电子商务中用户购物意图的推理与个性化推荐

发布时间：2021-09-25 01:51

　　近年来,随着计算机和信息技术的不断进步,以互联网和移动互联网为代表的新媒体迅速发展,消费者传统的线下购物、社交、阅读等行为正在逐渐向线上转移。随着越来越多的企业进入电子商务领域,网上零售业的竞争也日趋激烈。为了能够在日益饱和的电子商务环境中脱颖而出,企业尝试用多种先进技术来吸引、保留用户,如协同过滤,智能推荐,机器学习定制等。然而,采用这样的常规技术效果并不理想。因此,对于学术界和从业者而言,如何提高在线转化率是一项艰巨的任务。目前,向用户提供推荐的网站一般都会大规模地定制,且很多网站都是假设用户的偏好和浏览行为是静态的,进而根据用户的历史信息和偏好来推荐。然而,用户的意图可能会因为在访问网站时遇到的刺激和信息而改变。常规推荐方法（例如,协同过滤,基于内容过滤的数据挖掘）经常会忽略意图的这种动态性。此外,常规的推荐模型不考虑（1）产品推荐是否满足每个用户未观察到的购买意图,（2）推荐是否在增加购买转化率同时减少购物车放弃方面是有效的。针对以上问题,本文主要做了以下几个方面的工作:第一,阐述用户在线行为和个性化推荐的研究现状,并提出本文的研究意义。第二,对用户行为特征进行量化,如用户当前... 

【文章来源】：广东工业大学广东省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

隐马尔科夫模型的工作原理

广东工业大学硕士学位论文时间有关以外，还与用户对再一个会话中累计品牌转变数有关，浏览的品高，越容易放弃商品。一方面，与低意图状态相比，在高意图时如果在上一个会话中产生了购买行前会话浏览品牌时，转变品牌较少时，会促使用户将商品加入购物车或者品进行关注。解了用户的高低意图与购物车选择行为之间的关系后，我们以某一特定用户续时间的不同状态意图中的行为路径对比，用户在连续 t=16 个页面的行为-1 所示。


本文编号：3408854