基于混沌粒子群优化算法的O2O电子商务推荐研究1.docx
- 文档编号:726689
- 上传时间:2022-10-12
- 格式:DOCX
- 页数:29
- 大小:405.82KB
基于混沌粒子群优化算法的O2O电子商务推荐研究1.docx
《基于混沌粒子群优化算法的O2O电子商务推荐研究1.docx》由会员分享,可在线阅读,更多相关《基于混沌粒子群优化算法的O2O电子商务推荐研究1.docx(29页珍藏版)》请在冰豆网上搜索。
基于混沌粒子群优化算法的O2O电子商务推荐研究1
摘要
第一章绪论
1.1研究背景及其意义
1.1.1O2O电子商务的兴起
互联网的普及给中国的电子商务带来了极大的发展,据中国投资咨询网显示,2013年中国电子商务交易规模达到10.1万亿元,其中B2B市场交易规模为7.43万亿元,且从2009年至2013年,B2B市场营收规模就一直保持稳定的增长速度[1]。
B2C市场在2013年市场交易规模达到6500亿元,较2012年增速68.4%,而其2012年交易额增速为99.2%[2]。
B2B、B2C市场迅猛增长的同时,一种新的电子商务模式,即本地生活服务O2O也在快速增长。
在这之前的B2B、B2C商业模式主要出售的是能够运输的商品,商家与客户之间还有一个充当中间商的物流公司,而O2O模式在很大程度上扮演的是介绍人的角色[3]。
介绍的内容则更加侧重于线下消费以及服务。
艾瑞咨询统计数据显示,2013年O2O市场交易规模超过1700亿元,同比增速45.0%,2014年同比增速36.9%,市场渗透率逐年上升。
2013年用户规模达到1.9亿人,在整体网民中的渗透率为31.4%,比2012年提升了7.5个百分点[4],O2O模式正逐渐成为网民普遍性行为。
O2O电子商务已经引起各大商家的注意,自2006年阿里集团布局本地生活服务O2O领域以来,XX通过XX地图,收购团购网站,成功地进入O2O领域,而2014年,万达更是联合XX、腾讯,并引入最新的O2O概念,希望打造全球最大的O2O电商公司。
图1为2010-2017年中国本地生活服务O2O市场规模及渗透率:
图12010-2017年中国本地生活服务O2O市场规模及渗透率(来源:
艾瑞咨询集团[4])
但是,在O2O电子商务悄然兴起的同时,信息资源的爆炸式增长使得信息的使用率较低,这种现象称为信息超载[5]。
随着电子商务规模的扩大,用户面对海量的数据信息,很容易迷失,从而很难搜索到自己所需要的商品信息,如果电子商务平台能够主动根据用户的行为、兴趣以及爱好推荐合适的产品,那用户在搜索的时候,可以节省很多时间,很快找到心仪的产品。
推荐系统模拟的就是实体店的销售人员向客户推荐商品的这样一个过程,如果购买成功,可以保留有效客户,提高电子商务系统的销售,商家也可以根据电子商务推荐系统与客户保持联系,完善客户关系[6]。
例如一些社区平台就涉及本地生活推荐服务,微信朋友圈利用社交平台,可以向用户推荐产品或者服务,XX地图则基于位置服务,根据用户所在的地理位置信息,再结合用户兴趣及爱好产生推荐。
1.1.2问题的提出
但是,在O2O电子商务悄然兴起的同时,信息资源的爆炸式增长使得信息的使用率较低,这种现象称为信息超载[5]。
随着电子商务规模的扩大,用户面对海量的数据信息,很容易迷失,从而很难搜索到自己所需要的商品信息,如果电子商务平台能够主动根据用户的行为、兴趣以及爱好推荐合适的产品,那用户在搜索的时候,可以节省很多时间,很快找到心仪的产品。
推荐系统模拟的就是实体店的销售人员向客户推荐商品的这样一个过程,如果购买成功,可以保留有效客户,提高电子商务系统的销售,商家也可以根据电子商务推荐系统与客户保持联系,完善客户关系[6]。
例如一些社区平台就涉及本地生活推荐服务,微信朋友圈利用社交平台,可以向用户推荐产品或者服务,XX地图则基于位置服务,根据用户所在的地理位置信息,再结合用户兴趣及爱好产生推荐。
O2O更大的意思在于用互联网尤其是移动互联网促成传统产业的转型升级,线上为线下带去客流、带去节省成本的管理工具及方式、带去反馈意见以提升服务。
海尔转型O2O强调和用户的交互,美特斯邦威转型O2O强调线下的体验,O2O给了线下企业一个新的机会,也让之前的纯电商企业找到了新的发展方向。
未来的商业,必然是线上线下融合、相互借力。
由于O2O电子商务模式起步较晚,相关的推荐技术研究不多,因此构建一个推荐系统能够高效、实时、准确地向用户提供服务信息就变得非常有意义。
O2O电子商务与传统电子商务的最大一个区别就是地域的限制[7],它主要经营本地生活服务,而且用户需要亲自到实体店享受服务。
因此传统的电子商务推荐技术对O2O平台有一定的局限性,基于这种情况个性化推荐系统渐渐成为O2O电子商务的一项重要研究项目。
混沌粒子群优化算法的推荐系统对于产生局部的聚类中心,有着很好的效果,所以这种算法对O2O本地电子商务具有改进的作用!
1.1.3研究意义
本文提出的混沌粒子群优化算法,更加适用于新型的O2O电子商务,现在的用户对推荐系统的实时性要求比较高,特别是O2O电子商务系统,比如团购网站,用户一般希望在浏览的同时,就能找到合适的商家然后线下进行消费,基于粒子群优化算法的项聚类推荐能够解决实时性的问题。
并且混沌粒子群基于混沌理论,对初始的聚类中心进行优化,使得每个聚类的聚类中心最具有代表性,从而改善推荐效果!
1.2国内外研究现状
1.2.1O2O电子商务研究现状
关于电子商务推荐系统早在1992年就由Goldberg等人提出,创造了协同过滤算法,并因此创建了一个新型的邮件过滤系统——Tapestry[8],这项研究具有开创性的意义,被学术界认为是第一个意义上的推荐系统。
目前推荐系统常用的推荐技术主要有协同过滤推荐、基于内容推荐[9],并且在学术界得到了广泛的研究。
而O2O电子商务模式兴起于2010年底,开始在国内外得到广泛关注,并被纳入研究范围[10]。
一些O2O平台商家也开始采取一些推荐手段与客户建立联系[11]。
大众点评网通过激励用户点评的方式,向新用户推荐产品;XX地图利用自身的定位系统与位置服务,向用户推荐周边产品;微信朋友圈则利用社交平台提供推荐信息;在旅游业信息发展的大形势下,旅游O2O模式也成为研究的热点[12][13],商家可以获取更多消费者的旅游体验,完善旅游客户关系管理系统,向用户推荐更好的服务。
O2O电子商务还可以为用户定制个性化服务[14],例如国外的租车应用研究,包括:
Onefinestay、租车应用Uber、短租O2O—Airbnb[15]。
沃尔玛利用O2O平台以用户为中心打造服务和营销体系,对用户推荐产品时,除了从地理位置上考虑,还从超市货品的实时价格考虑[16]。
本文主要以O2O代表性的团购网站对该类型的电子商务推荐系统进行研究。
1.2.2粒子群优化算法研究现状
混沌这一现象广泛存在,但由于混沌系统的复杂性,还没有被人们了解透彻。
从混沌这一理论提出至今,有许多学者做出了重要的贡献,最为重要的是科学家李天岩和Yorke发表的对混沌的定义[17]。
粒子群优化(PSO)算法是一种基于种群的算法,最早是由Kennedy和Eberhart受人工生命研究结果启发,并在模拟鸟群觅食过程的迁徙和群集行为时提出的一种群体智能的进化计算技术[41]。
目前,函数优化是混沌PSO算法应用最多的领域,主要解决单目标函数优化问题[18][19]也有一些算法解决多目标函数优化问题,如:
裴胜玉和周永权提出了一种基于混沌变异的多目标粒子群优化算法用于解决8个多目标函数的优化问题[20];Ren和Zhong提出一种混沌PSO算法用于解决KUR、ZDT1-ZDT3等6个多目标函数的优化问题[21]。
混沌PSO算法在物流配送以及车辆路径优化问题上也有很好的应用,蔡延光和魏明提出了一种自适应混沌粒子群算法用于解决一个联盟的车辆路径优化问题[22];李妞等人提出利用种群的适应度方差来判断当前最佳粒子是否进行混沌搜索的算法[23];王铁君和部月春提出一种用于物流配送路径优化的混沌粒子群算法[24]。
聚类问题是数据挖掘领域的一个重要分支,就是把一组对象分成若干个子集,使同一子集中的对象具有最大的相似度,而不同子集间的对象具有最小的相似度。
针对聚类问题,混沌PSO算法中混沌的作用有以下几种情况:
初始化粒子的位置和速度[25]或只初始化粒子的速度[26];先对全局最优解执行混沌搜索,再对每个粒子当前最优解执行混沌搜索[27];替换PSO算法中的参数[28]。
在图像处理领域,混沌PSO算法已用于图像分割[29]、图像去噪[30]、图像压縮[31]、图像分类[32]、图像匹配[33]、图像目标检测[34]和图像边缘提取等方面。
此外,混沌粒子群算法也在自适应控制[35]、负荷预测[36]、无功优化[37]、FIR滤波器设计[38]、分布式网络重构[39]和航空目标分配[40]等优化问题中得到了应用。
综上所述,混沌粒子群优化算法已经广泛应用于各种领域,但是在电子商务推荐领域目前研究的还比较少,由于混沌粒子群优化算法已经应用于数据挖掘领域,解决聚类方面的问题,而O2O电子商务推荐系统可以通过用户之间的相似性产生推荐,其中就需要通过用户对评分的相似性对项目进行聚类从而生成相应的聚类中心,再计算目标用户与聚类中心的相似性,选择聚类中心后再查询最近邻居。
所以笔者开始引用混沌粒子群优化算法来解决O2O电子商务中的推荐问题,改善推荐精度。
1.3主要内容和组织架构
本文研究的主要内容是针对O2O电子商务推荐系统的特点,对O2O电子商务的个性化需求进行分析后,采用一种新型的群集智能算法——粒子群优化算法,构建符合O2O电子商务的推荐系统,传统的协同过滤推荐算法存在数据稀疏以及实时性差的问题,而对于O2O电子商务系统,因为做的是本地服务,当客户一有需求的时候,通常是希望在一个小时内就决定要选择的商家,比如餐饮、娱乐行业等。
所以对于实时性有一定的要求,而基于粒子群优化算法的项聚类推荐系统可以通过度量目标项与聚类中心的相似性,选择相似性较高的聚类中心作为搜索的空间,大大减小了搜索的空间,因此对推荐系统的实时性有一定的改进,另一方面,现有的研究,大多以K-mean产生聚类中心,由于数据比较稀疏,好多评分项为0,可能造成聚类中心偏向0的情况,利用粒子群优化算法,结合聚类算法的定义,可以产生比较准确的聚类中心。
很据以上内容,本文的整体架构和每一章节的主要内容如下:
第一章介绍本文的研究背景、意义、现状以及文章的主要内容和整体架构
第二章推荐系统和混沌粒子群优化算法的基础理论:
介绍了推荐系统当前的现状以及它的主要作用、主要架构。
对一些主流的推荐算法做了理论介绍,最后阐述混沌粒子群优化算法再O2O电子商务推荐系统中的优越性。
第三章……
第四章……
第五章对混沌粒子群优化算法再O2O电子商务中的应用进行分析,归纳出本研究的成果,以及该算法目前存在的缺陷,进而指出后续的研究方向。
第二章推荐算法理论基础
2.1电子商务个性化推荐的现状分析
电子商务推荐系统始于上世纪90年代,应用的领域也非常广,包括市场营销建模、信息检索、管理科学、认知领域等。
而随着电子商务的普及,推荐系统的意义也就越来越重要,并且具有非常开阔的发展前景。
在电子商务的交易平台中,用户的需求不是明确的,如果交易平台能够明确用户的潜在需求,并且将这些潜在需求转化为实际的消费,那么便会大大提高电子商务平台的成交率。
因此,现在很多大型的电子商务平台都有其独特的推荐系统,比如阿里巴巴、京东、Amazon、E-bay等,一些新闻、电影、音乐网站也不同程度的使用了推荐系统。
目前推荐技术有很多,包括基于内容的推荐技术、数据挖掘、经典的协同过滤推荐技术,蚁群推荐算法等。
随着电子商务的不断发展,原有的推荐技术在不能满足用户对推荐效果的要求,则需要对原有的推荐技术加以改进,并且选择合适的推荐系统应用于不同种类的电子商务平台。
2.2电子商务推荐系统的主要理论
2.2.1电子商务个性化推荐的主要概念和作用
21世纪是互联网快速发展的时期,信息资源也在爆炸式增长,如果人们不能充分有效利用资源,就会花费大量的时间搜索目的商品和信息,而且一些有用的资源和信息会因为没有被发现而无人问津,这样浏览大量无关信息会使在信息超载中的消费者不断流失。
虽然XX、360搜索引擎可以缓解这种情况,但是搜索引擎的自
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 混沌 粒子 优化 算法 O2O 电子商务 推荐 研究