數字時代圖書館學情報學青年論叢.電子商務推薦系統與智能談判技術（簡體書）

本書根據電子商務的新發展，探討了B2C電子商務模式下，如何為消費者的網上購物和與商家的談判兩種類型的決策活動提供相應的決策支持。全書共分為兩大部分。第一部分是電子商務推薦系統，主要介紹推薦系統的關鍵技術和應用，包括電子商務推薦相關技術介紹，Web挖掘的推薦系統，專家知識決策的推薦系統，協同過濾推薦算法等。第二部分是智能談判，主要介紹智能談判相關技術，包括智能談判的基本原理，談判策略和談判協議研究，以及智能談判系統的安全設計。本書反映了電子商務智能領域最新的科研成果，論述強調系統性、前瞻性，內容豐富，圖書并茂，具有較高的學術價值。 本書可作為電子商務、信息管理系統、計算機應用和相關專業的高年級本科生、研究生及老師的教學參考書，也可作為相關學者從事電子商務智能信息系統研究、設計和開發的有價值的參考資料。

前言
第1章 緒論
1.1 電子商務系統概述
1.1.1 電子商務的概念
1.1.2 電子商務系統的特征
1.1.3 電子商務的模式
1.1.4 電子商務的基礎技術
1.1.5 電子商務存在的問題
1.2 智能Agent與電子商務
1.2.1 Agent的概念
1.2.2 多Agent系統
1.2.3 基于Agent在電子商務中的優越性
1.3 消費者行為模型
1.4 智能電子商務系統
1.4.1 購物行為的決策支持
1.4.2 對智能的探討
1.5 電子商務推薦系統
1.5.1 推薦系統簡介
1.5.2 推薦系統與個性化服務
1.5.3 推薦系統的研究內容
1.5.4 推薦系統的分類
1.5.5 推薦系統實例簡介
1.6 智能談判系統
1.6.1 智能談判系統發展過程
1.6.2 智能談判系統的主要研究內容
1.6.3 智能談判系統實例簡介
本章小結
第2章 電子商務推薦系統相關技術
2.1 信息檢索和信息過濾
2.1.1 信息檢索
2.1.2 信息過濾
2.2 數據挖掘技術
2.2.1 數據挖掘過程和功能
2.2.2 數據挖掘知識分類和數據挖掘方法
2.2.3 數據挖掘與推薦系統
2.3 電子商務推薦算法
2.3.1 電子商務推薦算法概述
2.3.2 基于關聯規則的推薦算法
2.3.3 基于內容的推薦算法
2.3.4 協同過濾推薦算法
2.3.5 其他推薦算法簡介
2.3.6 電子商務推薦算法面臨的挑戰
第3章 Web挖掘技術的智能商務推薦
3.1 引言
3.2 Web挖掘相關的技術背景
3.2.1 Web使用挖掘
3.2.2 關聯規則挖掘和商品分類
3.2.3 樸素Bayesian分類
3.3 推薦過程
3.3.1 目標顧客選擇
3.3.2 顧客偏好分析
3.3.3 商品關聯分析
3.3.4 產生推薦結果
3.4 推薦系統的實現模型
本章小結
第4章 專家知識決策和協同過濾的推薦系統
4.1 引言
4.2 Agent技術
4.2.1 智能Agent概述
4.2.2 Agent的抽象結構
4.3 智能推薦系統的分析
4.3.1 問題的提出
4.3.2 解決方案
4.4 基于多Agent的推薦系統
4.4.1 系統結構
4.4.2 界面Agent
4.4.3 采購Agent
4.4.4 專家Agent
4.4.5 評價Agent
4.4.6 協同Agent
4.5 商品本體
4.6 系統集成及Web應用
4.6.1 Agent集成
4.6.2 Web應用設計
4.7 基于Agent的推薦系統評價
本章小結
第5章 DAKNNS的電子商務協同過濾推薦算法
5.1 提出問題
5.2 K最近鄰搜索（KNNs）算法簡介
5.3 DAKNNs算法
5.3.1 算法思路
5.3.2 r的確定
5.3.3 算法
5.3.4 分析
5.4 基于DAKNNs的協同過濾推薦
5.4.1 評分矩陣的轉換
5.4.2 評分矩陣的組織
5.4.3 k最近鄰搜索
5.4.4 產生推薦
本章小結
第6章 多Agent的電子商務推薦系統的設計與實現
6.1 簡介
6.2 MABRS功能結構圖
6.3 MABRS原型系統的體系結構
6.4 MABRS的設計與實現
6.4.1 開發工具簡介
6.4.2 數據庫設計
6.4.3 MABRS系統部分模塊設計介紹
本章小結
第7章 智能談判的基本原理
7.1 商務談判概述
7.1.1 商務談判的概念
7.1.2 商務談判的模型與談判過程
7.1.3 商務談判的規律
7.1.4 對策論與商務談判
7.2 談判方式的新構想—智能談判
7.2.1 基于代理（Agent）的智能談判
7.2.2 談判Agent的結構設計
7.3 談判支持系統
7.3.1 談判支持系統概述
7.3.2 基于Web的談判支持系統
7.4 機器學習和談判策略
7.4.1 機器學習方法概述
7.4.2 基于機器學習方法的談判策略
7.4.3 案例推理與談判策略
7.4.4 決策樹歸納學習與談判策略
7.5 智能談判模型
7.5.1 人工談判過程
7.5.2 智能談判過程
7.5.3 智能談判模型
7.6 智能談判協議
本章小結
第8章 Bayesian學習方法的智能談判策略
8.1 引言
8.2 Agent的智能學習及談判策略設計
8.2.1 Agent的智能學習
8.2.2 談判策略設計
8.3 談判Agent的結構設計
8.3.1 談判Agent結構模型
8.3.2 談判Agent的語法定義
8.4 基于Bayesian學習方法的談判策略
8.4.1 基于利益差的商務談判理論
8.4.2 Bayesian學習方法
8.4.3 NSBL的談判過程
8.4.4 NSBL策略算法
8.4.5 實驗結果
本童小結
第9章 BP神經網絡和遺傳算法的多屬性智能談判策略
9.1 引言
9.2 多屬性談判的效用理論
9.3 基于Trade-Off機制的談判策略
9.3.1 Trade-Off談判策略
9.3.2 基于Trade-Off策略的談判過程
9.4 基于BP神經網絡和遺傳算法的談判策略
9.4.1 BP神經網絡設計
9.4.2 智能學習過程
9.4.3 結合遺傳算法的BP神經網絡權值訓練
9.4 4 聯機學習
9.5 實驗結果
本章小結
第10章 基于本體的智能談判協議研究
10.1 引言
10.2 面向智能談判的本體方法
10.2.1 本體的概念和功能
10.2.2 談判協議設計的本體方法
10.3 談判協議的本體建模
10.3.1 談判領域知識的本體建模
10.3.2 談判過程的本體建模
10.4 基于OWL語言的協議本體描述
10.4.1 談判領域知識的本體描述
10.4.2 談判過程的本體描述
10.5 談判協議的本體實現
本章小結
第11章 智能談判系統的安全設計
11.1 安全問題概述
11.2 智能談判系統的安全需求
11.2.1 智能談判系統的安全體系框架
11.2.2 網絡系統安全需求
11.2.3 電子談判的安全需求
11.3 智能談判系統的安全技術
11.3.1 網絡系統的安全技術
11.3.2 電子談判的安全技術
11.4 智能談判系統的基本安全模型
11.4.1 智能談判系統的相關成員
11.4.2 談判信息基本的加解密流程
11.5 智能談判系統的安全設計
11.5.1 談判Agent注冊申請證書
11.5.2 談判Agent提出報價請求
11.5.3 談判Agent進行討價還價
11.5.4 談判Agent終止談判過程
11.5.5 談判Agent簽署電子合同
11.5.6 安全方案的具體實現
本章小結
主要參考文獻