认知商务:商业变革与电子商务研究的新前沿

新一代认知计算和人工智能的快速发展与广泛渗透,正在驱动数字经济生态体系新一轮的演化与创新,应运而生的“认知商业”(Cognitive Business)正成为数字商业变革的新前沿。以商业变革与电子商务演化新阶段性特征的考察为基础,提出“认知商务”(Cognitive Commerce)是新一代电子商务即“电子商务4.0 (eBiz4.0)”的突出特征和核心议题;通过认知商务概念渊源和研究现状的系统梳理,基于服务和系统视角提出了一种认知商务的定义;从需求和供给两个角度分析了认知商务产生的驱动力,阐述了认知商务产生和发展的科学、技术和社会基础;最后从技术、商业和社会等不同层面分析认知商务研究与实践发展面临的问题与挑战。认知商务这一新兴的前沿商务管理研究领域或课题的提出,为拓展与深化对全球商业变革和新一代电子商务的认知与实践,积极应对并及时参与新一轮数字化转型变革,提供了一种战略性、前瞻性、开放性和创新性的思考与概念框架。

一种基于社会化信任的改进的协同过滤推荐模型和方法

社会化商务环境中的信任关系深刻地影响着消费者的购买行为与决策,成为了支撑网络商务活动开展的重要因素。基于用户历史评价数据,协同过滤推荐算法通常面临着数据稀疏的问题,即评分数据过于稀疏导致推荐质量下降。为了解决这一问题,结合辅助数据成为一种必然的趋势。因此,随着社交媒体的发展,基于信任关系的社会化推荐算法被证明为一种有效的解决方法。然而,目前大部分算法直接利用社交网络的二值信任关系来提高推荐质量,没有考虑用户对每个好友信任强度的差异。为了提高社会化推荐算法的准确性,本文以社交数据为基础,计算用户个人可信度评分和互鉴可信度评分,并基于可信评分对社交关注矩阵进行可信量化,以及基于评分矩阵预填充的思想来缓解数据稀疏性问题。基于大众点评真实数据集的实验与分析结果表明,本文提出的新的协同过滤推荐模型与算法,进一步提高了推荐精度。

基于词语动能聚类的社会化媒体热点话题发现建模与优化方法

在社会化媒体情境下,社会化媒体舆情已成为社会舆情的新视域,社会化大数据分析正显现出日益重要的社会价值和商业价值。在新兴的社会化大数据管理领域,热点话题发现是网络舆情分析和数据治理基础而重要的课题,人们一直在研究和探索先进和适用的热点主题挖掘的理论和方法。针对传统的聚类算法用于微博话题检测时,存在特征向量过于稀疏和维度过高等问题,导致聚类结果不准确。本文通过对在话题传播周期中词语的突发性特征的研究,提出了一种基于传播周期的词语动能聚类(Word Kinetic Energy Clustering, WKEC)模型和算法。该文本聚类模型基于话题生命周期特性,引入物理学中的动能概念,用词语在话题爆发期的最大增长速度来表征词语的动能,并加入到词语权重的计算中,对经典的TF-IDF模型进行了改造。基于Single-Pass的算法设计和新浪微博真实数据集的实验结果表明,WKEC模型可以增强文本特征,提高话题发现的准确率。另外,由于微博话题实时性强,为了得到更接近真实的微博热点话题列表,本文在话题热度计算中引入衰减系数,并以爆发期尾部时间点作为话题热度开始衰减的时刻,给出了一种更加符合实际的话题热度计算方法。