基于混沌粒群优化算法的O2O电子商务推荐研究1.docxVIP

摘 要第一章绪论1.1研究背景及其意义1.1.1 O2O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，百度通过百度地图，收购团购网站，成功地进入O2O领域，而2014年，万达更是联合百度、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1 2010-2017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，百度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，百度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