基于消费者视角的在线推荐系统研究综述.docVIP

基于消费者视角的在线推荐系统研究综述.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于消费者视角的在线推荐系统研究综述

基于消费者视角的在线推荐系统研究综述   [摘要]文章以电子商务推荐系统为研究对象,对推荐系统消费者采纳意向的相关文献进行总结。首先介绍了推荐系统影响消费者采纳的因素,其次对推荐系统评价标准研究进行总结,从消费者视角展现推荐系统的研究现状,最后指出了目前研究的不足及未来研究方向 [关键词]电子商务;推荐系统;消费者视角 [DOI]10.13939/j.cnki.zgsc.2016.02.123 随着电子商务行业的蓬勃发展,在线推荐技术得到广泛应用。推荐系统能从当前消费者浏览、关注的信息出发,为消费者做出相应的推荐。亚马逊、淘宝网、当当网等电商网站都已经应用推荐技术。目前关于推荐系统的学术研究主要集中在两个方面:一方面是关于推荐算法的优化设计,另一方面则是推荐系统对消费者的影响研究。文章从消费者视角出发,从以下两方面来总结现有文献研究成果 1在线推荐系统消费者采纳的影响因素研究 在消费者网络购物相关问题的研究中,学者们普遍采用技术采纳模型(Technology Acceptance Model,TAM)作为理论基础。根据TAM模型理论,用户对系统的感知评价(感知有用性、感知易用性)直接影响用户采纳意图的产生。文章发现影响消费者采纳的因素主要来自以下几个方面 1.1网站特征 Ganguly和Dash研究发现网站的信息展示设计、导航设计和可视化设计会影响消费者的购买意向。因为网站合理的视觉设计会给消费者带来愉悦,提高消费者对网站的满意度和信任,进而增加对网站的浏览时间和购买产品的数量。Song和Zahedi则证明发现网站的促销、服务、外部相关资源、使用和导航易用性及购物便利性等因素会加强消费者的信任 1.2推荐内容 McNee研究发现,用户往往不是评价某一个单独推荐的质量而是感受整个推荐列表的广泛性和深度,这样来考虑推荐是否满足他们的需求。除了推荐信息质量,Xiao和Benbasat研究还发现推荐信息详细程度、推荐原因的解释以及推荐信息表达方式均对感知有用性和易用性有正向显著影响。推荐内容的多样性也被证实可以帮助提升用户对推荐结果的整体满意度,避免了单个推荐项目的局限 1.3推荐系统透明度 推荐透明度,是指网络推荐系统是否解释推荐结果产生的原因。通常情况下,用户自己的推理往往与系统的推荐机理不一致,然而当用户不理解为什么某个商品被推荐给他们时,他们很少会去相信那些推荐信息。推荐系统向用户解释推荐结果的产生原因,有助于推荐信息更容易被消费者采纳 1.4主观规范 用户自身的使用习惯、亲朋好友的口碑等个人规范以及媒体宣传、市场表现等社会规范都可能影响用户对系统的感知和评价,包括个人规范和社会规范在内的主观规范已被证实对用户采纳意图有重要影响。Venkatesh和Davis在修正TAM模型时也指出,主观规范是感知有用性的决定变量。主观规范往往是在创新实施的早期阶段更具影响力,因为那时用户形成态度的经验有限 2在线推荐系统评价标准研究 推荐系统的现有评价标准可以分为两类,一类是技术性标准,主要用于衡量推荐的精准度、速度等性能指标;另一类是商务性标准,反映了满足实际需要所必备的性能。目前研究重点已从技术性标准逐渐向商务性标准转移 2.1覆盖率 覆盖率是指可以被系统预测打分的商品占全部商品的比例。覆盖率较高则说明推荐系统能够找到较多用户感兴趣的产品。如果一个推荐系统的覆盖率比较低,那么说明它评估商品的范围有限,这个局限性可能会降低用户的满意度 2.2多样性 在推荐系统中,多样性体现在两个层次,一个是用户间的多样性,衡量推荐系统对不同用户推荐不同商品的能力;另一个是用户内的多样性,衡量推荐系统对一个用户推荐商品的多样性。学者提出可以通过测量推荐产品的平均度和平均海明距离的方式,来评估推荐列表的多样性,商品平均度小的推荐系统相对更好些 2.3新颖性 新颖性是指推荐系统向用户推荐非热门或非流行商品的能力。通常用户喜欢系统推荐他们熟悉的产品,因为这会增加用户对推荐系统的信任,但是当用户厌倦了相似的产品推荐时,他们可能更喜欢那些能给予他们意外惊喜的推荐信息 2.4隐私保护 网站上留有大量消费者的个人信息,涉及姓名、家庭地址、手机号甚至身份证号等重要隐私信息,这些信息一旦泄露,会造成难以想象的后果。推荐系统对隐私的保护会影响到消费者的初始信任,从而影响消费者对该推荐系统的使用意愿。推荐系统需要有效地保护用户个人隐私的措施,也应减少使用用户隐私数据 3现有文献评述与未来研究展望 目前在线推荐系统消费者采纳意向的研究仍处于起步阶段,学者在该方面的研究正在逐步深入。文章对有关推荐系统采纳意向的研究文献进行整理分析,发现目前多数研究集中在系统

您可能关注的文档

文档评论(0)

docman126 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:7042123103000003

1亿VIP精品文档

相关文档