社交电商中融合信任和声誉的图神经网络推荐研究

社交电商可依据用户间的社交关系为用户提供感兴趣的商品或服务。现有研究多基于社会信任或社会声誉进行推荐，却忽略了信任与声誉间的相互作用，导致推荐效果欠理想。针对以上问题，本文提出了一种融合信任(Trust)和社会声誉(Social Reputation)的图神经网络推荐算法(TSR-GM)，采用社会声誉来深度刻画用户关系在推荐系统中的作用，利用社交网络中用户被信任程度对用户声誉进行排名，以图神经网络量化整合用户信任与声誉，并将结合后的新矩阵不断校正以获取更准确的用户信任，以此对矩阵分解后得到的新评分模型更新，最终得到更准确度量的预测评分矩阵。运用Epinions数据集开展的相关实验表明：与同类方法比，TSR-GM算法对提高推荐精度有较好效果。     

基于主观逻辑方法的消费者多源信任融合模型

 社会化商务中,消费者依赖在线口口相传建立感知信任,其本质是复杂网络上的多源信任融合问题。国内外学者对多源信任融合问题进行了大量研究,并以主观逻辑方法为代表形成了信任融合方法的研究体系。然而,由于社交网络中消费者感知信任的多源性和高度主观性以及用户生成内容的海量化,给多源信任融合模型带来量化难、实时处理难和融合难等问题。        针对上述难题,提出“先聚类、后融合”的研究思路,先对海量推荐信息进行聚类,再融入感知信任的主观因素构建多源信任融合模型。首先,将推荐信息间的相似性作为节点关系,从社交网络中抽取出推荐信息相似性网络,用谱平分方法对聚簇进行划分,实现对推荐信息的聚类;其次,用网络属性度量感知信任的影响因素,从复杂网络视角出发,提出消费者感知信任定性因素的量化方法;再次,以多属性决策方法为基础,改进主观逻辑方法构建多源信任融合模型,从而将感知信任的影响因素融入主观逻辑方法,突破主观逻辑方法只考虑推荐信息和网络路径的局限性;最后,通过仿真实验对推荐信息实验数据进行聚类,并分析主观因素对感知信任意见空间的调节作用,验证模型的可行性。        研究结果表明,研究模型能够快速划分推荐信息相似性网络,客观地量化感知信任的影响因素,使其融入信任度计算之中,且能够体现消费者感知信任的主观性和异质性。从仿真实验结果看,该模型能够有效解决大规模社会网络中推荐信息海量化问题,权威程度、从众行为和主体间亲密度等影响因素对信任度计算结果起调节作用。该模型将信任融合模型扩展到社会化商务领域,可以帮助商家评价已有消费群体对新消费者感知信任的影响力,为大规模网络中消费者感知信任的度量和预测提供新视角,为商家实时分析消费者感知信任意向和制定营销策略提供方法支持。对于难以建立新消费者信任的商家,可以通过制定激励机制来提高用户生成内容量,培养或引入权威人士作为明星节点,建立有主题的小社区等形式来促进主体间交流,增强消费者之间的亲密度,从而提高消费者感知信任。     

团购商品的个性化协同过滤推荐方法

本文提出结合云模型和改进均方差的协同过滤推荐方法,为团购网站的用户提供个性化推荐。该方法首先通过已有的用户日志数据,模拟用户对商品的评分,构建用户-商品评分矩阵。在此基础上,通过云模型和改进MSD方法模拟商品间的相似度,运用基于物品的协同过滤方法,预测出用户对商品的评分,并为目标用户生成个性化推荐列表。最后,通过实验证明该推荐方法的有效性。     

社会网络属性对电子商务信任影响的实证研究

伴随着Web2.0技术和社会网络服务的发展和应用,社会网络服务与电子商务的融合成为趋势。为了研究网络的社会化属性对电子商务消费者信任的影响,本文构建了一个网络社会属性促进消费者信任的研究模型并提出了相关假设。通过问卷调查收集数据,并采用结构方程模型进行了实证分析。研究结果表明:社会网络中的真实好友推荐、网络好友推荐、好友与商家交易信息、社会网络好友的专业性以及社会网络信任因素均对电子商务信任有正面的影响,但社会网络中用户与好友交互程度对电子商务信任却呈负面影响。     

基于信任关系和信息测度的概率语义社会网络群决策模型

设计专家权重和属性指标权重的计算模型已成为近年来备受关注的两个重要研究课题。针对评价信息为概率语义信任函数的社会网络群决策问题,提出一种基于信任关系和信息测度的概率语义社会网络群决策模型。首先,构建基于信任关系的概率语义决策空间,探究专家之间的信任传递模型,通过专家之间信任关系计算专家的权重;其次,引入概率语义信任函数的熵和相似度概念,并运用三角函数设计概率语义信任函数信息熵和相似度的衡量方法;最后,构建基于信任关系和信息测度的概率语义社会网络群决策模型,进而得到合理可靠的决策结果,同时将提出的社会网络群决策模型用于电动汽车供应商的选择实例,对比分析实验验证了模型的合理性和有效性。     

B2C电子商务中基于D-S证据融合理论的推荐信任评价模型

B2C电子商务中成熟消费者推荐是增强新消费者信任的重要渠道.基于证据融合理论,提出一种B2C电子商务中的推荐信任评价模型,从消费者、商品、服务商及其网站、技术和人文环境等方面多视角地分析B2C电子商务中的在线感知信任影响因素,由在线感知信任影响因素建立成熟消费者的个体信任评价指标;对于一个新消费者,根据他熟悉的多个成熟消费者的个体信任评价,基于D-S证据融合理论,提出由多个成熟消费者的信任评价融合而成的推荐信任评价模型,将提出的推荐信任评价模型应用于实际B2C在线购物推荐信任评价.实验结果表明,该模型可以有效地描述新消费者的推荐信任评价过程.     

网络直播购物模式中的买卖双方互信研究

为了研究在线交互对在线购物顾客信赖的内部影响机制,基于交互观点将社交存在作为媒介变量引入,构建交互信任模型。研究发现客户对于网络购物中空间临场感、社会临场感的搭建都基于互动机制来实现,而互动机制是由顾客、网站以及卖方组成的三方主体。其中,空间临场感和社会临场感对于客户与线上购物信任感的搭建机制有一定的影响作用,并且依据信任感类型的不同,可分为能力型信任、诚信型信任和善意型信任三类。空间临场感打造第一种类型的信任感,而社会临场感打造后两种信任感。为提升网络直播购物模式中的买卖双方互信水平,还根据课题调研结果给出了相应建议。     

网络跨度与信任的交互效应对创业绩效影响的纵向案例研究

通过对6家新创企业的纵向案例研究,引入信任这一权变因素,探究网络跨度对创业机会开发和新企业成长阶段的企业绩效的作用机制。研究显示,网络跨度是促进创业的必要而非充分条件;网络跨度与信任的交互能够促进创业机会开发和新企业成长;网络跨度与情感信任的交互有利于促进创业机会开发,而网络跨度与认知信任的交互则有利于促进新企业成长。     

高技术虚拟产业集群社会网络信任模式研究

从社会网络理论视角出发,分析高技术虚拟产业集群社会网络信任特征,构建影响关系的三维结构模型,并以直接信任度、间接信任度及信任感知风险度3个维度为核心搭建总体运行框架。在此基础上,构建社会网络动态信任评估模型,综合考虑时间衰减、失信惩罚、推荐可信及风险感知等要素,从多角度全面准确地刻画动态性、复杂性及不确定性。采用Ma-pleSim仿真平台进行模拟仿真结果表明,该信任模式可以约束并遏制恶意失信行为的发生,对潜在合作伙伴选择、提高合作成功率具有较好的效果。     

兴趣社交网络中的供需匹配研究:以豆瓣网为例

近年来兴起的兴趣社交网络中因其内在的商业价值引起了人们的注意.兴趣社交网络中涌现出大量的商品供需信息,带来的问题之一就是商品供需信息传播匹配效率低下.为解决上述问题,本文依托社会网络分析方法,探讨在具备小世界特性的兴趣社交网络中商品供需匹配的特点,研究商品传播和匹配的规律和提高匹配效率的策略.本文选取豆瓣网关注关系为实证数据,提出在兴趣社交网络中友邻信息相关度与供需信息传播匹配效率正相关的假设,并采用计算机仿真方法来验证假设.论文获取豆瓣网的社交网络数据、包括网络用户藏书数据和图书的标签数据,针对随机选取的1000个用户和200本图书作为实验样本,分别设计两套友邻信息相关度度量算法和两套兴趣社交网络中商品供需信息传播匹配算法,采用进行仿真模拟实验进行了比较.实验结果证实了人们对于商品检索的直观判断,得出在兴趣社交网络中,商品供需信息传播匹配效率与友邻信息相关度正相关的结论.     

基于项目聚类和评分预测的协同过滤推荐算法研究

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一。目前协同过滤构建的用户-项目矩阵,一般是按用户对所有项目的评分构建,却没有考虑项目之间的分类情况,导致寻找的邻居集合可能不是最近邻居集合。针对此问题,本文提出基于项目聚类和评分预测的协同过滤推荐算法,该算法首先按商品聚类,将大矩阵按聚类的商品来进行子矩阵的计算,在子矩阵里进行兴趣度的测量,最后将在所有区域相似用户的推荐项目合并,成为该用户的最后推荐结果。实验证明新算法能够提高协同过滤推荐系统的推荐质量。     

初始信任对个人互联网理财使用意愿的影响研究--兼论性别、受教育水平等因素的中介效应与调节效应

互联网金融飞速发展,其中以余额宝为代表的货币基金类理财产品最为引人瞩目。以行为理论模型为框架,初始信任为研究出发点,引入性别、受教育水平、使用经验等调节变量构建了三阶段模型,基于301位互联网理财用户的有效调研数据,运用结构方程、线性回归等方法进行实证分析。结果表明:引入初始信任的行为理论整合模型能够更好地解释用户的互联网理财使用行为;初始信任是用户感知易用性和使用意愿间的显著性中介变量,中介效应比例为总效应的54.0%;性别与受教育水平在使用意愿的不同影响关系中起显著性的调节效应;使用经验在初始信任与使用意愿间的调节效应不显著,从动态角度来看,初始信任能够持续稳定地影响使用意愿。研究结论为互联网理财供给方提高产品竞争力、培育忠诚用户和市场规模的扩大提供了理论依据与决策支撑。     

网络代理商推荐广告引入对双电子渠道定价决策的影响研究北大核心CSSCI

推荐广告引入已成为网络代理商提升代理渠道竞争力的基本方式。在对网络品牌商直销与网络代理商代理的双电子渠道竞争关系分析基础上,构建了涉及网络代理商推荐广告引入的两种双电子渠道最优定价Stackelberg博弈模型,探讨推荐广告引入与推荐广告投入水平、消费者网络代理渠道接受度间的关系及其对双电子渠道最优定价决策的影响。研究表明:推荐广告引入能拓展网络代理商市场,其最佳引入时机与推荐广告投入水平、消费者网络代理渠道接受度密切相关;推荐广告引入将促使网络品牌商降低产品直销价格而提高批发价格,增加网络代理商的价格竞争压力;推荐广告引入与否,网络代理商产品最优售价均随消费者网络代理渠道接受度增大而增大。代理商在合理的推荐广告投入水平区间内引入推荐广告,将有助于市场需求的扩张。而推荐广告引入将使网络品牌商产品最优直销价格下降、批发价格上升,网络代理商产品最优销售价格将随推荐广告投入水平提高而上升。     

基于遗忘函数和领域最近邻的混合推荐研究

基于内容过滤和协同过滤是两大最为经典的推荐算法,但基于内容过滤存在新用户问题,没有考虑用户兴趣变化对推荐质量的影响,协同过滤则面临严峻的数据稀疏性和冷启动的挑战.针对这些,提出混合推荐算法:基于非线性逐步遗忘函数建立用户兴趣模型,预测用户未评价商品评分;引入"领域最近邻"处理方法查找目标用户的最近邻,预测未评价商品评分,以此为基础做出推荐.实验结果表明,本文方法能有效提高推荐质量.     

基于多智能体系统的分布式信誉机制研究

基于多智能体系统原理,提出了分布式信誉机制中信誉信息的获取与集结模型。在分布式信誉系统中,信任方可以通过三种途径获取直接或间接的信誉信息:与被信任方的直接交易经验,借助自身社会网络找到与被信任方有过交易的见证者,以及要求被信任方提供与其有过交易的引荐者。首先,引入了一个激励机制,促使被信任方诚实地提供引荐者信息,保证信誉信息获取的数量和质量。其次,考虑到不同来源的信誉信息具有不同的可信度,在信誉信息集结时,基于用户相似度计算可信见证者的评价可信度,基于陌生引荐者和见证者的评价与可信见证者的评价集结结果之间的结果相似度计算陌生引荐者和见证者的评价可信度,建立了信誉集结模型来计算被信任方的综合信誉度。通过实验仿真,表明该模型具有较强的有效性和健壮性,其不但可以使信任方获取足够多的信誉信息,而且可以有效地削弱恶意见证者和引荐者诋毁尤其是共谋的影响。     

透过facebook的新口碑营销之“管”,窥中国大学生社交网站营销之“道”

本文通过分析社交网站的基本特点,现行人际营销beacon模式及其优势所在,并通过实证研究中国大学生上社交网站的习惯(时间,频率,动机)、对社交网站beacon模式及这种模式背后利用人际传播进行商品营销的态度、"好友推荐"不同类型、品牌、价格的商品、对不同性别大学生的消费行为所产生的不同影响等,浅析了哪些类型的商品适合通过社交网站的人际网络进行营销?应该设定在同类商品中低端,中端还是高端价位?著名品牌通过好友推荐宣传效果是否好于新品牌?社交网站上人际推荐"口碑效应"是否存在?是否会因为传播媒介是网络而使"口碑效应"大打折扣?     

低聚度决策主体的信任元协同获取与位势演化

现有群体决策共识算法的研究普遍以主体均质化的假设为前提，忽略了低聚度决策信任共识获取的复杂性。针对低聚度决策主体在合作决策中存在的信任基础薄弱、冲突调节能力不足、有效沟通反馈效率低下等问题，解析了低聚度主体信任元的主客观内涵，展现了基于主体交互过程中主客观信任空间相对性下的动态信任融合过程，通过对非连续信任的归集与权重的转化，刻画了主体间信任水平与合作位势的演化特征，在群体研讨共识方法基础上构建了低聚度决策主体的信任元协同获取模型。对比结果表明：改进后模型的信任基础获取速度和共识水平均高于常规群体研讨方法，克服了原模型研究对象特征的模糊化、研讨内容系统性分析缺乏、研讨过程信息反馈不足等问题，有利于在低聚度主体合作决策中建立信任基础、减少分歧冲突、提高交互沟通的有效性，拓展了现有群体决策的一般性前提和研究范围，剖析了决策信任的主客观信任元内涵和伴生转化演化规律，为复杂松散不确定条件下信任共识的动态获取提供了新的解析模式，具有一定的理论和实践意义。     

社会化商务中基于经验及推荐的消费者感知信任模糊融合模型

社会化商务中消费者根据个人经验和他人推荐建立感知信任,是一种典型的信任融合问题。其中,相似性决定了过往个人经验和他人推荐对消费者感知信任的影响力,是信任融合问题中的主导因素。信任融合起源于计算机网络安全领域,国内外学者对此进行了大量研究,但在社会化商务背景下,消费者感知信任的模糊性和感知信任形成的多源性问题对信任融合模型提出新的挑战,带来相似性与感知信任度量难及多源信任融合难问题。针对上述问题,以基于案例的决策理论（CBDT）为基础构建由相似性引导的模型框架,结合直觉模糊集和多属性决策方法构建感知信任模糊融合模型。该模型将决策者的经验与他人推荐相融合,将多种方法相结合优势互补,对完善信任融合方法体系有贡献,对多学科交叉有意义,为传统电子商务平台制定精准营销策略提供新思路,为社会化商务商家预测消费者感知信任提供新的度量方法。     

区域创新网络中的交互学习与信任演化研究

本文在对区域创新网络中交互学习的特征进行分析的基础上,基于博弈理论框架探讨了组织间信任演化的过程及影响因素,提出了交互学习与信任演化的关系模型。结果发现,交互学习和信任演化两者之间呈现出一种"共生效应"的相互作用关系,当两者协同效果一致时,将会显著提升创新网络的知识转移效率与运行绩效;反之,将会降低创新网络的知识转移效率与运行绩效。     

企业家社交关系对关联信用风险传染影响的研究——基于双层网络视角

关联信用风险是指某些企业违约,导致与其存在关联关系的企业违约或违约可能性增大的这类信用风险。企业家的社交关系会影响企业之间关联信用风险的传染效应。本文利用双层网络刻画企业家和企业所形成的耦合网络,分析企业家的社交关系对关联信用风险传染的影响路径,构建双层网络中关联信用风险的传染模型,并考察企业家社交网络和双层网络的结构等因素对关联信用风险传染效应的影响。研究结果表明：企业家的社交关系是影响关联信用风险传染的重要因素;企业家社交-企业关联双层网络的拓扑结构也会影响关联信用风险的传染效应;提高双层网络的相似度,可以抑制关联信用风险在关联企业网络中的传染。本文的研究进一步拓展了信用风险的研究视角,为银行等金融机构对信用风险的提供科学的决策依据。