消费者行为数据驱动的搜索结果多样性问题研究

网络消费者行为研究是以挖掘消费者需求为核心，进行新产品设计与开发、智能营销以及个性化推荐的前沿课题。本书是在全面梳理网络消费者产品搜寻、浏览与评价行为的基础上，实施用户画像建模与个性化推荐的经验总结，内容包括：(1)大数据时代推荐系统面临的机遇与挑战；(2)现有推荐系统研究的回顾与总结；(3)面向长尾产品的消费者观点态度挖掘；(4)基于消费者评价行为的推荐机制；(5)网络消费者搜索行为建模；(6)基于消费者查询行为的个性化推荐机制；(7)新零售背景下未来智能推荐系统的几种选择路径。

黄鑫，2020年毕业于西安交通大学，获得管理学博士学位，现为北京师范大学信息管理系讲师。目前主要研究方向为结合运筹优化与机器学习的智能决策分析，社会科学中机器学习方法的应用。现主持国家自然科学基金青年项目“消费者行为数据驱动的新零售企业线上线下融合的推荐机制研究”1项。在《Knowledge-Based Systems》、《IEEE Transactions on Engineering Management》、《Computers & Industrial Engineering》等国际知名期刊上发表论文多篇，在企业集成信息系统国际大会IFIP CONFENIS、COMPUTERS AND INDUSTRIAL ENGINEERING等高水平国际会议上发表多篇学术论文。

目 录 1 大数据时代搜索技术面临的挑战 / 001 1.1 研究背景 / 001 1.2 研究问题与意义 / 012 1.3 研究内容与技术路线 / 015 2 个性化搜索的研究动态 / 017 2.1 在线评论的有用性研究 / 018 2.2 基于评论数据的搜索结果研究 / 022 2.3 搜索结果多样性相关研究 / 027 2.4 研究评述 / 039 3 面向长尾产品的特征 - 观点挖掘模型 / 041 3.1 问题描述 / 041 3.2 面向长尾产品的特征 - 观点挖掘模型构建 / 045 3.3 实验结果分析 / 056 3.4 本章小结 / 069 4 基于产品评价特征的多样化搜索结果识别研究 / 070 4.1 问题描述 / 070 4.2 预备知识 / 072 4.3 混合数据的统一相似性度量问题研究 / 078 4.4 多样化搜索结果识别算法构建 / 085 4.5 实验结果分析 / 089 4.6 本章小结 / 099 5 基于消费者动态偏好的多样化搜索结果识别研究 / 101 5.1 问题描述 / 101 5.2 消费者动态偏好分析模型构建 / 103 5.3 搜索结果最大相关 - 多样性问题研究 / 114 5.4 实验结果分析 / 117 5.5 本章小结 / 137 6 基于消费者在线查询的产品推荐问题研究 / 139 6.1 问题描述 / 139 6.2 基于在线查询的推荐框架构建 / 140 6.3 实验结果分析 / 148 6.4 本章小结 / 157 7 新零售背景下全渠道推荐机制研究的机遇与挑战 / 158 7.1 新零售背景下全渠道推荐机制研究的意义 / 158 7.2 全渠道推荐机制研究梳理 / 162 7.3 现有研究的不足与未来的研究方向 / 175 8 结论与展望 / 178 8.1 研究结论 / 178 8.2 研究展望 / 181 参考文献 / 183