电子商务个性化 理论、方法与应用PDF电子书下载

第一篇 基础理论 1

第1章 绪论 1

1.1 电子商务个性化的产生与发展 3

1.1.1 产生背景 3

1.1.2 个性化发展历程 4

1.2 电子商务个性化的理论基础 5

1.2.1 管理学基础 5

1.2.2 计算机技术基础 8

1.3 电子商务个性化的应用领域 13

1.3.1 文献检索 14

1.3.2 电子超市 14

1.3.3 金融证券 15

1.3.4 搜索引擎 16

1.3.5 远程教育 17

第2章 个性化服务分析 19

2.1 个性化服务概述 21

2.1.1 个性化服务的意义 21

2.1.2 个性化服务的概念 22

2.1.3 用户需求个性化分析 23

2.1.4 个性化服务应注意的几个问题 24

2.2 个性化服务的特征与形式 25

2.2.1 个性化服务的特征 25

2.2.3 个性化服务模型 27

2.2.2 个性化模式 27

2.2.4 Internet个性化服务形式 28

2.2.5 搜索引擎个性化服务需求 30

2.3 个性化服务技术 31

2.3.1 实现个性化服务的关键技术 31

2.3.2 现有个性化服务技术的局限 34

2.4 个性化服务体系结构 36

2.4.1 个性化服务系统基本体系结构 36

2.4.2 个性化服务系统实例 40

2.5 个性化服务应用比较研究 43

2.5.1 个性化服务技术应用分析 43

2.5.2 行业应用分析 45

第3章 电子商务个性化概述 49

3.1 电子商务个性化概念 51

3.1.1 电子商务概述 51

3.1.2 电子商务个性化 53

3.1.3 电子商务个性化的内容 54

3.1.4 典型解决方案 55

3.2 电子商务个性化需求 57

3.2.1 电子商务个性化需求的含义 57

3.2.2 电子商务中个性化需求的内在性 57

3.3 电子商务个性化服务内容 58

3.3.1 个性化服务内容 59

3.3.2 BroadVision的个性化服务 61

3.4.1 电子商务个性化的应用效果 62

3.4 正确认识电子商务个性化的价值 62

3.4.2 电子商务个性化面临的挑战 63

第4章 电子商务推荐系统 65

4.1 电子商务推荐系统简介 67

4.1.1 电子商务推荐系统的概念 68

4.1.2 电子商务推荐系统的组成 69

4.1.3 推荐系统与其他系统的关系 70

4.2 推荐系统类型 71

4.2.1 协同过滤推荐系统 71

4.1.4 电子商务推荐系统的作用 71

4.2.2 基于知识的推荐系统 72

4.2.3 混合式推荐系统 73

4.3 推荐系统架构 73

4.3.1 嵌入式架构 73

4.3.2 基于CS的架构 74

4.3.3 基于OARs的推荐架构 75

4.3.4 推荐系统架构分析 78

第5章 电子商务用户建模 81

5.1 获取用户信息 83

5.1.1 数据源 83

5.1.2 数据获取途径 84

5.1.4 Web挖掘 85

5.1.3 数据预处理 85

5.2 用户建模技术 87

5.2.1 用户建模概述 87

5.2.2 用户描述文件 90

5.2.3 用户建模流程 93

5.2.4 用户建模技术 94

5.3 用户聚类模型 95

5.3.1 基于神经网络的用户聚类 96

5.3.2 基于关联矩阵的用户聚类 96

5.3.3 基于综合页面的用户聚类 97

5.3.4 个性化的集成用户资料的发现 97

第6章 个性化推荐技术 99

第二篇 方法技术 99

6.1 个性化推荐技术 101

6.1.1 推荐与个性化推荐 101

6.1.2 个性化推荐技术 103

6.1.3 各种推荐技术比较 108

6.1.4 组合推荐 109

6.2 推荐评价 110

6.2.1 离线评价 110

6.2.2 在线评价 112

6.3 个性化推荐技术的关键问题 112

6.3.1 主要研究热点 112

6.3.2 关键技术的未来研究 115

6.4 国内外电子商务推荐技术比较分析 116

6.4.1 电子商务推荐技术标准 117

6.4.2 主要的推荐策略 119

6.4.3 几个著名B2C网站的推荐功能 123

6.4.4 国内外B2C网站的推荐功能比较 128

6.4.5 我国B2C网站推荐策略解决方案 130

第7章 关联规则推荐 133

7.1 关联规则 135

7.1.1 关联规则的概念 135

7.1.2 关联规则关系定义 135

7.2.1 关联规则挖掘 136

7.2 关联规则推荐 136

7.2.2 关联规则推荐过程 137

7.2.3 关联规则推荐分析 138

7.3 基于最小关联规则集的个性化推荐 139

7.3.1 引言 139

7.3.2 最大频繁集的关联规则矩阵 140

7.3.3 案例分析 146

7.4 基于关联规则集的个性化推荐系统 148

7.4.1 基于规则的系统框架 148

7.4.2 基于最小关联规则的个性化推荐系统模型 149

第8章 个性化智能信息代理 151

8.1.1 代理（Agent） 153

8.1 智能代理与信息代理 153

8.1.2 信息代理 156

8.1.3 智能代理 158

8.2 电子商务代理 160

8.2.1 电子商务代理内容 160

8.2.2 电子商务代理技术 162

8.3 基于多代理的个性化信息服务 162

8.3.1 多代理的个性化信息服务模型的组成 162

8.3.2 多代理个性化信息服务功能模块 164

8.3.3 基于Agent的个性化主动系统：AKDD 166

8.3.4 个性化智能Web浏览器 169

第9章 个性化的eCRM 173

9.1 CRM与eCRM 175

9.1.1 问题的提出 175

9.1.2 客户关系管理（CRM） 176

9.1.3 eCRM 178

9.2 商业智能 179

9.2.1 商业智能的概念 179

9.2.2 BI系统总体设计架构 180

9.2.3 商业智能技术 182

9.2.4 商业智能的应用领域 183

9.3 面向个性化推荐的客户智能 184

9.3.1 问题的提出 184

9.3.2 客户智能 185

9.3.3 CRM与个性化推荐的关系 186

9.3.4 面向个性化推荐的客户智能 187

9.4 eCRM应用模型 191

9.4.1 基于智能信息推拉技术的CRM 191

9.4.2 基于协同过滤的主动营销模型 194

第三篇 行业应用 197

第10章 电子超市购物推荐系统分析与设计 197

10.1 电子超市购物推荐系统分析 199

10.1.1 引言 199

10.1.2 信息组织与获取 200

10.1.3 电子超市购物在线推荐的形式 202

10.1.4 系统分析 203

10.2.1 系统框架设计 206

10.2 电子超市购物推荐系统设计 206

10.2.2 系统设计 208

10.3 动态组合推荐方法 219

10.3.1 推荐方法设计思路 219

10.3.2 动态组合推荐过程 220

第11章 数字图书馆个性化服务系统 223

11.1 国内外数字图书馆个性化服务的发展 225

11.1.1 国外数字图书馆个性化服务的发展 225

11.1.2 国内数字图书馆个性化服务的发展 226

11.1.3 国内数字图书馆网络个性化服务在实际应用中的局限性 226

11.1.4 国内数字图书馆个性化服务的反思 227

11.2.1 数字图书馆个性化服务的形式 228

11.2 数字图书馆的需求分析 228

11.2.2 智能搜索引擎 230

11.3 Mylibrary个性化服务系统比较 231

11.3.1 Mylibrary的基本概念和工作原理 231

11.3.2 国外图书馆Mylibrary系统比较 232

11.3.3 Mylibrary个性化服务的发展趋势 234

11.4 图书馆个性化服务系统案例 235

11.4.1 中国人民大学数字图书馆个性化服务系统 235

11.4.2 中山大学图书馆个性化主动服务系统 240

第12章 证券个性化推荐解决方案 243

12.1.1 概述 245

12.1 证券个性化需求分析 245

12.1.2 个性化网上证券需求分析 246

12.1.3 证券交易个性化服务的范畴分析 248

12.1.4 用户需求内容和结构分析 249

12.2 证券业个性化推荐应用方法设计 255

12.2.1 证券业个性化推荐的特点 255

12.2.2 证券组合推荐方法 257

12.3 案例分析：国能科诺证券业个性化客户服务解决方案 262

12.3.1 概述 262

12.3.2 个性化支持机制 263

12.3.3 个性化系统体系结构 265

参考文献 269