基于迭代回归树模型的跨平台长尾商品购买行为预测

长尾商品是指单种商品销量较低,但是由于种类繁多,形成的累计销售总量较大,能够增加企业盈利空间的商品。在电子商务网站中,用户信息量较少且购买长尾商品数量较少、数据稀疏,因此对用户购买长尾商品的行为预测具有一定的挑战性。该文提出预测用户购买长尾商品的比例,研究单一用户购买长尾商品的整体偏好程度。利用社交媒体网站上海量的文本信息和丰富的用户个人信息,提取用户的个人属性、文本语义、关注关系、活跃时间等多个种类的特征;采用改进的迭代回归树模型MART(Multiple Additive Regression Tree),对用户购买长尾商品的行为进行预测分析;分别选取京东商城和新浪微博作为电子商务网站和社交媒体网站,使用真实数据构建回归预测实验,得到了一些有意义的发现。该文从社交媒体网站抽取用户特征,对于预测用户购买长尾商品的行为给出一个新颖的思路,可以更好地理解用户个性化需求,挖掘长尾市场潜在的经济价值,改进电子商务网站的服务。

基于商品购买关系网络的多样性推荐

如何为消费者提供多样性商品推荐,已成为个性化推荐领域研究的热点。传统多样性推荐常采用随机或评分逆序的方法选择多样性商品,存在无法为消费者准确推荐多样性商品的不足。针对于此,借鉴网络信息扩散的原理,将消费者购买记录二部图转换为商品购买关系网络,采用全邻域方法分析网络中商品节点的重要性;在此基础上,利用关联规则算法计算与推荐预测评分最高商品具有关联关系的关键节点,以此关键节点作为多样性商品推荐的依据,提出基于购买关系网络的多样性推荐方法。研究结果表明,与传统多样性推荐方法相比,新的推荐方法可为消费者更准确地推荐多样性商品的同时,该方法通过关键节点间的推荐级联关系所形成的商品推荐扩散效应,可有效地提升长尾商品的推荐。

3D打印技术的发展与产品设计民主化

进入信息时代以来,以网络技术和数字技术为代表的新技术的出现正在深刻地改变着人类社会的方方面面。本文将探讨在信息社会产品设计的模式应如何改变以适应时代的发展,并指出3D打印机将成为推动产品设计模式发生变革的终极因素。