博碩士論文 100453007 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:7 、訪客IP:34.204.183.113
姓名 黃正賢(Cheng-Hsien Huang)  查詢紙本館藏   畢業系所 資訊管理學系在職專班
論文名稱 App應用在電子商務的推薦服務-以P公司為例
(The App Implementation of Recommender System for E-Commerce Website: A Case Study of P E-Commerce Company)
相關論文
★ 網路合作式協同教學設計平台-以國中九年一貫課程為例★ 內容管理機制於常用問答集(FAQ)之應用
★ 行動多重代理人技術於排課系統之應用★ 存取控制機制與國內資安規範之研究
★ 信用卡系統導入NFC手機交易機制探討★ 建置服務導向系統改善生產之流程-以W公司PMS系統為例
★ NFC行動支付之TSM平台規劃與導入★ 關鍵字行銷在半導體通路商運用-以G公司為例
★ 探討國內田徑競賽資訊系統-以103年全國大專田徑公開賽資訊系統為例★ 航空地勤機坪作業盤櫃追蹤管理系統導入成效評估—以F公司為例
★ 導入資訊安全管理制度之資安管理成熟度研究-以B個案公司為例★ 資料探勘技術在電影推薦上的應用研究-以F線上影音平台為例
★ BI視覺化工具運用於資安日誌分析—以S公司為例★ 特權帳號登入行為即時分析系統之實證研究
★ 郵件系統異常使用行為偵測與處理-以T公司為例★ Google文字關聯在多領域文件分類上的應用
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   至系統瀏覽論文 ( 永不開放)
摘要(中) 因智慧型手機與平板電腦的普及,再加上行動上網的便利,消費者持有著智慧型手持裝置的比例更是逐年提高,改變了消費者使用智慧型手持裝置的行為與生活型態,而智慧型手持裝置已成為民眾生活裡資訊與服務傳遞重要的媒介,這不僅改變民眾的生活型態,也將促使新的行動商務發展。這讓電子商務網站得更用心地思考該如何吸引消費者,以及如何進一步做好顧客經營以提高顧客忠誠度。
在電子商務領域中推薦系統被廣泛的利用,推薦系統可以在三方面增進電子商務的銷售量,分別是讓瀏覽者成為購買者、提供交叉銷售及提升忠誠度。因此,本研究採用協同過濾式推薦系統,依據使用者在App中的瀏覽時間、瀏覽歷程與點選操作動作,透過評比機制取得使用者對各類別的喜好輪廓,再針對所推測出的使用者喜好類別,發送特定的通知 (Notification) 訊息,通知中提供更好的服務資訊或選出適合使用者的商品資訊加以推薦,藉此提高消費者滿意度並掌握其消費動向。本研究所計算出的使用者輪廓,其所發送的筆數較少且點閱率高,可達到較高的效益。
摘要(英) For the popularity of smartphones and tablet PCs, as well as the convenience of the mobile Internet, consumers who hold the proportion of smart handheld devices has increased annually, it changes the behavior and lifestyle of people using smart handheld devices. Therefore, the smart handheld devices have become the important medium for people to share the information and deliver the service, which not only changes the lifestyle of the people, but also accelerate the new mobile commerce development. E-commerce websites supplier must think how to attract consumers more carefully, and how to handle customers’ management to increase customer loyalty.
E-commerce recommender system is widely applied in the E-commerce field, and the recommender system can promote e-commerce sales with three advantages respectively, which includes enabling browsers into buyers, cross-sell and enhance loyalty. Therefore, this study uses a collaborative filtering recommender system, on the basis of user browsing time in the App, browsing history and click to evaluate the user’s preferences by appraisal mechanism contour, and then send the notification message to the inferred user categories. The recommended notification with superior information or selected more proper product for the customers to reinforce their satisfaction and master the consumption trend. The customers’ data sent by the Institute calculated with less click through rate can achieve a higher efficiency.
關鍵字(中) ★ 隱性回饋
★ 協同過濾
關鍵字(英) ★ Implicit Feedback
★ Collaborative Filtering
★ Apache Mahout
論文目次 摘 要 i
Abstract ii
誌 謝 iii
目錄 iv
圖目錄 v
表目錄 vi
第一章 前言 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 4
1.4 研究流程 5
第二章 文獻探討 6
2.1 相關性回饋 6
2.2 電子商務與推薦系統 8
2.3 Apache Mahout系統 11
第三章 系統分析與設計 13
3.1 App系統架構 13
3.1.1 行動裝置選擇 13
3.1.2 系統架構 14
3.1.3 App功能說明 16
3.1.4 系統設計 23
3.2 推薦系統設計 25
3.2.1 資料收集 25
3.2.2 資料篩選 27
3.2.3 使用者初始評比值設定 27
3.2.4 找出相似的群體 28
3.2.5 預測使用者對行銷分類的評比值 29
第四章 實驗設計 30
4.1 個案公司背景介紹 30
4.2 資料描述與結果分析 31
第五章 結論與未來研究方向 41
5.1 研究結論 41
5.2 未來研究方向 43
參考文獻 45
參考文獻 【英文文獻】
1. Konstan, J. A., Miller, B. N., Maltz, D., Herlocker, J. L., Gordon, L. R., and Riedl, J. (1997), “GroupLens: Applying Collaborative Filtering to Usenet News,” Communications of ACM, Vol. 40, No. 3, pp. 77-87.
2. Morita, M., and Shinoda, Y. (1994), “Information Filtering Based on User Behavior Analysis and Best Match Text Retrieval,” Proceedings of the 17th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 272-281.
3. Nichols, D. M. (1997), “Implicit Rating and Filtering,” Proceedingsof the 5th DELOS Workshop on Filtering and Collaborative Filtering, pp. 31-36.
4. Oard, D. W., and Kim, J. (1998), “Implicit Feedback for Recommender Systems,” Proceedings of the AAAI Workshop on Recommender Systems, pp. 81-83.
5. Oard, D. W., and Kim, J. (2001), “Modeling information content using observable behavior,” Proceedings of the 64th Annual Conference of the American Society for Information Science and Technology Annual Meeting, pp. 481-488.
6. Owen, S., Anil, R., Dunning, T. and Friedman, E., (2012), Mahout in Action, Manning Publication Co..
7. Sarwar, B. M., Karypis, G., Konstan, J. A., and Riedl, J., (2000), Analysis of Recommender Algorithms for E-Commerce, ACM E-Commerce 2000 Conference.
8. Schafer, J. B., Konstan, J. A., and Riedl, J. T., (1999), “Recommender systems in e-commerce,” In Proceedings of the 1st ACM Conference on Electronic Commerce, Denver, Colorado, USA, 158–166.
【中文文獻】
1. 產業情報研究所 (2012),「全球商用Apps產業發展趨勢與商機」,財團法人資訊工業策進會,產業情報研究所。
2. 張雅芳 (2012),「利用MapReduce實作分散式協同推薦系統」,碩士論文,國立清華大學。
3. 經濟部商業司 (2012),「101 年度新網路時代電子商務發展計畫-我國 B2C 電子商店調查結案報告」,財團法人資訊工業策進會。
4. 鄭雅嵐 (2012),「2012 台灣網友線上購物行為調查」,財團法人資訊工業策進會,產業情報研究所。
【網路文獻】
1. Flurry Analytics,Flurry: Mobile App Usage Up To 94 Minutes Per Day,Retrieved 05/11, 2013,from http://techcrunch.com/2012/01/09/flurry-mobile-app-usage-up-to-94-minutes-per-day/。
2. Oracle,Core J2EE Patterns - Business Delegate,Retrieved 05/09, 2013,from http://www.oracle.com/technetwork/java/businessdelegate-137562.html。
3. TIEA台灣網路暨電子商務產業發展協會,Retrieved 05/13, 2013,from http://www.tieataiwan.org/index.html。
4. 王建興 (2012),大象背上的男人,Retrieved 04/20, 2013,from http://www.ithome.com.tw/itadm/article.php?c=76242&s=1。
5. 許凱玲 (2012),Fab成行動商務業者,聖誕季美國地區銷售56%來自手機App,Retrieved 06/03, 2013,from http://www.bnext.com.tw/article/view/cid/157/id/25920。
6. 陳怡如 (2012),手機購物App上線!「UDN買東西」開拓行動收入,Retrieved 06/03, 2013,from http://www.bnext.com.tw/article/view/cid/157/id/24803。
指導教授 林熙禎(Shi-Jen Lin) 審核日期 2013-6-25
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明