中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/74120
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41754701      線上人數 : 3511
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/74120


    題名: 調查社群媒體推薦產品的決定因素;Investigating deciding factors of product recommendation in social media
    作者: 陳柔攸;CHEN, JOU YU
    貢獻者: 企業管理學系
    關鍵詞: 社群媒體;推薦系統;NewsFeed;social media;recommendation;NewsFeed
    日期: 2017-06-22
    上傳時間: 2017-10-27 13:11:46 (UTC+8)
    出版者: 國立中央大學
    摘要: 隨著社群網站的日益興起,在網路世界進行交流的人數急速增長,也逐漸成為將產品推薦給使用者的媒介之一。
    過去傳統微網誌(Microblog)的產品推薦方式,大多只在乎使用者個人喜好與興趣,卻忽略了其他可能的影響因素,例如使用者對廠商的喜好、產品受歡迎程度、產品類別喜好、廠商名聲及產品上市時間,並且在過去文獻當中也較少同時將上述變數進行研究分析。因此本文擬針對上述五項不同影響因素,去探討其對使用者的偏好是否造成顯著影響進而提升產品推薦的效果。
    本文實證結果顯示, Plurk的使用者對於產品的廠商喜好、產品受歡迎程度與產品類別喜好具有顯著影響關係,會去影響到產品頁面的點擊數。此外,本研究先以回歸模型進行顯著性分析,挑選變數。再透過類神經網路來預測使用者對推薦商品的點擊率是否具有穩健性,實證結果發現類神經具有較好的預測效果。回歸分析所挑的變數也的確有很好的預測力。;With the growing popularity of the social network, the number of people using the social network to communicate and interactive with others increased steadily. As a result, social commerce has become a new phenomena.

    In the past, most of the product recommendation in Microblog only deal with personal preferences and interests, and ignores other possible factors such as crowd Interest, Popularity of products, reputation of creators, types of preference and recency. These variables are used by facebook to recommend posts to users. Therefore, this research adapted the five aspects and analyzed their effectiveness to recommend products on social media sites.

    The empirical results show that the Interest, Popularity and Type have significant impacts on recommendation effectivness. In addition, this studies also utilized Artificial Neural Networks to predict the click through rates of recommended web pages. The results show that the Artificial Neural Networks have better predictive effect then Linear Regression. However, the three variables identified by Linear Regression indeed outperform the other variables.
    顯示於類別:[企業管理研究所] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML248檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明