一种改进的基于淘宝数据的商品排序算法

针对目前商品简单的排序结果无法满足用户需求的情况,提出了一种改进的基于商品属性权重的多级匹配算法.算法根据用户对商品不同属性的重视程度,预先设置属性权重,然后再结合传统多级匹配算法对商品进行重新排序.理论分析和实验结果表明该算法能够满足不同用户的需求,在实际应用方面具有优越性.

一种融合多层次情感和主题信息的TS-AC-EWM在线商品排序方法

电商平台信息对消费者的商品购买决策有显著影响。基于大体量的店铺与商品信息、在线评论文本进行信息融合并得出在线商品排序辅助消费者进行购买决策,具有重要的研究价值。针对上述问题,提出了一种融合多层次情感和主题信息的TS-AC-EWM在线商品排序方法,充分利用了评分信息与评论内容信息。首先,从计量与内容两个维度设计在线商品排序评价体系,体系包含4个计量指标与3个内容指标;其次,爬取各候选商品的计量指标与在线评论内容;然后,用融合主题与情感信息的TS方法以及基于追加评论的AC方法计算3个内容指标;最后,用熵权法确定指标权重,得出商品评分及排序。以京东微波炉数据集为例进行实验,证明了所提方法的可行性与有效性,因此该排序方法具有一定的现实意义。

依据在线评论的商品排序方法

提出了一种依据商品在线评论的基于多粒度情感强度分析和随机逼近理想点排序法的商品排序方法.使用爬虫软件和ICTCLAS对消费者关注的备选商品的在线评论进行获取和预处理.依据预处理后的评论,通过提出多粒度情感强度分析算法确定每条评论针对商品属性的情感强度值.通过对得到的情感强度值进行统计分析,得到备选商品针对商品属性的多粒度情感强度分布形式的属性值.最后,依据得到多粒度情感强度分布形式的属性值,采用随机逼近理想点排序法确定备选商品的排序.基于中关村在线中的数码相机在线评论,给出了提出方法应用的实例分析.

电子商务网站商品排序技术的研究

随着移动电子商务的发展,线上购物给大家带来了极大的方便。为了更好地进行商品的挑选、比较,电子商务网站需要提供不同的商品排序方式,以便用户可以根据自身的需要选择更优质、更符合需求的商品。文章首先从过程上详细分析了如何实现商品排序,然后利用 PHP 技术、HTML 技术、JavaScript 技术,详细描述了如何实现商品排序。文章的研究过程可以帮助初学网站开发的人员理清开发思路,快速掌握商品的排序技术。

基于时间序列模型商品搜索排序

电商商品搜索引擎目前大多都是基于用户浏览行为与购买行为来建立搜索因子,通过这些因子计算出商品分地区的排序分值进行排序。然而这些行为数据都是属于历史数据。搜索的结果都是基于历史数据的分值计算没有前瞻性。特别对于换季商品使用该方式计算出来的搜索结果不佳,转化率不高。提出一种基于时间序列的分析方法,对部分的搜索因子采用预测数据来计算分值,以满足商品搜索中某些具有周期性季节性商品的合适排序。

基于在线评论的直觉模糊TOPSIS商品购买决策方法

在线评论是消费者做出购买决策的重要信息来源,对消费者的决策行为产生显著影响。依据情感分析和直觉模糊相关理论,提出了一种商品排序方法,为消费者购买决策提供参考。首先运用Apriori算法对商品特征进行提取,建立商品各特征的情感词典、计算评论情感倾向,再根据情感倾向建立决策矩阵,运用直觉模糊TOPSIS方法对备选商品进行排序。对京东商城中真实评论数据进行实验,说明了本方法的可行性和有效性。