导读:本文包含了个性化电子商务论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:电子商务,算法,系统,教育教学,高职,电子商务平台,属性。
个性化电子商务论文文献综述
罗青青[1]（2019）在《电子商务环境下的个性化定价策略及其动态调整》一文中研究指出互联网的逐步推广和发展,电子商务的迅速发展正在逐渐瓦解传统的定价模式和营销方式。个性化定价策略顺应时代潮流,在利用大数据环境下能更好地了解消费者的需求和偏好,为将顾客划分为单个细分市场提供技术支持。文章基于个性化定价的条件,结合动态因素,利用REM模型进行顾客细分,为个性化定价提供理论支撑。(本文来源于《智库时代》期刊2019年44期）
成保梅[2]（2019）在《基于协同过滤的电子商务个性化推荐算法研究》一文中研究指出采用基于使用者的协同过滤推荐算法进行电子商务个性化推荐,将获取的评价数据作为推荐算法的输入,根据使用者行为的相似性获取"最近邻居"集,统计其中各邻居对项目商品的评价分数,并以使用者对项目商品的评分形式和使用者关注度最高的多个项目商品推荐列表形式进行项目商品推荐。在获取"最近邻居"集的过程中,通过使用者特征集提升电子商务推荐系统推荐最近邻居的准确度,利用兴趣度随时间变化函数修正使用者评价矩阵,从使用者特性和兴趣两方面对协同过滤推荐算法进行个性化改进。研究结果表明,所提算法推荐项目商品所需时间始终低于对比算法,且采用该推荐算法后电子商务平台交易成功率由38.4%提升至87.2%。(本文来源于《现代电子技术》期刊2019年20期）
项露芬[3]（2019）在《基于个性化推荐技术的电子商务发展研究》一文中研究指出在电子商务全面发展、全面进步的今天,信息超频现象变得越发频繁,该问题致使很多用户无法有效掌握与获得自己需要的商品。为应对这一现象,个性化推荐就此出现,该技术能够为用户提供合理、可行、需求的商品。该技术以定性分析形式,检索商务网站信息,利用协同过滤、内容过滤、关联规则、信息检索等办法,分析应用层优缺点,比较关联指标,能够为电子商务的推进提供支持。文章对此技术在电子商务中的应用进行了研究。(本文来源于《无线互联科技》期刊2019年13期）
王敏[4]（2019）在《基于协同过滤的电子商务个性化推荐系统设计和实现》一文中研究指出随着移动互联网技术和手机应用软件开发技术不断提高,大部分的智能手机用户对移动业务功能有了更高的要求,特别是使用手机进行网上购物的功能,以其快速地传播商品信息,便捷的购物功能,被广大用户喜爱和使用;其次随着互联网信息技术以及电子商务的迅速发展,人类已经逐渐步入信息过载的时代,“庞大臃肿”的电子商务数据导致用户很难及时地获取有效的数据信息,因此本文将个性化推荐技术和电子商务技术进行结合,实现更高效电子商务系统;电子商务个性化推荐系统主要研究工作如下:首先,针对个性化推荐数据进行特征提取效果差问题,本文提出了基于综合权重的TextRank算法,结合使用TF-IDF值、关键词词性、关键词位置、关键词词长等指标数据,利用G1赋权法的规则对关键词进行综合赋权,然后利用基于综合权重的TextRank算法对关键词权重进行迭代运算得出最终的综合权重,有效表示关键词的重要程度,并通过精确率、召回率以及F1_Score均值等指标衡量基于综合权重的TextRank算法、传统的TextRank算法以及TF-IDF算法进行对比,得出基于综合权重的TextRank具有更好的关键词提取效果。其次,针对个性化推荐精度低问题,本文提出基于聚类优化后的协同过滤算法,采用K-means聚类算法对协同过滤推荐算法进行优化,完成系统商品推荐功能,有效解决了网购用户难以从众多商品信息中找优质商品资源问题。基于聚类优化后的协同过滤推荐算法主要通过采集用户兴趣、商品内容、用户对商品评分及购买行为等数据,采用聚类算法对采集的数据样本空间进行聚类,并利用基于用户的协同过滤推荐算法并把相似度最高的用户的商品推荐给用户,并利用评价绝对误差对基于用户协同过滤推荐算法、基于内容的协同过滤推荐算法以及基于聚类优化的协同过滤推荐算法进行对比实验,得出基于聚类优化后的协同过滤推荐算法具有更好的推荐效果。最后,论文采用面向对象的设计方法对系统进行了需求分析和设计,利用Android Studio开发工具,JAVA技术以及SQLite数据库在移动终端上开发功能完善的电子商务系统,系统能实现网上商品交易的诸多常用功能,比如:商品信息查看、商品快捷搜索、热门商品活动、特色商品市场、商品分类、购物车、用户注册登录等,系统数据的稳定性和可靠性好,为广大网购用户提供了更为高效的电子商务系统,改善了网购用户的购物效率。(本文来源于《广州大学》期刊2019-05-01）
刘会珍[5]（2019）在《基于协同过滤的电子商务平台个性化推荐模型的设计与实现》一文中研究指出电子商务平台是一种新型网络交易平台,在该平台上进行信息推送可以提高交易完成的速度,促进交易量,传统的推送方式都是直接将信息推送给客户,内容庞大,且绝大多数与用户需求不相关,推送效果不好。为了解决此问题,基于协同过滤手段设计了一种新的电子商务平台个性化推荐模型,首先设计了推荐模型框架,该框架由数据层、应用层和推送层叁部分组成;然后研究了模型的工作流程,介绍了网络数据分析、在线推荐、推荐过程实现叁个流程;接着阐述了电子商务平台的Apriori算法和Clique算法两种推送算法,从产品分类、产品信息和产品属性叁个角度分析了该模型的实现;最后通过与传统模型的对比实验验证了本文设计模型的可行性,由实验结果可知,该模型能够精准地匹配出用户信息和产品信息,并对其进行匹配,从而完成推送。(本文来源于《广西师范学院学报(自然科学版)》期刊2019年01期）
杨利[6]（2019）在《基于大数据的电子商务个性化信息推荐服务模式研究》一文中研究指出随着大数据时代的到来,用户购买需求呈现多元化发展趋势,电商平台给用户提供的推荐服务面临巨大挑战。构建个性化信息推荐服务模式,满足用户提供个性化的服务需求,从而提高电商平台的服务质量,为其自身的市场竞争力提供保障。(本文来源于《科技视界》期刊2019年10期）
王光焰[7]（2019）在《基于个性化发展的高职电子商务专业创新创业教育教学模式改革研究与实践》一文中研究指出目前大学生的创新创业活动以95后的学生为主体,他们个性鲜明,兴趣爱好多样化,热衷追求新鲜事物,更重视过程的参与和体验,互联网和电子商务又是大学生创新创业比较集中的领域,具有机会多,门槛低,风险小,成功率高等特点,而电子商务专业课程具有跨学科的特点,可适应不同特征的学生,为个性化培养方面提供了有利的条件,面对高职院校学生录取形式的多样化,根据学生的差异进行个性化的创新创业教学,可以更好地培养学生的创新创业能力,满足社会发展的需要。(本文来源于《智库时代》期刊2019年02期）
崔睿宇,杨怀洲[8]（2019）在《电子商务环境下多元个性化服务推荐研究》一文中研究指出在分析电子商务服务推荐系统基本工作原理的基础上,给出了推荐技术的分类标准。系统介绍了基于内容、协同过滤、基于关联规则、基于知识和基于人口统计信息等主要服务推荐算法。对这些算法的优缺点进行综合对比,对组合推荐算法的思路进行了简要介绍,给出了算法评价标准和实验常用数据集。最后,对推荐系统现存的主要问题进行了分析,并对未来的研究热点进行了预测和展望。(本文来源于《智能计算机与应用》期刊2019年01期）
于忠齐[9]（2018）在《基于个性化推荐的电子商务网站系统设计与实现》一文中研究指出随着信息时代计算机技术的突飞猛进,基于虚拟市场的线上电子商务模式已经成为了人们生活里必不可少的组成部分,而随着各大电商的崛起,如何使更多的客户群体选择在自己网站中购买物品是各大电商平台一直赖以追寻的目标,因此,一套可以智能探索客户需求的个性化推荐系统便油然而生。该系统不仅可以帮助卖家销售更多的商品,同时也可以精准的把握客户对商品的需求。针对现有的推荐系统算法,本文将研究目标锁定在推荐商品的精准度,即推荐结果与客户需求的吻合度,通过网络上开源的数据集进行试验结果的测试,证明了此次课题的可行度。本文首先对现有的推荐算法的研究进行分析,阐述了该技术的基本实现流程与结构,然后详细的介绍了此次课题所采用的相关技术,如协同过滤算法、推荐处理过程和系统建设的基本原理。接着通过需求分析进行功能模块的设计,主要以JAVA为编程语言,并在Oracle数据库平台设计好该基于推荐系统的电子商务平台的数据关联信息,最后将推荐算法嵌入完成一个可以提供个性化推荐的网络购物系统,可以基本实现数据收集、推荐结果处理、用户交互与系统管理几大功能模块,最终完成对浏览网页的客户推荐相关商品的行为。本文基于叁层构架技术,根据现有电子商务平台的个性化推荐的实际情况,建立了该个性化电子商务系统,通过实施本次设计,电子商务平台更加灵活地实现对客户的吸引度,同也可以使信息数据的安全性、精确性、稳定性等得到了保障。(本文来源于《江西财经大学》期刊2018-12-01）
许楠[10]（2018）在《基于多属性评分的电子商务个性化推荐算法分析》一文中研究指出随着社会经济的发展和科学技术的进步,在当前的时代背景下,信息化技术已经广泛应用在人们的生产与生活中,特别是在电子商务中尤为常见。基于此,论文以基于多属性评分的电子商务个性化推荐算法作为研究对象,分析研究的意义所在,对属性评分变化幅度进行分析,根据计算得到的结果探究多属性评分的电子商务个性化推荐算法的实际应用,从而帮助广大用户发现更多有用的信息,研究的信息领域也变得越来越广阔。(本文来源于《信息系统工程》期刊2018年11期）
个性化电子商务论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
采用基于使用者的协同过滤推荐算法进行电子商务个性化推荐,将获取的评价数据作为推荐算法的输入,根据使用者行为的相似性获取"最近邻居"集,统计其中各邻居对项目商品的评价分数,并以使用者对项目商品的评分形式和使用者关注度最高的多个项目商品推荐列表形式进行项目商品推荐。在获取"最近邻居"集的过程中,通过使用者特征集提升电子商务推荐系统推荐最近邻居的准确度,利用兴趣度随时间变化函数修正使用者评价矩阵,从使用者特性和兴趣两方面对协同过滤推荐算法进行个性化改进。研究结果表明,所提算法推荐项目商品所需时间始终低于对比算法,且采用该推荐算法后电子商务平台交易成功率由38.4%提升至87.2%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
个性化电子商务论文参考文献
[1].罗青青.电子商务环境下的个性化定价策略及其动态调整[J].智库时代.2019
[2].成保梅.基于协同过滤的电子商务个性化推荐算法研究[J].现代电子技术.2019
[3].项露芬.基于个性化推荐技术的电子商务发展研究[J].无线互联科技.2019
[4].王敏.基于协同过滤的电子商务个性化推荐系统设计和实现[D].广州大学.2019
[5].刘会珍.基于协同过滤的电子商务平台个性化推荐模型的设计与实现[J].广西师范学院学报(自然科学版).2019
[6].杨利.基于大数据的电子商务个性化信息推荐服务模式研究[J].科技视界.2019
[7].王光焰.基于个性化发展的高职电子商务专业创新创业教育教学模式改革研究与实践[J].智库时代.2019
[8].崔睿宇,杨怀洲.电子商务环境下多元个性化服务推荐研究[J].智能计算机与应用.2019
[9].于忠齐.基于个性化推荐的电子商务网站系统设计与实现[D].江西财经大学.2018
[10].许楠.基于多属性评分的电子商务个性化推荐算法分析[J].信息系统工程.2018
论文知识图
