)網(wǎng)+背景下的營銷契機
        3.2.2 智能推薦的優(yōu)勢
        3.2.3 傳統(tǒng)推薦技術(shù)存在的問題
    3.3 服裝電子商務(wù)平臺推薦系統(tǒng)的技術(shù)構(gòu)想
        3.3.1 總體框架與流程
        3.3.2 用戶數(shù)據(jù)收集
        3.3.3 可行性分析
        3.3.4 模型分類
    3.4 本章小結(jié)
第四章 基于混合模式的服裝電商推薦體系構(gòu)建
    4.1 基于人口統(tǒng)計的召回模型
        4.1.1 推薦流程
        4.1.2 以年齡為變量對用戶進(jìn)行細(xì)分
        4.1.3 以性別為變量對用戶進(jìn)行細(xì)分
        4.1.4 以職業(yè)為變量對用戶進(jìn)行細(xì)分
        4.1.5 以城市級別為變量對用戶進(jìn)行細(xì)分
    4.2 基于相似的召回模型
        4.2.1 CS服裝推薦算法
        4.2.2 SO服裝推薦算法
    4.3 基于用戶行為偏好的召回模型
        4.3.1 基于模型的協(xié)同過濾
        4.3.2 訓(xùn)練集方式
        4.3.3 用戶行為偏好的透視維度
    4.4 本章小結(jié)
第五章 混合推薦在J公司電子商務(wù)平臺推薦中的應(yīng)用
    5.1 J公司營銷背景
        5.1.1 網(wǎng)絡(luò)營銷現(xiàn)狀
        5.1.2 個性化營銷策略分析
    5.2 案例應(yīng)用-時尚超品男裝推薦活動
        5.2.1 推薦目標(biāo)、策略和流程
        5.2.2 人口統(tǒng)計召回模型圈定人群范圍
        5.2.3 數(shù)訪-4A行為偏好
        5.2.4 依據(jù)4A行為偏好建立用戶標(biāo)簽
        5.2.5 男裝推薦效果分析
    5.3 時尚超品男裝推薦模式的總結(jié)與啟示
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 營銷啟示
    6.3 研究不足和前景展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝



本文編號：3772314