基于在線評論挖掘的網(wǎng)絡購物混合推薦模型及策略研究.pdf

1、隨著web2.0的快速發(fā)展，網(wǎng)絡數(shù)據(jù)幾何增長，快速、準確獲取用戶需求信息成為相關企業(yè)和客戶的迫切需要，各種各樣的產(chǎn)品推薦系統(tǒng)應運而生。傳統(tǒng)推薦系統(tǒng)大多是以產(chǎn)品為中心，以用戶評分為數(shù)據(jù)源，系統(tǒng)性能依賴于用戶偏好模型的質量，但用戶的偏好信息很難以簡單的評分來全面表征。因此，推薦系統(tǒng)常出現(xiàn)冷啟動、數(shù)據(jù)稀疏性等問題。為了解決這些難題。
　　本文提出以在線評論為基礎數(shù)據(jù)源，在對傳統(tǒng)網(wǎng)絡購物推薦系統(tǒng)以及在線評論挖掘相關理論、技術、方法等進行梳

2、理、分析的基礎上：
　　首先，作為網(wǎng)絡口碑的主要傳播形式，在線評論在已有文獻的研究中大都先驗地被當作外生變量來處理，并將兩者間的動態(tài)相互關系簡單的看成靜態(tài)單方向作用。本文在動態(tài)內生性假說的視角下，引入在線評論各屬性變量外的可測量的控制變量與難以觀測或度量的啞變量，研究消費者基于在線評論的產(chǎn)品網(wǎng)絡口碑感知問題。在動態(tài)面板數(shù)據(jù)模型中，通過控制變量與啞變量控制住內生性的影響后發(fā)現(xiàn)：（1）在靜態(tài)分析框架下，在線評論與網(wǎng)絡口碑感知之間是相互

3、影響的，啞變量會對網(wǎng)絡口碑感知與在線評論之間同時產(chǎn)生影響；（2）在動態(tài)分析框架下，在線評論與網(wǎng)絡口碑感知之間存在一定的跨期作用，但滯后期并不確定，并且負面在線評論的比例與網(wǎng)絡口碑感知之間并沒有本文預期的反饋效應，這說明，二者的跨期動態(tài)作用并不是相互的而是單方向的。通過分析網(wǎng)絡口碑感知的影響因素，確定在線評論的各屬性對消費者網(wǎng)絡口碑感知的不同影響，識別關鍵因素，為在線評論信息的差異化挖掘提供依據(jù)。
　　其次，在以上分析的基礎上，重點

4、研究了在線評論的挖掘，包括在線評論數(shù)據(jù)源的挖掘以及在線評論信息的挖掘兩部分。不同于以往的在線評論分析數(shù)據(jù)直接取自網(wǎng)絡購物平臺或專業(yè)點評網(wǎng)站，本研究將整個互聯(lián)網(wǎng)作為在線評論的數(shù)據(jù)源，并從中挖掘可靠的數(shù)據(jù)源。通過將研究分解成三個子任務，對網(wǎng)絡數(shù)據(jù)從運用改進的PageRank剔除作弊網(wǎng)頁開始；再運用改進的TC-PageRank提煉與產(chǎn)品主題高度相關并包含大量在線評論數(shù)據(jù)的網(wǎng)頁集；到運用改進的HITS確定在線評論分析數(shù)據(jù)來源的權威網(wǎng)頁集結束。而

5、對于在線評論信息的挖掘研究，在線評論作為潛在消費者網(wǎng)購的重要參考依據(jù)，挖掘其有價值的信息是有效利用的關鍵。針對網(wǎng)購平臺的設計原則以及消費者的實際需求，融合社會化標注構建領域本體，基于領域本體的層次結構，將在線評論的特征詞映射為本體概念，并利用 Jess推理引擎提取評論中的隱性產(chǎn)品屬性，再將概念間的層次關系映射到產(chǎn)品屬性中，構建層次化產(chǎn)品屬性集?；趯盈BCRFs模型以及情感詞典，從在線評論的極性分析到句子級的情感強度分析再到產(chǎn)品屬性級的褒

6、貶強度分析，實現(xiàn)在線評論情感傾向性的層次化分析。
　　最后，針對網(wǎng)絡購物推薦系統(tǒng)的數(shù)據(jù)稀疏性、冷啟動問題日益突出以及傳統(tǒng)的基于評分信息的用戶偏好信息采集的不足，導致推薦算法的推薦效果不能令用戶滿意的問題，本文在上述網(wǎng)絡口碑感知影響因素分析的基礎上，提出了基于在線評論信息挖掘的用戶偏好模型以及產(chǎn)品特征模型的構建方法?；趯哟位挠脩羝眯畔ⅲ瑯嫿嘶诒倔w建模方法的動態(tài)用戶偏好模型，并通過用戶偏好的更新本體進行用戶偏好的增加、刪減以

7、及調整，時刻保持用戶偏好本體的動態(tài)更新。
　　在構建網(wǎng)絡購物混合推薦模型之前，研究如何設計推薦系統(tǒng)才能獲得用戶的信任，進而實現(xiàn)推薦系統(tǒng)的預期作用。利用管理學、心理學、信息學等相關理論和方法，基于人際信任理論將用戶對推薦系統(tǒng)的信任過程劃分為從初始信任到交互信任再到推薦信任的三個階段。探討了影響各階段信任的關鍵影響因素，并構建了多階段用戶信任的綜合模型。基于該研究分析了用戶信任及采納推薦系統(tǒng)的關鍵影響因素，得出用戶感知可信并采納的推薦

8、系統(tǒng)特征。在實證研究的基礎上，根據(jù)Walls等提出的ISDT框架，分別從元需求與元設計兩個方面對用戶感知可信并采納的推薦系統(tǒng)特征進行了詳細闡述。
　　根據(jù)上述研究結果，構建了基于在線評論挖掘的網(wǎng)絡購物混合推薦模型，將推薦細化到產(chǎn)品特征層次并按消費者對產(chǎn)品的各特征評價進行綜合排序。該模型以協(xié)同過濾算法為框架，結合基于內容推薦算法，通過產(chǎn)品的多屬性評分來緩解稀疏性問題，并通過基于用戶屬性的相似度與基于產(chǎn)品屬性的相似度計算算法在一定程度

9、上解決了用戶冷啟動與產(chǎn)品冷啟動問題；結合多種相似度算法構建了基于用戶偏好與產(chǎn)品特征的混合推薦算法。
　　仿真實驗通過采集淘寶網(wǎng)、亞馬遜中國網(wǎng)、京東網(wǎng)這三個國內大型網(wǎng)絡購物平臺的手機頻道的10000條在線評論信息，驗證了基于在線評論挖掘的網(wǎng)絡購物混合推薦模型良好的推薦精確度以及解決冷啟動問題的能力。
　　并基于上述的研究結果，探討了網(wǎng)絡購物推薦系統(tǒng)的推薦策略以及網(wǎng)購平臺在產(chǎn)品營銷的管理實踐中的主要對策建議。結合全文研究，總結歸