一种适合于保险产品的个性化推荐算法

随着保险电子商务的不断发展,保险网站的用户越来越多样化,需求差异越来越大,为不同类型的用户推荐个性化定制化的产品以提高网站销量已经成为行业趋势。针对该问题,提出基于保险行业电子商务网站的个性化推荐系统。系统采用了基于内容的推荐和基于关联规则的推荐,分别利用保险产品本身的分类特点和用户访问网站的历史记录来推荐产品,最后将两种算法进行组合推荐。实验结果表明,算法性能高,平均推荐准确率在8%左右。由此得出结论,所提算法可用于网站的线上预测推荐。     

一种基于Web数据挖掘的电子商务推荐系统

在对Web数据挖掘技术和电子商务推荐系统进行研究生的基础上,设计和提出了一种基于Web数据挖掘的电子商务推荐系统.该系统根据电子商务网站的基本特征,设计了用户当前兴趣表示方法和推荐算法,由于结合了Web使用挖掘和Web内容挖掘为顾客提供个性化推荐服务,从而较大提高了系统的推荐精确度,在实际应用中取得了较好的推荐效果.     

Web日志挖掘在电子商务中的应用研究

本文介绍了Web日志挖掘的概念和流程,提出了客户频繁访问路径和页面兴趣度挖掘算法,并给出了个性化推荐系统的构建思路,旨在为电子商务网站经营者改善网站结构提供帮助。     

Web日志挖掘在电子商务中的应用研究

本文介绍了Web日志挖掘的概念和流程,提出了客户频繁访问路径和页面兴趣度挖掘算法,并给出了个性化推荐系统的构建思路,旨在为电子商务网站经营者改善网站结构提供帮助.     

用户行为模式下电子商务网站个性化推荐研究

个性化推荐可解决网络信息多样性与用户需求之间的矛盾。个性化推荐在电子商务应用领域取得了显著的成效。论文首先对四种主流的电子商务个性化推荐技术进行综述,其次提出用户行为模式下电子商务网站个性化推荐方法,其个性化推荐的实现一般包括用户行为聚类、个性化推荐二个模块,最后通过图书电子商务网站的实验对推荐方法的效果进行验证。     

电子商务个性化推荐技术分析及比较

随着电子商务的迅猛发展,“信息超载”问题日渐突出,导致用户难以有效搜寻所需商品,个性化推荐技术由此在电子商务网站得到应用和普及。采用定性分析方法,对目前电子商务网站使用的信息检索、关联规则、基于内容的过滤和协同过滤等四种主要推荐技术作了应用层面的优缺点分析,并基于多个指标对其进行比较,以期为电子商务企业构建推荐系统提供决策参考。     

电子商务中Web挖掘技术的应用探讨

随着电子商务技术的深入发展,商家在与用户交互活动中的信息也迅速膨胀,网上的海量信息为Web挖掘提供了一个广阔的应用领域,使用Web挖掘技术能够发现电子商务过程中的潜在模式。文中针对几种不同特点的电子商务Web挖掘系统,包括智能搜索引擎系统、网站用户访问分析系统、个性化推荐系统等都进行了探讨。     

基于案例推理的电子商务个性化推荐系统

在电子商务个性化推荐系统中，输入数据过多地依赖客户对项目的评价。针对这一问题，该文将基于案例推理技术引入到个性化推荐系统的研究中，提出了一种新的系统结构框架，分析了该框架的关键技术，通过简单的示例说明了案例推理技术在个性化推荐系统中的应用过程，并验证其有效性和准确性。     

电子商务中Web挖掘技术的应用探讨

随着电子商务技术的深入发展，商家在与用户交互活动中的信息也迅速膨胀，网上的海量信息为Web挖掘提供了一个广阔的应用领域，使用web挖掘技术能够发现电子商务过程中的潜在模式。文中针对几种不同特点的电子商务web挖掘系统，包括智能搜索引擎系统、网站用户访问分析系统、个性化推荐系统等都进行了探讨。     

B2C网上购物推荐系统的设计与实现

根据B2C网上购物的实际背景和目前推荐系统存在的不足,设计和实现了一个运用多种技术相结合的个性化网页推荐系统.这种推荐模型增强了推荐系统的实时性,提高了推荐服务的质量,从而提高了电子商务网站的交叉销售能力和网站商品的销售量.该系统所用的方法、处理过程和推荐形式,对于其他电子商务网站也都有一定的借鉴意义.     

个性化电子商务网站系统总体结构模型的研究

随着全球网络技术的普及与推广,网络已成为新的商务平台,电子商务网站就成为了网络商务平台的载体。通过对网站系统的个性化设计,可以为今后更多的电子商务网站提供个性化服务起到借鉴作用。     

基于电子商务的个性化推荐系统研究

在电子商务环境中,实现个性化服务,理解用户兴趣就成了提供个性化服务的关键任务。因此,建立用户兴趣模型和构建推荐库就成为个性化推荐系统的实现基础。论文通过网络爬虫获取到相关的网页,进行预处理后,采用SVM（支持向量机）分类文档建立推荐库。通过对用户访问路径、搜索关键字等分析,获取用户兴趣,采用向量空间模型表示用户兴趣,利用机器学习构建用户兴趣模型。在推荐库和用户兴趣模型的基础上,加入推荐引擎,实现了基于电子商务的个性化推荐系统。     

基于ASP.NET 2.0的个性化电子商务系统的设计与实现

传统的电子商务模式中,人们的个性化需求无法得到满足,随着Web 2.0的发展,带来了电子商务新的模式,个性化电子商务应运而生,它包括制作个性化电子商务网站和定制个性化商品,为人们带来了全新的体验,为Web重新带来了商机.     

基于数据中心模式的多网站数据挖掘技术研究

随着互联网的快速发展,Web上的数据飞速增长。面对海量的数据,如何从中找出有价值的信息,运用到商业决策的制定中,已经成为越来越多的人关心的课题。该文主要介绍了web数据挖掘的概念和分类,论述了在电子商务中web挖掘的过程和方法,揭示了数据挖掘在电子商务中广泛的应用前景。论文实现了一个面向多电子商务平台的数据挖掘系统,系统面对多电子商务平台,实现了统一的数据收集和预处理过程,对用户的访问日志进行分析,从网站、商品类别、商品等角度进行数据分析,并又对用户的访问数据进行挖掘,从这些数据中发现潜在的规律,把握用户动态,帮助企业制定商业决策,使电子商务更具个性化和针对性。     

浅析Web2.0与电子商务2.0相结合模式及其应用

随着Web2.0技术在互联网中的广泛应用,电子商务正在经历着一个根本性的转变与发展,预示着电子商务2.0时代正在悄然兴起。Web2.0技术以及其引起的以"交互"为核心的互联网创新的不断研究,探索电子商务2.0成了必然趋势。文章阐述了Web2.0和电子商务2.0的理念及对电子商务2.0的趋势进行浅析等,相信不久的将来Web2.0与电子商务2.0相结合的应用网站会出现在不同的领域。     

基于跨境电商可控关联性大数据的出口产品销量动态预测模型

目前流行的外贸产品销量预测方法单纯地分别从第三方平台或大数据角度研究预测问题,对互联网平台、跨境电商、大数据融合应用于产品销量动态演化预测的考虑不足。为提高出口产品销量预测效果,实现预测系统的伸缩性和动态演化性,基于研究"互联网+外贸"环境下跨境电商出口产品销量可控关联性大数据挖掘、个性化预测机制、智慧预测算法,改进分布式定量、集中式定性计算等相应算法,提出一个"互联网+外贸"驱动下基于跨境电商可控关联性大数据的出口产品销量动态预测模型,并进行了应用实验,对各种模型的实验结果进行对比分析。实验结果表明,该模型充分融合了"互联网+"的开放性、可延伸性和大数据动态预测优势,实现了"互联网+外贸"环境下基于跨境电商可控关联性大数据的出口产品销量动态、智慧、定量定性预测。该模型综合预测效果明显优于传统模型,具有较强的动态演化性和较高的实用价值。     

基于主成分分析的B2C客户分类方法研究

随着电子商务的发展,以"客户为中心"已成为电子商务企业的经营策略,而任何高效的客户关系管理都是以扎实的客户分类为基础。然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,如何对其正确、高效地分类是一个难题。根据电子商务客户信息的特点,构建B2C客户分类模型,提出了先对客户信息进行主成分分析以消除属性之间的依赖性,而后用朴素贝叶斯算法进行分类的新方法。实验表明了该方法的有效性。     

A cognitive approach for agent-based personalized recommendation

There is an increasing need for various e-service, e-commerce and e-business sites to provide personalized recommendations to on-line customers. This paper proposes a new type of personalized recommendation agents called fuzzy cognitive agents. Fuzzy cognitive agents are designed to give personalized suggestions based on the user’s current personal preferences, other user’s common preferences, and expert’s domain knowledge. Fuzzy cognitive agents are able to represent knowledge via extended fuzzy cognitive maps, to learn users’ preferences from most recent cases and to help customers make inferences and decisions through numeric computation instead of symbolic and logic deduction. A case study is included to illustrate how personalized recommendations are made by fuzzy cognitive agents in e-commerce sites. The case study demonstrates that the fuzzy cognitive agent is both flexible and effective in supporting e-commerce applications.     

利用RSS技术实现电子商务网站商品信息的个性化定制

随着企业信息化建设的不断推进,企业纷纷拥有了自己的电子商务网站,但其存在一些不足。通过对RSS技术进行分析,提出如何将RSS技术应用于电子商务网站实现商品信息的个性化定制,从而给出建立新一代电子商务网站的新思路。     

基于Web日志挖掘和相关性度量的电子商务推荐系统

基于Web日志挖掘的个性化推荐技术已在电子商务网站中广泛应用,针对现有推荐系统的准确性不高等问题,提出一种基于Web日志挖掘和相关性度量的个性化推荐系统. 首先,提取用户的访问日志,并对其进行预处理,以获得精简的结构化数据. 然后,对日志进行分析,提取出特征序列. 再后,根据特征的出现频率和页面停留时间,计算出页面与交易文本文档的相关性. 最终,利用夹角余弦公式计算出用户与页面的相关性,并以此形成推荐列表. 实验结果表明,该方案能够根据用户偏好精确的给出个性化推荐.