社会化环境下商品个性化推荐方法

作者简介

梁晶，副教授，中国商业统计学会理事、湖北省市场营销学会理事，湖北高校优秀教学团队负责人、湖北省一流课程负责人，主持教育部产学合作协同育人项目2项，主持湖北省教育厅人文社科项目1项，主持校级课题6项，主编教材2部，发表论文10余篇（含 2篇CSSCI）,申请软著“基于大数据的产品智能推荐系统”1项，指导学生参加挑战杯、创青春、全国大学生电子商务“三创”大赛、全国大学生市场调查与分析大赛等获得国家级奖项3项、省级以上奖项近20项。

内容简介

（1）提出社会化环境下商品推荐呈现的特征，总结了基于信息内容的信息推荐方法、基于协同过滤的信息推荐方法、基于规则的信息推荐方法和混合推荐方法等传统推荐方法的基本原理、推荐流程及优缺点，分析了基于深度学习的推荐方法、面向社会化环境的商品推荐方法的分类、研究进展和主要研究成果。 （2）总结了TidalTrust、MoleTrust等基于内存的社会化推荐系统，SoRec、TrustMF、TrustPMF、LOCABAL、SoReg、SocialMF、RSTE等基于模型的社会化推荐系统，Delicious、CiteULike、Connotea、Flickr、YouTube等基于社会化标签的推荐系统的推荐原理、研究进展和主要研究成果。 （3）总结了社会化环境下商品推荐面临的挑战，归纳了传统商品推荐模型存在的问题，分析了社会化标签在商品推荐中应用的可行性，提出了基于社会化标签和多维信息的商品推荐模型，给出了模型实现的主要方法。 （4）提出了基于标签间语义相关性的商品推荐方法。针对社会化标签在内容特征上呈现语义缺失、在数量特征上呈现“长尾”现象，利用标签信息表征用户兴趣，提出了基于标签间语义相关性的商品推荐方法。 （5）提出了基于多维信息特征融合的商品推荐方法。针对目前社会化商品推荐方法存在的数据来源单一、推荐类型缺乏多样性的问题，综合考虑需求匹配、功能互补、情景相似、畅销流行等多维信息特征，设计了融合多维信息特征的商品推荐方法。 本书以社会化环境下商品个性化推荐方法为主要研究对象，总结了相关理论与方法，分析了基于内存、基于模型、基于社会化标签的推荐系统原理及前期研究，并提出了基于标签间语义相关性的商品推荐方法，设计了融合多维信息特征的商品推荐方法。 这些方法满足用户的个性化信息需求，解决社会化环境下商品信息过载、信息迷航问题。