考虑产品特征的个性化推荐及应用

   随着电子商务的渗透和用户对个性化服务需求的激增，如何利用平台上的海量行为数据，设计合适的算法以行个性化产品推荐，成为企业在电商营销中重关注的问题。同时，深了解已有推荐机制对消费者产生的行为影响，也能够有效地帮助商家和平台及时调整推荐策略。由此本书分别从技术视角和行为视角出发，针对同质性产品和非同质产品，对产品推荐的相关方法和行为影响行介绍，较为完整地从多个角度丰富了对推荐系统的认识。    此外，本书还介绍了以神经网络为基础的非同质产品的关系挖掘方法。以在线评论为数据源，对评论文本内容分析并构建产品两两之间的特征函数来对其关系建模。此外，从实际观测结果出发，还考虑了在线评论的其他非文本特征，一步提高关系挖掘的准确率。*后，通过电商平台的真实数据分析了本书所介绍方法的有效性，并讨论了该预测方法在不同参数和稀疏性水平数据集下的表现。填补了学术空白。
【推荐语】
   本书从技术视角和行为视角对产品推荐有了一个较为全面的认识，包括推荐相关算法的设计和改，以及推荐系统对消费者行为的影响机制探究。本书内容对于营销决策中如何设计合适的推荐策略具有指导和借鉴意义。
【作者】
   张明月，北京外国语大学国际商学院讲师。于2012年获得北京理工大学信息管理与信息系统专业学士学位，2017年获得清华大学管理科学与工程博士学位，并于2015年9月至2016年9月赴美国亚利桑那大学作为联合培养博士生学习访问。主持1项国家自然科学青年基金，曾获得2017年北京市优秀博士毕业生、2017年清华大学优秀博士论文、2012年北京市优秀毕业生、和小林实中国经济研究奖学金等荣誉。研究方向为电子商务、推荐系统、和消费者行为。在主流国际期刊和会议上发表论文10余篇。