论文部分内容阅读
近年来,Web病毒式营销作为电子商务中一种重要的营销策略,成为国内外相关领域专家学者的研究热点。在Web病毒式营销中,核心群体因其具有重要的地位及特殊的作用而具有相当重要的研究价值,但目前国内外相关领域的学者在核心群体的挖掘方面的研究还处在起步阶段,同时在向核心群体推荐方面的研究更是空白。首先,对Web病毒式营销的相关理论进行了深入的学习,掌握了Web病毒式营销的基本原理,深入了解目前Web病毒式营销中核心群体挖掘的思路与方法,详细分析了目前研究的不足。其次,在Web客户信任网络(CTN, Customer Trust Network)的基础上提出了节点网络影响集的构建原则与构建方法,提出了网络影响集的构建算法BUNIS(Building Up Network-Influence Set),在此基础上提出了基于网络影响集的核心群体挖掘算法MCGNIS(Mining Core Groups Based On Network-Influence Set)。第三,在构建的网络影响集的基础上提出了基于网络影响集的核心群体推荐模型RMNIS(Recommending Model Based On Network-Influence Set)以及相应的推荐算法,充分考虑核心群体及其网络影响集在Web客户信任网络中的地位及作用,将核心群体的个性化兴趣特征与非个性化兴趣特征有机的结合起来,设计了相应的推荐度计算方法。最后,通过实验证明,构建的网络影响集可以很好的描述客户信任网络中错综复杂的关系,利用不同阈值构建的网络影响集挖掘核心群体分别具有时间性能优势或较高的网络覆盖率(NC, Network Coverage),基于网络影响集的核心群体推荐模型具有很好的推荐准确性,同时又保证有很好的推荐多样性,能够满足商家对商品的营销目的。