本书以电子商务中商品、商家、消费者、网购评语、访问日志等的海量数据为研究对象，运用大数据、Web数据挖掘、复杂网络、消费者行为分析、情感挖掘等理论方法，发现网购消费者行为模式的潜在规律及网购评语的情感倾向，构建消费者、商家、电商平台和监管门等多视角的评语引导策略和建议，有助于商家提高商品和服务质量、网购消费者制定合理的购买决策、电商平台和监管门提升监管水平。

更多科学出版社服务，请扫码获取。

目录
第1章 绪论 1
1.1 本书的撰写目的与意义 1
1.2 国内外研究状况 2
1.3 研究思路 9
1.4 主要研究内容 11
1.5 本章小结 14
第2章 网络数据采集与并行化计算方法 15
2.1 基于网络爬虫技术的网络文本数据采集 15
2.2 Spark基础与Spark分布式集群搭建 25
2.3 本章小结 35
第3章 网购消费者行为模式与影响因素分析 36
3.1 网购消费者行为分类与特征分析 37
3.2 消费者网购全过程模型 43
3.3 网购消费者网购意愿的影响因素分析与实证以在校大学生为例 47
3.4 本章小结 53
第4章 考虑消费者评分与访问日志的商品推荐方法 54
4.1 协同过滤推荐算法及Slope one算法 54
4.2 基于改进Slope one算法的推荐方法 60
4.3 基于改进相似度和遗忘曲线的组合推荐算法 65
4.4 基于用户访问日志Hamming聚类和加权用户行为的混合推荐算法 69
4.5 推荐算法的应用研究 78
4.6 本章小结 91
第5章 面向零售商品销售记录的商品关联关系分析 92
5.1 基于艾宾浩斯遗忘曲线的零售商品模糊关联分析方法 93
5.2 基于复数权网络的零售商品关联分析方法 102
5.3 零售商品关联大数据稀疏网络的快速聚类算法 110
5.4 本章小结 117
第6章 大数据背景下网购评语的挖掘 118
6.1 网购评语高频词共现网络的结构特性分析 119
6.2 网购评语的情感分析与分类 129
6.3 电商平台中水军评论的识别方法 182
6.4 网购评语多主体引导策略 191
6.5 本章小结 193
参考文献 195