協(xié)同過濾推薦算法在互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理中的應(yīng)用

1.63萬字
我自己原創(chuàng)的畢業(yè)論文，僅在本站獨(dú)家提交，大家放心使用

摘要20世紀(jì)以來，隨著互聯(lián)網(wǎng)的迅猛發(fā)展，電子商務(wù)保持著持續(xù)增長的趨勢，信息也在不斷的膨脹。在電子商務(wù)網(wǎng)站里的大量信息中，用戶需要快速有效的找到自己需要的信息，而電子商務(wù)推薦系統(tǒng)的出現(xiàn)就是為了這一難題得以解決。目前，應(yīng)用最為廣泛發(fā)展最為迅速的電子商務(wù)推薦技術(shù)是協(xié)同過濾推薦技術(shù)，在互聯(lián)網(wǎng)企業(yè)中應(yīng)用協(xié)同過濾推薦技術(shù)，可以為客戶推薦自己需要的商品，能夠更好的維護(hù)企業(yè)與客戶之間的關(guān)系，從而使企業(yè)有自己的營銷優(yōu)勢，進(jìn)而提高企業(yè)的核心競爭力。
本文介紹了電子商務(wù)推薦系統(tǒng)以及客戶關(guān)系管理的背景和研究現(xiàn)狀，主要是對基于用戶的協(xié)同過濾推薦技術(shù)在互聯(lián)網(wǎng)企業(yè)的客戶關(guān)系管理中的應(yīng)用進(jìn)行研究分析。本文引用不同的案例說明了協(xié)同推薦算法存在的問題以及相應(yīng)的應(yīng)對措施，這些應(yīng)對措施對于解決冷啟動問題和稀疏矩陣問題有很大的幫助。本文用用戶/項(xiàng)目評分矩陣產(chǎn)生的相似度，得到最近鄰居，提高了推薦的準(zhǔn)確性，從而為互聯(lián)網(wǎng)企業(yè)的目標(biāo)用戶提供更好的推薦結(jié)果。
本文研究重點(diǎn)在于將基于用戶的協(xié)同過濾推薦算法應(yīng)用到互聯(lián)網(wǎng)企業(yè)的客戶關(guān)系管理過程中，從而為互聯(lián)網(wǎng)企業(yè)贏得客戶，為互聯(lián)網(wǎng)企業(yè)的商品贏得市場占有率。

關(guān)鍵詞： 電子商務(wù)推薦系統(tǒng) 協(xié)同推薦 客戶關(guān)系管理 用戶/項(xiàng)目評分矩陣

Abstract Since the 20th century, with the rapid development of Internet, e-commerce keeps increasing trend, the expansion of the information has been even overload, in order to solve this problem, the electronic commerce recommendation system arises at the historic moment, the electronic commerce recommendation system can help users quickly locate to the goods you need. Collaborative filtering recommendation technology is the most widely used and the most rapid development of a personalized recommendation technology, collaborative filtering recommendation technology is applied to the Internet enterprise customer relationship management, which improves the profitability of the enterprise and the enterprise's core competitiveness.
This article introduces the background and current status of customer relationship management (CRM) and the electronic commerce recommendation system, mainly for user-based collaborative filtering recommendation technology in the application of the Internet enterprise customer relationship management (CRM) .This article refers to a different case illustrates the problems of collaborative recommendation algorithm, and proposes the corresponding improvement method, improving collaborative filtering recommendation algorithm for solving the problem of cold start problems and sparse matrix .In this paper, using the similarity of user/item score matrix and getting the nearest neighbors, improving the accuracy of the recommended, thus for the Internet enterprise users to provide better recommendation results.
This paper is focused on the collaborative filtering recommendation algorithm, which is applied to the Internet enterprise customer relationship management process, thus for Internet companies to win customers and market share of Internet enterprise's goods.

Key words e-commerce recommender system, collaborative recommendation, customer relationship management, user/project eva luation matrix

目 錄
第一章 緒論 1
1.1課題研究的背景與意義 1
1.1.1 課題研究的背景 1
1.1.2 課題研究的意義 1
1.2國內(nèi)外研究現(xiàn)狀 1
1.2.1 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的研究現(xiàn)狀 2
1.2.2 協(xié)同過濾推薦算法的研究現(xiàn)狀 2
1.2.3 協(xié)同過濾推薦算法在互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理中的應(yīng)用現(xiàn)狀 2
1.3課題主要研究內(nèi)容和方法 3
第二章 互聯(lián)網(wǎng)企業(yè)的客戶關(guān)系管理 5
2.1 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理概述 5
2.1.1 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的定義 5
2.1.2 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的核心思想 5
2.2 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的驅(qū)動因素及發(fā)展維度 6
2.2.1 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的驅(qū)動因素 6
2.2.2 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的發(fā)展維度 6
2.3 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的分類、功能及存在的問題 7
2.3.1 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的分類 7
2.3.2 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理的功能 7
2.3.3 互聯(lián)網(wǎng)企業(yè)客戶關(guān)系管理存在的問題 7
第三章 電子商務(wù)推薦系統(tǒng)基礎(chǔ)理論及其主要算法分析 9
3.1電子商務(wù)推薦系統(tǒng)基礎(chǔ)理論 9
3.1.1 電子商務(wù)推薦系統(tǒng)的定義和作用 9
3.1.2 電子商務(wù)推薦系統(tǒng)的分類 9
3.2 電子商務(wù)推薦算法 10
3.2.1 基于關(guān)聯(lián)規(guī)則的推薦算法 10
3.2.2 協(xié)同過濾推薦算法 10
3.2.3 其他常見的推薦算法 11
3.3 協(xié)同過濾推薦算法 12
3.3.1 協(xié)同過濾推薦算法分析 12
3.3.2 基于項(xiàng)目的協(xié)同過濾推薦算法 13
3.3.3 基于用戶的協(xié)同過濾推薦算法 14
3.3.4 協(xié)同過濾推薦算法存在的問題 16
第四章 應(yīng)用研究 17
4.1 客戶信息分析與客戶行為分析 17
4.2 商品信息分析與商品市場占有率分析 19
4.3 本章小結(jié) 20
第五章 總結(jié)與展望 22
參考文獻(xiàn) 24