內容簡介
社會化媒體與電子商務的融合催生了社會化電子商務的興起。社會化電子商務中用戶的大量參與產生的社會關繫網絡和用戶生成內容是用戶需求挖掘的重要源泉，而如果不對這些內容進行組織和利用將會產生新的信息過載，讓消費者再次陷入因信息來源過多而難以全面獲取和正確選擇，以致*終還是花巨大時間和精力成本纔能找到所需商品的無奈境地。商品推薦被認為是解決信息過載的有效手段，通過商品推薦可以將消費者可能需要的產品主動推薦給消費者。傳統的推薦方法雖然能夠實現商品信息的有序組織，有效緩解信息過載的同時提高了商品個性化服務水平，但由於商品屬性的復雜性和推薦所需數據的稀疏性，導致推薦的準確性並不理想。鋻於此，基於社會化電子商務的用戶參與所產生的對推薦有用的重要數據，提出了面向社會化電子商務環境的商品推薦研究。本文基於消費者網絡行為理論與馬斯洛需求層次理論，揭示社會化電子商務中消費者購物過程的行為所體現的需求層次，並將這些需求的數據源映射到社會化電子商務中用戶關繫網絡和消費者生成信息內容，提出基於用戶興趣標簽、用戶信任關繫和用戶評論的商品推薦策略。研究將商品推薦的理論模型、技術實現與實證研究相結合，以期在理論、思路和方法上拓展傳統商品推薦服務。
