电子商务个性化 理论、方法与应用PDF|Epub|txt|kindle电子书版本网盘下载

电子商务个性化 理论、方法与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一篇 基础理论1

第1章 绪论1

1.1 电子商务个性化的产生与发展3

1.1.1 产生背景3

1.1.2 个性化发展历程4

1.2 电子商务个性化的理论基础5

1.2.1 管理学基础5

1.2.2 计算机技术基础8

1.3 电子商务个性化的应用领域13

1.3.1 文献检索14

1.3.2 电子超市14

1.3.3 金融证券15

1.3.4 搜索引擎16

1.3.5 远程教育17

第2章 个性化服务分析19

2.1 个性化服务概述21

2.1.1 个性化服务的意义21

2.1.2 个性化服务的概念22

2.1.3 用户需求个性化分析23

2.1.4 个性化服务应注意的几个问题24

2.2 个性化服务的特征与形式25

2.2.1 个性化服务的特征25

2.2.3 个性化服务模型27

2.2.2 个性化模式27

2.2.4 Internet个性化服务形式28

2.2.5 搜索引擎个性化服务需求30

2.3 个性化服务技术31

2.3.1 实现个性化服务的关键技术31

2.3.2 现有个性化服务技术的局限34

2.4 个性化服务体系结构36

2.4.1 个性化服务系统基本体系结构36

2.4.2 个性化服务系统实例40

2.5 个性化服务应用比较研究43

2.5.1 个性化服务技术应用分析43

2.5.2 行业应用分析45

第3章 电子商务个性化概述49

3.1 电子商务个性化概念51

3.1.1 电子商务概述51

3.1.2 电子商务个性化53

3.1.3 电子商务个性化的内容54

3.1.4 典型解决方案55

3.2 电子商务个性化需求57

3.2.1 电子商务个性化需求的含义57

3.2.2 电子商务中个性化需求的内在性57

3.3 电子商务个性化服务内容58

3.3.1 个性化服务内容59

3.3.2 BroadVision的个性化服务61

3.4.1 电子商务个性化的应用效果62

3.4 正确认识电子商务个性化的价值62

3.4.2 电子商务个性化面临的挑战63

第4章 电子商务推荐系统65

4.1 电子商务推荐系统简介67

4.1.1 电子商务推荐系统的概念68

4.1.2 电子商务推荐系统的组成69

4.1.3 推荐系统与其他系统的关系70

4.2 推荐系统类型71

4.2.1 协同过滤推荐系统71

4.1.4 电子商务推荐系统的作用71

4.2.2 基于知识的推荐系统72

4.2.3 混合式推荐系统73

4.3 推荐系统架构73

4.3.1 嵌入式架构73

4.3.2 基于CS的架构74

4.3.3 基于OARs的推荐架构75

4.3.4 推荐系统架构分析78

第5章 电子商务用户建模81

5.1 获取用户信息83

5.1.1 数据源83

5.1.2 数据获取途径84

5.1.4 Web挖掘85

5.1.3 数据预处理85

5.2 用户建模技术87

5.2.1 用户建模概述87

5.2.2 用户描述文件90

5.2.3 用户建模流程93

5.2.4 用户建模技术94

5.3 用户聚类模型95

5.3.1 基于神经网络的用户聚类96

5.3.2 基于关联矩阵的用户聚类96

5.3.3 基于综合页面的用户聚类97

5.3.4 个性化的集成用户资料的发现97

第6章 个性化推荐技术99

第二篇 方法技术99

6.1 个性化推荐技术101

6.1.1 推荐与个性化推荐101

6.1.2 个性化推荐技术103

6.1.3 各种推荐技术比较108

6.1.4 组合推荐109

6.2 推荐评价110

6.2.1 离线评价110

6.2.2 在线评价112

6.3 个性化推荐技术的关键问题112

6.3.1 主要研究热点112

6.3.2 关键技术的未来研究115

6.4 国内外电子商务推荐技术比较分析116

6.4.1 电子商务推荐技术标准117

6.4.2 主要的推荐策略119

6.4.3 几个著名B2C网站的推荐功能123

6.4.4 国内外B2C网站的推荐功能比较128

6.4.5 我国B2C网站推荐策略解决方案130

第7章 关联规则推荐133

7.1 关联规则135

7.1.1 关联规则的概念135

7.1.2 关联规则关系定义135

7.2.1 关联规则挖掘136

7.2 关联规则推荐136

7.2.2 关联规则推荐过程137

7.2.3 关联规则推荐分析138

7.3 基于最小关联规则集的个性化推荐139

7.3.1 引言139

7.3.2 最大频繁集的关联规则矩阵140

7.3.3 案例分析146

7.4 基于关联规则集的个性化推荐系统148

7.4.1 基于规则的系统框架148

7.4.2 基于最小关联规则的个性化推荐系统模型149

第8章 个性化智能信息代理151

8.1.1 代理（Agent）153

8.1 智能代理与信息代理153

8.1.2 信息代理156

8.1.3 智能代理158

8.2 电子商务代理160

8.2.1 电子商务代理内容160

8.2.2 电子商务代理技术162

8.3 基于多代理的个性化信息服务162

8.3.1 多代理的个性化信息服务模型的组成162

8.3.2 多代理个性化信息服务功能模块164

8.3.3 基于Agent的个性化主动系统：AKDD166

8.3.4 个性化智能Web浏览器169

第9章 个性化的eCRM173

9.1 CRM与eCRM175

9.1.1 问题的提出175

9.1.2 客户关系管理（CRM）176

9.1.3 eCRM178

9.2 商业智能179

9.2.1 商业智能的概念179

9.2.2 BI系统总体设计架构180

9.2.3 商业智能技术182

9.2.4 商业智能的应用领域183

9.3 面向个性化推荐的客户智能184

9.3.1 问题的提出184

9.3.2 客户智能185

9.3.3 CRM与个性化推荐的关系186

9.3.4 面向个性化推荐的客户智能187

9.4 eCRM应用模型191

9.4.1 基于智能信息推拉技术的CRM191

9.4.2 基于协同过滤的主动营销模型194

第三篇 行业应用197

第10章 电子超市购物推荐系统分析与设计197

10.1 电子超市购物推荐系统分析199

10.1.1 引言199

10.1.2 信息组织与获取200

10.1.3 电子超市购物在线推荐的形式202

10.1.4 系统分析203

10.2.1 系统框架设计206

10.2 电子超市购物推荐系统设计206

10.2.2 系统设计208

10.3 动态组合推荐方法219

10.3.1 推荐方法设计思路219

10.3.2 动态组合推荐过程220

第11章 数字图书馆个性化服务系统223

11.1 国内外数字图书馆个性化服务的发展225

11.1.1 国外数字图书馆个性化服务的发展225

11.1.2 国内数字图书馆个性化服务的发展226

11.1.3 国内数字图书馆网络个性化服务在实际应用中的局限性226

11.1.4 国内数字图书馆个性化服务的反思227

11.2.1 数字图书馆个性化服务的形式228

11.2 数字图书馆的需求分析228

11.2.2 智能搜索引擎230

11.3 Mylibrary个性化服务系统比较231

11.3.1 Mylibrary的基本概念和工作原理231

11.3.2 国外图书馆Mylibrary系统比较232

11.3.3 Mylibrary个性化服务的发展趋势234

11.4 图书馆个性化服务系统案例235

11.4.1 中国人民大学数字图书馆个性化服务系统235

11.4.2 中山大学图书馆个性化主动服务系统240

第12章 证券个性化推荐解决方案243

12.1.1 概述245

12.1 证券个性化需求分析245

12.1.2 个性化网上证券需求分析246

12.1.3 证券交易个性化服务的范畴分析248

12.1.4 用户需求内容和结构分析249

12.2 证券业个性化推荐应用方法设计255

12.2.1 证券业个性化推荐的特点255

12.2.2 证券组合推荐方法257

12.3 案例分析：国能科诺证券业个性化客户服务解决方案262

12.3.1 概述262

12.3.2 个性化支持机制263

12.3.3 个性化系统体系结构265

参考文献269