利用信任支持度构建客户信任网络

利用信任的社会性质进行信任传递,可有效缓解数据稀疏的问题,提高推荐系统的覆盖率和准确率。目前对信任网络的研究存在信任模型建立不准确、信任传递机制复杂与失真等问题。为准确表述信任网络中的客户信任关系,引入信任支持度的概念,提出了一种信任度与信任支持度相结合的客户信任模型;制定了符合信任社会性的传递规则,构建了基于该模型的客户信任网络,并设计了相应的个性化推荐算法。实验结果表明,此模型提高了推荐系统的覆盖率、准确率及推荐质量。

客户信任网络下病毒式营销核心群体的挖掘

目前,国内外对利用数据挖掘实现智能化制定病毒式营销策略的研究亟待深入.为了挖掘客户网络中的核心群体,定义了一种基于信任关系的客户信任网络CTN(Customer Trust Network),在此基础上创建了产品信息扩散模型CTNBDPI(CTNBased Diffusion of Product Inform ation),提出了核心群体挖掘算法VMCGM(V iralM arketing Core Group Mining)与连续病毒式营销策略的制定方法.CTNBDPI模型引入客户特征与环境因素解决了孤立点的接受与推荐问题,实验证明可以更好地反映病毒式营销中产品信息扩散的规律,与已有研究相比,VMCGM算法具有较低的时间复杂度和较高的准确性.

Web病毒式营销客户信任网络构建

Web病毒式营销中,客户间的信任关系类似于传统商务环境中实体间的社会关系,信任网络类似于传统商务环境中复杂的社会网络,客户间的信任度量受客户认知水平、交易金额、交易时间等因素影响,难以给出准确的量化.为探明这种信任网络的本质内涵以及降低信任关系的复杂性,结合电子商务的认知理论和方法,详细分析和定义了实体属性以及实体关系.给出一种基于客户特征数据和交易数据的客户信任网络模型CNTM(Customer Network of Trust Model),提出三种不同应用环境下的信任网络构建策略COS(Customer Occupation based Strategy),CIS(Customer Interest based Strategy)和COIS(Customer Occupation and Interest based Strategy),并分别给出信任度计算方法.与已有研究相比,提高了信任网络的覆盖率,保证了信任网络的信任强度并有效的改善了冷启动问题.