数据驱动的个性化推荐与运营决策联合优化研究
全新正版 极速发货
￥ 24.64 5.1折 ￥ 48 全新
库存24件
作者黄鑫 著
出版社科学技术文献出版社
ISBN9787523509937
出版时间2023-11
装帧平装
开本16开
定价48元
货号1203367066
上书时间2024-10-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
黄鑫，2020年毕业于西安交通大学，获得管理学博士学位，现为北京师范大学信息管理系讲师。目前主要研究方向为结合运筹优化与机器学习的智能决策分析，社会科学中机器学习方法的应用。现主持国家自然科学基金青年项目“消费者行为数据驱动的新零售企业线上线下融合的推荐机制研究”1项。在《Knowledge-Based Systems》、《IEEE Transactions on Engineering Management》、《Computers & Industrial Engineering》等国际知名期刊上发表论文多篇，在企业集成信息系统国际大会IFIP CONFENIS、COMPUTERS AND INDUSTRIAL ENGINEERING等高水平国际会议上发表多篇学术论文。
目录
1数智时代：数据驱动的智慧决策.1
1.1数字化的核心是数据驱动的个性化.1
1.2数据驱动是新零售成功的关键.11
1.3数据驱动为运营决策带来新的革命.22
2数据驱动的个性化与运营决策研究动态.30
2.1传统推荐算法.31
2.2基于图学习的推荐技术.32
2.3全渠道环境下的产品组合和定价策略研究.34
2.4全渠道环境下的消费者退货行为研究.35
2.5全渠道环境下的配送优化研究.40
2.6跨平台用户行为分析研究.43
2.7研究述评.46
2.8本书工作简介.47
2.8.1融合主题模型的超图神经网络推荐框架的建立.47
2.8.2考虑在线退货成本时的全渠道销售的产品定价与组合决策.47
2.8.3抖音和微博中用户情感的跨平台比较：社交媒体文本挖掘的机器学习方法.48
2.8.4考虑消费者公平关切和战略行为的内容产品动态定价策略.49
3融合主题模型的超图神经网络推荐框架.50
3.1问题描述.50
3.2融合主题模型的超图神经网络推荐框架的建立.52
3.2.1面向搜索场景的超图生成.53
3.2.2用户和物品的主题特征学习.55
3.2.3用户和物品的卷积特征学习.61
3.2.4预测.62
3.3实验结果.63
3.3.1数据描述.63
3.3.2ALDA模型的评估.64
3.3.3推荐的评估.68
3.4本章小结.73
4考虑在线退货成本时的全渠道竞争环境下的产品定价与组合策略.75
4.1问题描述.75
4.2模型构建.78
4.2.1博弈次序.78
4.2.2线上消费者的需求产生过程.79
4.2.3线下消费者的需求产生过程.81
4.3模型分析.82
4.3.1卖家的均衡定价策略.83
4.3.2均衡价格和最优利润的性质.84
4.3.3最优产品组合策略.87
4.3.4竞争的影响.89
4.3.5单渠道与双渠道销售策略.91
4.4管理见解.93
4.5本章小结.95
5基于主题模型的跨平台用户情感分析比较研究.97
5.1问题描述.97
5.2相关理论基础.101
5.2.1实验数据来源及数据类型.101
5.2.2社交媒体的定义和特征.103
5.2.3突发公共事件网络舆情.107
5.2.4主题模型.109
5.2.5KNN算法.111
5.3研究设计与方法.111
5.3.1研究设计.111
5.3.2研究方法与步骤.113
5.4数据结果分析.120
5.4.1主题关键词集.120
5.4.2主题热度演化折线图.122
5.4.3基于主题的情感态度演化柱状图.124
5.5本章小结.128
6考虑消费者公平关切和战略行为的内容产品动态定价策略.131
6.1问题描述.131
6.2相关理论基础.134
6.2.1内容产品定价.134
6.2.2动态定价策略.135
6.2.3消费者公平问题.135
6.3模型构建.136
6.3.1内容产品开发商.137
6.3.2内容产品消费者.137
6.3.3需求函数.139
6.4结果分析.143
6.4.1基础模型：缺乏公平性的动态定价策略.144
6.4.2主模型：公平的动态定价策略.145
6.4.3消费者公平关注对动态定价策略的影响.150
6.4.4模式拓展：短视消费者的加入.152
6.5本章小结.158
参考文献.160
内容摘要
本书结合机器学习和运营管理的理论、方法等基本知识入手，以新零售背景下的产品推荐和运营决策为研究对象，运用文本挖掘、神经网络、博弈理论、优化理论、消费者行为理论，构建了结合机器学习和运筹优化的数据驱动模型，基于群体以及个人层面上的行为变化，解决新零售环境下考虑运营策略的线上产品推荐、线下产品组合优化、产品定价等问题。
主编推荐
本书结合机器学习和运营管理的理论、方法等基本知识入手，以新零售背景下的产品推荐和运营决策为研究对象，运用文本挖掘、神经网络、博弈理论、优化理论、消费者行为理论，?构建了结合机器学习和运筹优化的数据驱动模型，基于群体以及个人层面上的行为变化，解决新零售环境下考虑运营策略的线上产品推荐、线下产品组合优化、产品定价等问题。
相关推荐
-
数据驱动的个性化推荐与运营决策联合优化研究
全新武汉
￥ 26.40
-
数据驱动的个性化推荐与运营决策联合优化研究
全新广州
￥ 24.64
-
数据驱动的个性化推荐与运营决策联合优化研究
全新广州
￥ 26.64
-
数据驱动的个性化推荐与运营决策联合优化研究
全新广州
￥ 29.57
-
数据驱动的个性化推荐与运营决策联合优化研究
全新北京
￥ 31.94
-
数据驱动的个性化推荐与运营决策联合优化研究
全新北京
￥ 28.30
-
数据驱动的个性化推荐与运营决策联合优化研究
全新广州
￥ 24.63
-
数据驱动的个性化推荐与运营决策联合优化研究9787523509937
全新广州
￥ 30.11
-
数据驱动的个性化需求预测理论与方法
全新北京
￥ 106.20
-
数据驱动的个性化需求预测理论与方法
全新北京
￥ 157.40
— 没有更多了 —
以下为对购买帮助不大的评价