基于主动协作关系的网络用户建模及模型优化方法研究

网络用户建模是智能电子商务领域的热点问题，虽已取得许多成果，但由于网络环境和用户行为的复杂性，还面临着许多挑战，特别是在新兴信息源的利用上基本还是空白。本项目将体现用户主动协作关系的在线社会性网络服务、在线评论等新兴信息源引入用户建模，利用消费者行为学、认知心理学、社会性网络等理论和数据挖掘、行为运筹学等方法，深入研究网络用户之间的感知、沟通、影响机制及关联关系，研究在线评论的语义倾向性及其与用户行为偏好间的关系，揭示在线社会性网络和在线评论所隐含的用户兴趣、角色、目标和行为偏好；研究支持用户建模的有效信息源选择策略和综合用户建模方法及模型优化方法，构建出多视角、高效度的网络用户模型；结合个性化捆绑推荐策略的研究验证用户模型的有效性，并进一步探索基于认知风格的个性化内容展示对购买行为的影响及个性化推荐的最优化策略。本研究对发展新的网络用户建模理论，提高用户满意度和企业经营效益具有重要意义。

本项目将体现消费者主动协作关系的在线社会性网络服务、在线评论等新兴信息源引入用户建模，利用消费者行为学、认知心理学、社会性网络分析、行为运筹学等理论方法，围绕在线社会性网络服务中的用户关联关系、在线评论与消费者行为偏好间的关系、集成新兴信息服务的网络用户建模、考虑认知风格的个性化捆绑推荐策略等开展了系统的研究。项目组通过规范的实证研究方法揭示了在线社会性网络服务的影响因素及在线社会性网络对用户行为的影响；针对大规模复杂网络的平均路径长度计算中存在的问题，提出了一种树形结构模型，给出了无尺度网络、随机网络和小世界网络的平均路径长度的计算公式，并分析了网络规模和节点间连接方式对平均路径长度的影响。构建了在线评论有用性影响因素模型，揭示了不同消费者对同一产品产生不同的使用感受并发表不同的在线评论的原因；针对在线评论的语义描述方法、词汇倾向性判别方法和评论倾向性合成方法等关键问题，提出了含强度的基准词选择和词汇倾向性判别方法和基于产品特征词关系识别的评论倾向性合成方法，为较好的解决用户建模过程如何集成在线评论信息提供了解决方案。综合利用多信息源，提出了基于SVM的不均衡数据分类方法、两阶段参数自适应蚁群算法、基于特征聚类的相似领域上下文学习模型、面向领域的数据包络分析方法等用户建模方法。针对页面内容展示对购买行为的影响，基于消费者认知风格，构建了商品展示页面、内容和布局可用性评价模型，揭示了网络消费者认知风格对页面复杂度、信息关注度和布局可用性偏好的影响；构建了在用户偏好模型、用户认知风格、产品整体满意度、企业内部信息(库存、成本、利润率)等条件的独立或联合约束下产品捆绑、产品展示、个性化定价等个性化捆绑推荐的最优化模型，构建了基于用户偏好、购买行为和配送方式选择行为的配送规划模型，并设计了基于遗传算法等智能优化方法求解相应的模型。本项目的研究对发展新的网络用户建模理论，提高用户满意度和企业经营效益具有重要意义。研究期内先后在《Marketing Science》等国内外学术期刊和会议上共发表论文33篇，其中被SCI和SSCI收录3篇，EI收录7篇；待出版专著1部；获安徽省教学成果特等奖1项；承办了1次全国性学术会议，参加了16人次境内、2次境外的学术会议；支持了8名博士生和10名硕士生的学位论文，其中1篇博士论文获全国优秀博士论文提名奖。