项目名称: 基于市场效应的用户行为与协同过滤推荐研究

项目编号: No.71462036

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 管理科学

项目作者: 赵昆

作者单位: 云南财经大学

项目金额: 35万元

中文摘要: 推荐系统是当前包括电子商务在内的各种网络应用的一个重要组成部分。课题在深入分析当前协同过滤推荐技术存在的问题的基础上,结合信息技术应用发展、尤其是大数据背景下的应用需求,针对人们在产品选择中存在的一些行为特征,提出效应行为概念,拟将在对其进行深入的理论和实证研究基础上,展开相应的推荐算法研究。研究内容包括基于市场效应的用户行为研究、推荐算法及其应用相关问题研究、相关推荐技术比较分析等三个方面。 课题对研究方案进行了充分论证和精心设计,研究思路新颖独特。对效应行为的研究,可以拓展对人们选择行为的认识框架,以此为基础进行推荐算法的分析设计,对有效解决推荐系统应用中数据的稀疏性、推荐的精确性与系统效率之间的矛盾等方面的问题有较高的理论和实际应用价值,使推荐系统在大数据背景下具有较强的适应性。研究成果将丰富推荐系统领域现有的理论和方法,对完善我国网络购物环境、促进电子商务应用发展具有积极意义。

中文关键词: 电子商务;用户行为;推荐系统;协同过滤;大数据

英文摘要: Recommender system is one of the most important parts in a variety of Internet-based applications, including e-commerce and e-business. Based on the deep analysis into the problems existed in current collaborative filtering recommendation methods used in the systems, combined with the understanding of the requirements of information technology development, especially the requirements from big data applications, the project will carry out research on a sort of phenomenon appeared in the activities of users' product selection. The phenomenon is referred to as effect-based behavior in the project and will be examined from both theoretical and empirical perspective. The understanding of the phenomenon is beloved to be able to enlighten approaches for research on recommendation methods and this project will also conduct research on new recommendation methods from this view. The project will address research topics in three aspects including study of effect-based user behavior, research on recommendation methods and related application issues, experiments on and comparisons among the related recommendation methods. Base on the original concept of effect-based behavior proposed in this project, a distinctive approach is suggested to deal with the associated questions in recommender systems research area. Full consideration has been given to the related aspects of the proposed project and the scheme of the research is well demonstrated in the proposal. The proposed concept is believed to be helpful in extending our understanding about user behavior in product selection and evaluation. Recommendation methods generated from this new understanding about user behavior are believed to be of effectiveness in solving problems such as data sparsity, the trade-off between the efficiency and accuracy of a recommender system, and etc., which exist in traditional recommendation methods, of both value in theoretical research and applications in real practices, and of help in enhancing the adaptability of recommender systems in big data application environment. After all, the research is hoped to gain fruitful results which will enrich theories and methods in recommender systems area, and has its significance in improving shopping environment for online users in their related network activities, has implication in booming the development of e-commerce application.

英文关键词: e-commerce;user behavior;recommender systems;collaborative filtering;big data

成为VIP会员查看完整内容
0

相关内容

电子商务( Electronic Commerce)的定义: 电子商务是利用 计算机技术网络技术和远程通信技术,实现电子化、 数字化网络化的整个商务过程。   联合国国际贸易程序简化工作组对电子商务的定义是:采用电子形式开展商务活动,它包括在供应商、客户、政府及其他参与方之间通过任何电子工具,如 EDIWeb技术电子邮件等共享非结构化商务信息,并管理和完成在商务活动、管理活动和消费活动中的各种交易。
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
51+阅读 · 2021年11月27日
协同过滤推荐系统综述
专知会员服务
42+阅读 · 2021年11月4日
基于强化学习的推荐研究综述
专知会员服务
79+阅读 · 2021年10月21日
专知会员服务
17+阅读 · 2021年6月12日
专知会员服务
25+阅读 · 2021年6月9日
个性化广告推荐系统及其应用研究
专知会员服务
92+阅读 · 2021年2月27日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
基于知识图谱的推荐系统研究综述
专知会员服务
318+阅读 · 2020年8月10日
多视图多行为对比学习推荐系统
机器学习与推荐算法
4+阅读 · 2022年3月23日
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
基于知识图谱的推荐系统总结
图与推荐
1+阅读 · 2021年11月11日
中文版协同过滤推荐系统综述
机器学习与推荐算法
0+阅读 · 2021年11月5日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Memory-Gated Recurrent Networks
Arxiv
12+阅读 · 2020年12月24日
Disentangled Information Bottleneck
Arxiv
12+阅读 · 2020年12月22日
Arxiv
13+阅读 · 2018年4月18日
小贴士
相关VIP内容
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
51+阅读 · 2021年11月27日
协同过滤推荐系统综述
专知会员服务
42+阅读 · 2021年11月4日
基于强化学习的推荐研究综述
专知会员服务
79+阅读 · 2021年10月21日
专知会员服务
17+阅读 · 2021年6月12日
专知会员服务
25+阅读 · 2021年6月9日
个性化广告推荐系统及其应用研究
专知会员服务
92+阅读 · 2021年2月27日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
基于知识图谱的推荐系统研究综述
专知会员服务
318+阅读 · 2020年8月10日
相关资讯
多视图多行为对比学习推荐系统
机器学习与推荐算法
4+阅读 · 2022年3月23日
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
基于知识图谱的推荐系统总结
图与推荐
1+阅读 · 2021年11月11日
中文版协同过滤推荐系统综述
机器学习与推荐算法
0+阅读 · 2021年11月5日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员