基于在线消费者购买意向挖掘的个性化推荐研究

Personalized recommendation has been the hot research topic in E-commerce. Current recommender system research focuses more on performance improvement while ignoring psychological information needs of consumers, which cannot really meet the demand of practical applications. This proposal will research on personalized recommendation methods based on purchase intention prediction from the perspective of consumer psychology. It includes: 1) purchase intention prediction models; 2) choice mechanism of purchase intention and information types; 3) recommendation methods based on different purchase intentions. The research contributes to understand consumers’ online behavior patterns and purchase decision processes and has important theoretical significance for improving the development of E-commerce recommender systems. It also has great impact and practical value for building personalized marketing activities and improving efficiency and effectiveness of personalized marketing.

个性化推荐已经成为电子商务领域的热点研究问题。现有的研究偏重于算法的改进而忽略了消费者视角的信息需求，导致推荐结果无法真正满足实际应用需求。本项目将从消费者心理的视角，研究基于在线消费者购买意向挖掘的个性化推荐方法，研究消费者购买意向预测模型；研究消费者购买意向与商品信息种类选择机制；研究不同购买意向下的个性化推荐方法。本项目的研究有助于理解在线消费者网络行为模式及购买决策过程，对进一步推进电子商务个性化推荐的发展具有重要的理论意义，对于企业构建面向消费者购买意向的个性化商品营销活动，提高电子商务平台的个性化营销效率和效果具有实际价值。

个性化推荐已经成为电子商务领域的热点研究问题。现有的研究偏重于算法的改进而忽略了消费者视角的信息需求，导致推荐结果无法真正满足实际应用需求。本项目从消费者心理的视角，研究基于在线消费者购买意向挖掘的个性化推荐方法，研究消费者购买意向预测模型；研究消费者购买意向与商品信息种类选择机制；研究不同购买意向下的个性化推荐方法。针对研究在线消费者购买意向，项目组研究发现信息过载、社交过载、交流过载等因素影响用户中断使用社交媒体意图，用户购买意向受到内外部因素影响。针对研究购买意向和信息选择机制，项目组提出一种非参数层次贝叶斯方法来识别在线消费者主题选择偏好的内在影响因素。针对研究个性化推荐方法，研究项目组面向个体用户的利基产品推荐方法和面向群体用户的群推荐方法。利基产品推荐方法主要利用基于主题的分层贝叶斯线性回归模型，群推方法主要利用考虑个体兴趣和群体兴趣交互的双向张量分解模型。本项目的研究有助于理解在线消费者网络行为模式及购买决策过程，对进一步推进电子商务个性化推荐的发展具有重要的理论意义，对于企业构建面向消费者购买意向的个性化商品营销活动，提高电子商务平台的个性化营销效率和效果具有实际价值。.项目组研究期间先后在《Journal of Information Science》等国际期刊发表SCI/SSCI论文14篇。发表会议论文7篇，其中5篇被EI收录。发表中文核心期刊1篇，获得国家授权专利1项。依托本项目培养了博士生研究生4名，硕士研究生1名。