电子商务行业经过十几年的高速发展,消费者对于网络销售良好服务的诉求也越来越强烈,但是一般B2C的网站导购人员不能满足消费者的诉求,比如面对线上同质化的商品,无法提供合理的购买意见。A公司本着更好的服务客户的宗旨,建立了网络导购平台,给选择困难的客户提供科学的消费建议。然而该平台在实际运营中,随着分销商品池中商品越来越多,网络导购挑选商品变得费时费力,同时推荐给消费者的商品转化率不高,导致网络导购的活跃度变低。为了提高网络导购的活跃度,本文决定搭建一套网络导购的商品推荐系统,以推荐的方式帮助网络导购进行选品,该方式对于A公司提高客户服务度和业绩具有重要意义。但是该系统在搭建过程中却出现了数据稀疏性问题、“冷启动”问题以及推荐精度和效率低等问题。本文针对该系统推荐精度和效率低的问题,从消费者和网络导购角度出发,首先使用支持向量机对商品进行分类,将商品分为正反馈和负反馈的商品,剔除负反馈的商品(消费者不喜欢的商品);然后对正反馈商品的评价特征值进行情感分析获得量化的感情强度;最后根据评分、情感强度和佣金金额计算商品的综合评分;通过以上处理,既保证推荐的商品池是消费者喜欢的商品,又使网络导购可以获得合理的佣金,间接提高了算法的推荐精度和效率。针对数据稀疏性问题,首先引入关联度,计算关联矩阵,然后根据关联矩阵得到候选项目集,最后结合项目相似度为网络导购预测评分和产生推荐。针对“冷启动”问题,首先将网络导购特征值进行提取,获取具有网络导购的明显特征,并对网络导购的特征进行相似度计算,最后基于网络导购特征的相似度去构建推荐方案。本文在A公司网络导购的商品推荐算法模型的基础上,完成了对A公司网络导购的商品推荐系统的需求分析与设计,并完成该了该系统的开发。测试表明,实现的A公司网络导购的商品推荐系统,基本实现了设计的功能需求。本文搭建了 A公司网络导购的商品推荐系统,可以帮助网络导购选择合适的商品,从而提高网络导购的活跃度。同时,本文的研究可以给网络导购平台在搭建商品推荐系统时提供一定的借鉴意义。本文包含图25幅,表15个,参考文献40篇。