دانلود رایگان مقالات اسپرینگر - springerدانلود رایگان مقالات سال 2018دانلود رایگان مقاله ISI تجارت الکترونیک به زبان انگلیسیدانلود رایگان مقاله ISI خرید آنلاین به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت به زبان انگلیسی سال 2022 و 2023سال انتشار

مقاله انگلیسی رایگان در مورد تصمیم گیری مشکوک مبتنی بر شواهد در خرید آنلاین – اسپرینگر ۲۰۱۸

 

مشخصات مقاله
انتشار مقاله سال ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۱۷ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
منتشر شده در نشریه اسپرینگر
نوع مقاله ISI
عنوان انگلیسی مقاله Evidence-driven dubious decision making in online shopping
ترجمه عنوان مقاله تصمیم گیری مشکوک مبتنی بر شواهد در خرید آنلاین
فرمت مقاله انگلیسی  PDF
رشته های مرتبط مدیریت
گرایش های مرتبط تجارت الکترونیک
مجله وب جهان گستر – World Wide Web
دانشگاه Harbin Engineering University – Harbin – China
کلمات کلیدی فیلتر کردن همکاری، تأثیر اجتماعی، نظریه
کلمات کلیدی انگلیسی Collaborating Filtering, Social Influence, Recommendation
شناسه دیجیتال – doi
https://doi.org/10.1007/s11280-018-0618-6
کد محصول E8387
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

بخشی از متن مقاله:
۱ Introduction

With the fast development of online e-commerce nowadays, online shopping has been dominating the daily life of most peoples. Meanwhile, it raises a big challenge for both buyers and sellers to identify the right products from the numerous choices (e.g., books, movies or computers) and the right customers from a large number of different buyers. This motivates the study of recommendation system which narrows down the number of products for a particular buyer according to the buyer’s preference (e.g., [9, 10, 13, 20]). One of the most popular recommendation techniques is collaborative filtering (CF) which, for a buyer, computes recommendation scores of product items by exploiting the purchasing history of many buyers. Due to the commercial importance, the recommendation system has attracted significant attentions and the state-of-the-art is now beyond purchasing history. It has been recognized that a significant source of information to improve recommendation is the influence between users of social networks. The motivation is that peoples often share in social networks the user experience of purchased products. Recently, a great effort have been put to develop advanced collaborative filtering technique with the consideration of social network influence from different perspectives and significant improvements have been reported (e.g., [4, 7, 11, 13, 17, 18]). However, the existing studies ignore a fundamental question, that is, to which extension the social network influence can help differentiate the recommended product items. Answering this question is critical in the situation that the recommended product items have similar (or identical) scores. Without a proper answer, a recommendation system has no evidence to evaluate the optimality of recommendations, for example, whether or not the recommended product items may have more difference in terms of recommendation scores by exploring influence of social networks.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا