一、基于Agent的智能电子商务支持系统研究（论文文献综述）
王吉武[1]（2021）在《基于众智网络的生态结构演化仿真》文中提出面对当前人工智能与互联网的蓬勃发展,未来网络化产业体系表现为众智网络生态体系,由于产业或服务的性质与特点不同,会存在大量相互关联的网络化产业运行平台、组织或个体,形成产业生态结构。这些运行平台面临着综合性、半专业性或专业性、以及特定产业体系达到高效运行状态需要多少产业运行平台等现实问题,这正是研究众智网络生态结构演化的需求所在。本文引入生态学的概念,对众智网络的生态结构演化进行仿真研究,该仿真是借助生态学的概念、理论及方法,对复杂网络结构和系统结构进行仿真。在电子商务系统中,交易效率是引发生态结构演变的主导因素,交易效率的变化引发智能数体的生态位及其与其他智能数体之间相互关系的变化,该变化是智能数体根据自身生态位及环境的变化做出的变化决策。本文依托国家重点研发项目开展的“众智网络理论仿真与实验平台研发”（2017YFB1400105）课题研究,主要内容如下:探究众智网络的生态结构,通过对“电子商务市场结构演化机理研究”进行理论分析和验证,并在其演化算法和推理结论的基础上,应用众智网络的众智机模型进行数学建模,重新对电子商务市场结构的演化进行仿真,解决了已有研究建模的缺陷;对众智网络的生态结构演化进行仿真建模,存在自退化和突变特性,加入复杂网络建立成员间的连接关系,仿真成员受建议者的影响和监控者的监控,建立仿真成员模型、仿真推进模型;搭建了高度适应于众智网络研究的大规模仿真平台,设计并实现仿真定义工具包,支撑了众智网络生态结构演化的仿真实例运行,并得出了期望的结论。通过仿真成果展现验证实验的可行性,证明本文基于众智网络的建模是成功的,也证明电子商务市场结构演化的方向是向“去中介化”发展的,但是中介商并没有完全消失,而是以一种很低的比例存在于市场中。考虑到实际情形,中介商存在是合理的,说明本文通过众智机模型的建模方式更加贴近现实、更加完善、更能反映真实世界的复杂问题。
林萍萍[2]（2021）在《基于情感分析的人机谈判研究》文中认为电子商务的发展使得在线交易日益频繁,在线交易规模也日益扩大。消费者与商家的交互越来越多,不可避免地要进行在线谈判。传统的在线谈判方式是低效的人工谈判,人工谈判已经不能满足广大消费者日益增长的潜在需求。随着人工智能技术的发展,智能主体技术已日益成熟,使得电子商务领域的自动谈判成为了可能。智能主体能够随时与人类进行高效的谈判,节约了大量人工成本。因此,人机谈判吸引越来越多的学者的兴趣。目前有很多关于自动谈判系统的研究,大多数是计算机与计算机的自动谈判系统,而关于人机谈判的研究相对较少。即使有少许关于人机谈判的研究,也往往忽略了人类谈判方的情感因素,不能根据人类谈判方的情感采用相应的谈判策略,从而导致谈判对话生硬,用户体验感较差。设计合理的自动谈判系统可以帮助买家和卖家在合理的时间范围内就价格、数量以及其他条款上达成协议。为此,本文以自动谈判理论、谈判心理学为基础,利用情感分析技术,设计新的谈判策略,并研发出了具备情感能力的人机谈判系统。本文主要有以下几个方面的贡献。第一、综述了情感分析、自动谈判、人机谈判以及对话系统。我们详细分析和比较了情感分析技术以及其广泛应用,对比了情感分析技术在不同领域的应用,并说明可以继续研究的方向。第二、创新性地将情感分析引入到人机谈判中,提出了相应情感分析方法。第三、设计基于情感的人机谈判策略。第四、利用自然语言处理技术、情感分析技术、对话系统技术开发出了人机谈判系统。第五、进行大量实验证实我们融入情感分析的人机谈判系统能够提高谈判双方的联合效用,并且提升人类谈判方的体验感。因此,我们的人机谈判系统是有效的,能很好地满足当下电子商务的需求。
范怡帆[3]（2021）在《基于强化学习的人机谈判系统》文中指出随着人工智能的兴旺,电子商务行业迎来了新的发展机遇。随着在线交易的频率和规模的增加,商家与客户之间的在线协商和沟通变得越来越频繁。因为它们无法实现谈判,也无法分析用户,因此难以针对特定用户更好地达成交易。在线交易谈判流程的自动化已逐渐成为商家和消费者的潜在需求。但是,现有的在线对话系统（例如淘宝上的阿里小蜜和京东的在线客户服务）无法很好地满足这样的需求。目前,一方面,自动谈判的研究者主要集中在计算机对计算机的谈判上,而对人机谈判的研究不多。另一方面,对话系统的研究人员很少关注自动谈判。因此,在本文中,我们将对话系统的体系结构与自动谈判集成在一起,研发了一个人机谈判系统。它可以代替人工客服来处理许多重复性和多样化的谈判。它可以随时随地与多方进行谈判,从而显着提高谈判效率,并减少企业使用人工客服的成本。具体来说,我们基于微信小程序平台,研发了一个基于强化学习的人机谈判系统。我们的系统能够应对不同的用户或同一用户的不同出价方式,并采用动态谈判策略,提高谈判的效率。本文的主要贡献如下:我们综述了对话系统和自动谈判系统领域中的最新技术,比较了它们的优点和缺点,并建议了进一步研究的方向;我们将强化学习与用户行为建模相结合,设计了一种新颖的谈判策略,这个策略让我们的谈判系统在谈判中可以根据用户的行为来调整谈判策略;我们编写了对话语料和谈判语料库,采用fast Text算法训练识别人类意图的分类器,并且我们用基于特征词抽取的匹配算法来提取谈判对话中与价格相关的结构化信息;我们在微信小程序平台上实现人机谈判系统,该系统包括了分别从用户界面,对话理解,对话谈判管理和对话回应生成四个模块,并使用中文的自然语言与用户进行多轮谈判;我们进行了大量实验来分析我们的系统,通过分析意图识别模型的性能评估对话理解模块的性能,从系统谈判效率、对话成功率和公平性三个方面分析谈判策略的有效性,采用问卷调查的方式分析用户对系统的满意度。实验结果表明,我们研发的系统可以很准确地识别人类对手的意图,与人类对手进行谈判的效率、成功率以及公平性,大部分人类对手对我们的系统表示满意。本文设计和实现的人机谈判对话系统为研究对话系统和自动谈判的学者们提供了一个新的研究方向。
李腾飞[4]（2021）在《基于大数据的人机谈判系统》文中研究说明随着人工智能技术的兴盛和互联网的普及,电子商务为企业带来了发展的新契机。目前,人工智能可应用于电子商务的各个方面,例如电子商务领域中的智能客服。但是,现有的智能客服只能根据顾客输入中的关键字简单地回应顾客,无法进行自动谈判。另一方面,当前的电子商务应用每天都会产生大量数据,这些数据在电子商务中是很有价值的。例如,我们可以使用大数据向顾客推荐商品。除此之外,大数据还可以用来帮助买卖双方之间进行谈判,达成更多或结果更好的交易。但是,目前人机谈判系统中很少有人会使用大数据。为此,在本文中,我们研发了基于大数据的人机谈判系统。该系统使用自然语言与顾客进行谈判。具体来说,首先,我们提出了一种理解人类顾客的自然语言输入中的意图和提取相关信息的方法。然后我们提出了一系列分析客户大数据的方法,包括历史订单分析、整体消费分析、顾客归属地分析和浏览记录分析。此外,我们还设计了一种基于大数据分析的价格谈判决策算法。最后,我们提出了一种回复生成的方法,该方法根据谈判算法的输出结果生成对顾客的自然语言回复。我们做了大量的实验来评估系统的质量和可行性。具体来说,我们比较了用于顾客意图识别模块和回复生成模块的多种分类器的分类结果,以评估我们系统的质量指标。然后,我们进行了100次结合大数据的模拟人机谈判以及100次未结合大数据的模拟人机谈判,以分析系统的可行性。我们系统的可行性可由谈判成功率、不同商家和顾客的收益率以及系统的总体倾向度来衡量。总之,我们的评估实验表明我们的系统在人机谈判中是有效的。
赵萌[5]（2020）在《“平台—模块”主导的村镇物流生态系统演化研究》文中研究指明在我国城镇化发展以及农业现代化建设的大力推动下,“城乡二元”结构正向“城—镇—乡”三元结构转变,使得村镇与城镇作为联通城乡、连接工业与农业,承接二元双向物流的桥梁地位更加突出。城市在产业升级、成本高企、空间制约及交通拥堵等压力条件下,一方面推动城市物流向平台化的高端方向发展,另一方面推动物流实体产业向外迁移。而农村物流在缺乏有效的要素支撑以及物流基础设施支撑情况下,开始寻求向上构建资源更加丰富、市场更加接近的村镇物流平台。另外,互联网经济的发展促进了实体空间与虚拟空间的分离,使村镇物流摆脱了地理区位、市场距离、资源禀赋等传统限制而发挥成本洼地优势,促进“城—镇—乡”三元物流形态与物流空间重构,从而真正形成城乡一体化的物流体系。在这种现实背景下,本文选取村镇物流作为重点研究对象更具有重要的现实意义。为了揭示村镇物流在时代发展中作用和地位的变化,本文从村镇物流系统内部演化研究入手,通过比较分析法在第三章构建村镇物流生态系统架构,通过系统理论、种群生态理论、演化博弈理论等成熟的理论方法,在第四、五章研究分析村镇物流系统的生态演化方向、演化路径和演化机制等,第六章通过系统动力学模拟仿真进行验证。经过本文研究,论文取得以下三个方面的创新成果:（1）本文经过多种方式研究,构建了一个“三要素、四生态流、双层圈”的村镇物流生态系统架构。架构包含村镇物流核心要素、村镇物流支持要素、村镇物流环境要素三类主体要素Agent;物质流、资金流、技术流、人员流四类生态流;“链环—功能”为基础层,“平台—模块”为主导层的两个层圈。其中,平台处于顶层,模块动态组合成柔性链条,功能融合于平台及模块化柔性链环之中。同时该架构也是由“生态元—生态链—生态网—生态群—生态圈—生态系统”组成的生态体系。（2）本文结合生态理论和系统理论研究,揭示出村镇物流生态演化机理、路径与方向。其中,三类主体要素的生态元变化是演化基础;技术依赖、制度依赖、关系依赖是平衡态演化路径;生态流是推动村镇物流演化的动力机制;共生机制与竞争机制引起生态位变化是演化的传导机制;“耦合—协同”是演化的放大机制;“链环—功能”主导模式到“平台—模块”主导是村镇物流生态系统的演化方向。（3）通过本文的研究内容得出一个重要的管理启示,“双向双网—双层平台”是城乡一体化物流生态体系的演化架构。农产品进城,工业品下乡,双向物流加之区域化分工所带来的大流通,共同交织形成农村和城市两大市场网络。农村物流寻找资源优势和市场优势向上建构物流平台;城市物流一方面向高端升级发展以形成信息化为主导的虚拟网络平台,一方面向低端挤压通过快捷配送的替代方式和经济成本调节方式将物流实体平台向外推移。两种力量作用的结果,城市化的顶层虚拟平台和村镇化的物流实体平台分离,形成“双向双网—双层平台”的城乡一体化生态架构,平台与网络通过现代化的“集送/配送”连接。论文在取得创新成果的基础上,还形成了如下的研究性结论:（1）本论文通过采用改进的三阶段DEA—Malmquist指数方法处理2009-2013年村镇物流服务节点投入产出数据,通过对“链环—功能”进行效率评价得出,2012年后由于互联网技术迸发形成“平台—模块”主导的电商双边市场使村镇物流服务主体的运营效率由发散转向收敛。（2）本文运用演化博弈理论结合收益矩阵和复制动态方程对村镇电商平台的运营主体、平台使用主体与政府三者之间合作机制进行分析得出,以互联网为核心的技术创新是“平台—模块”发展模式的重要支撑,同时网络平台还推动了城乡物流的产业升级以及空间重构,论文使用MATLAB进行仿真模拟之后得出同样的结论。（3）本文基于非平衡力学构建村镇物流生态系统内部更新分形机制,通过理论模型进行量化分析,“生态流”对村镇物流生态系统时空结构具有分形影响,村镇物流空间结构变化是村镇物流生态系统演化的基础,内部“生态流”作用空间分异是系统演化的本质。（4）本文运用SOM神经网络模拟预测“生态流”作用发现,外部环境稳定情况下,村镇物流生态系统空间自组织缓慢生长。2012年以后,在城镇化政策推动下,村镇物流空间环境巨变,进入新维度的空间重构和规模增长,使整个演化过程具有典型跨越性,但物流规模扩张仍滞后于村镇建成区面积扩张。（5）本文以村镇物流环境子系统2006-2026年历史数据及发展预测为依据,通过系统动力学仿真预测三种互动情景推演出,提高教育经费和物流技术投入能够促进环境子系统整体“耦合—协同”状态改善,但从效果看,政策对经济和社会子系统效果明显,对资源和环境作用较弱。
王鑫[6]（2020）在《电子商务中虚假评分检测与信誉评估方法研究》文中提出近年来,随着全球电子商务产业迅猛发展,产业规模不断扩大,电子商务在国民经济中占据着越来越重要的地位。然而,许多不良商家受商业利益的驱使,利用电子商务平台信息不对称和信誉体系发展滞后的弱点,使用多种手段破坏信誉系统,误导消费者和电商平台,给电子商务产业的健康发展造成了不良影响。针对电子商务平台信誉系统脆弱和虚假评分屡禁不止的问题,本文从买家（评分者）的评分行为入手,在买家分类方法、电子商务平台信誉评估和买家虚假评分检测等方面展开研究。主要完成了以下几个方面的工作:1.基于印象理论对买家的评分行为进行了建模,给出了宽松型和严苛型买家的定义,并依据买家的行为特征设计了基于最近邻搜索的买家筛选方法。该方法改进了最近邻搜索算法,无须在剩余买家的聚类上花费额外的聚类时间,提高了分类的速度。实验结果表明,本文的分类方法优于传统的分类方法。2.提出了基于买家行为的无监督卖家信誉评估方法（Impression-Based Strategy,IBS）。首先,依据严苛型和宽松型买家的行为特征,提出了卖家是否诚信的评判规则。其次,运用卖家属性评判规则,预分类出一部分诚实和不诚实的卖家;以这部分卖家作为基准,把买家再分成诚实的、不诚实的和不确定的三类。最后,加权聚合诚实和不确定买家群组对卖家的评分,对卖家信誉进行评估。在模拟数据集和Yelp数据集上的实验表明,IBS方法不仅能准确估计卖家的信誉,而且能够防御各种常见的和未知的信誉攻击。即使在不诚实的买家比例很高的极端环境下,IBS也能有效地工作。3.基于深度学习理论,提出了一种半监督的买家虚假评分检测算法。该算法用马尔可夫决策过程来建模买家的评分序列,根据买家的评分特征设计了一个深度Q网络,用于学习买家的评分行为。为了能够更快地感知环境的变化,在深度Q网络中引入了 IBS的卖家信誉评估方法。基于真实数据的实验表明,这种融合卖家信誉评估方法的深度Q网络经过大约2万样本的训练学习后,可以作为一个过滤器来检测同一平台中其它评分的真伪。4.设计并实现了一个基于多Agent系统的电子商务信誉仿真平台。平台考虑了信誉和价格因素,交易和选择策略,市场中各参与方的行为模式等。研究者可以加载自己的分布式或集中式的信誉模型,以方便各信誉模型之间进行比较。
刘华剑[7]（2020）在《动态环境下在线优化与决策算法的研究》文中研究表明优化与决策算法作为数学在现实中的应用,可以解决很多社会中实际的复杂（NP-Hard）问题,如商品配送路线规划、在线出租车订单分配、灾难搜救等场景。然而随着社会的发展,出现了越来越多动态的优化场景,在这些场景下与传统优化算法不同,环境的状态随时间在不断改变,因此传统优化算法性能显着下降,难以保证优化效果。因此,本文选择了电子商务中在线订单分配及车辆配送动态调度问题与面向森林火灾异构机器人群救援预案辅助决策系统研究这两个场景,针对动态环境下在线优化与决策算法进行了研究。主要工作和创新点包括:1.为了解决电子商务中在线订单分配及车辆配送动态调度问题,本文研究了电子商务领域中在线配送订单的闭环执行过程,即从用户在线下单,到配送中心的订单处理以及货物的成功配送,并针对这一问题提出了集成车辆平衡策略的自适应大邻域搜索算法（ALNS with Vehicle Balance Strategy,ALNS-VBS）,算法中包括用于车辆平衡策略、车辆配送路径搜索以及动态任务插入策略。其中,车辆平衡策略通过将交通路网进行区域划分,并通过计算不同区域的车辆短缺程度来进行主动地调整车辆在路网中的分布;车辆配送路径搜索中我们基于时空敏感性设计了针对性的优化算子以解决订单在时间和空间维度上分离的问题;动态任务插入策略的提出是为了解决在线配送过程中出现的接收到新任务却没有空闲车辆的问题,通过将新任务动态插入到已分配的车辆路径中,降低了任务响应实际以及配送成本。仿真实验结果表明,相比其他算法,ALNS-VBS能够有效降低对在线任务的配送成本并提高在线配送的时效性。2.为了解决森林火灾中异构机器人群救援预案辅助决策的问题,本文根据灭火知识库设计了几种针对性的森林火灾救援预案,并使用多属性决策的方法根据森林火灾救援预案评价指标选择最优的救援预案。同时,本文提出了集成灭火知识的人工蜂群（Artificial Bee Colony with Integrate Firefighting knowledge,ABC-IFK）算法,目的是在确定了救援预案的前提下,将火场中的灭火任务分配给异构的救援机器人,最后当救援机器人到达目标救援位置后,会通过救援动作模糊推理机在其附近进行救援,这本质是一种贪心策略,考虑到救援机器人移动的时间损耗这种设计是合理的。本文采用了 20个基于真实地图的数据集进行仿真实验,结果表明,本文提出的救援预案辅助决策系统与ABC-IFK算法可以满足在森林火灾救援中提供高效灭火方案的需求,其可以有效降低森林火灾造成的经济损失,并在一定程度上降低救援成本。
柴宇曦[8]（2020）在《跨境电子商务风险形成机理与防范研究》文中研究指明21世纪以来,经济全球化进入深度发展时期,实体经济与虚拟经济相结合所产生的互联网经济将全球市场更加紧密地联结在一起。随着互联网的快速发展与广泛渗透,跨境电子商务展现出蓬勃的生命力,不断深化国际分工、改变交易方式、重塑贸易格局,在全球贸易体系中扮演着越来越重要的角色。在政策支持与跨境电子商务平台建设的不断完善下,中国跨境电子商务产业受益于良好的外贸平台视野、繁盛的商品种类和庞大的市场需求等因素的共同作用,呈现出快速发展势头,其内在的创新优势日益显现,并能不断驱动我国经济部门结构的优化调整与制造业的转型升级。然而,当前跨境电子商务占我国进出口贸易规模的比例仍然相对较小,询价交易结算流程仍然较为复杂、繁琐;贸易过程中出现的违约行为较为频繁;实体基础设施与新型基础设施建设较为落后;专业人才较为缺乏;跨境支付结算环节中的信用问题凸显,跨境电子商务物流发展仍显滞后。因此,涉足跨境电子商务的企业与平台在其跨国经营与交易的过程中面临着各类新型、隐蔽而不容小觑的风险挑战。风险事件的频发对于跨境电子商务的长期稳定发展客观上形成了制约与阻碍,且有可能导致中国跨境电子商务企业与平台被锁定在全球价值链低端,难以突破现有格局并向上攀升,亟需转变思维方式、政策体系与企业行为,创新跨境电子商务风险形成机理与防范的理论与实践,为政府完善相关支撑体系并制定相关政策提供理论依据与建议。为考察跨境电子商务的发展规模、总量特征、季节性变动趋势与风险水平,剖析跨境电子商务风险的形成机理、影响范围及传导路径,评估跨境电子商务风险的预警方法与防范对策效力,本研究对跨境电子商务企业与平台,特别是中国跨境电子商务企业与平台的经营与交易风险形成机理与防范作了深入、全面的探讨,主要基于委托代理理论、控制理论、博弈论与微观市场均衡等理论视角并运用系统仿真与机器学习工具,将跨平台、跨制度等不同经营性态的跨境电子商务演进元素纳入跨境电子商务风险防范的研究框架内,结合对在跨境电子商务领域具有代表性的国家市场及主要在这些地区拓展业务的跨境电子商务企业与平台风险防范的横向跨文化比较,提炼出了跨境电子商务供应链各环节风险防范的对策建议。主要结论如下:以跨境电子商务出口为例考察中国跨境电子商务的发展规模、总量特征、季节性变动趋势与全流程风险水平,本研究首先对中国跨境电子商务发展的政策文件作了词频分析,归纳总结了中国跨境电子商务发展的机遇与挑战,在此基础上构建并测算了中国跨境电子商务出口景气与风险指标体系,概括了三类跨境电子商务新型贸易模式并剖析了其优势,梳理了跨境电子商务经营风险的来源、类型与影响。研究发现,中国跨境电子商务出口总体呈稳健增长态势,出口供应商数量与体量稳步增加,销售额规模每年迎来两次季节性高峰,出口物流便利程度相对稳定,关税便利程度波动较大;出口电子商务的竞争重心从压缩物流仓储费用逐渐转移到了争夺更加廉价、高效的营销技术与营销渠道上;跨境电子商务出口供应链上形成了直接型、协调嵌入型、网络嵌入型三类新型贸易模式;出口风险情况出现了明显改善,产品销售风险水平大幅回落,但清关缴税风险水平有所升高,应当引起重视。考察跨境电子商务卖家违约行为与不完全信息情境下多轮次跨境电子商务交易风险的形成机理,本研究基于拓展的声誉模型对跨境电子商务中的卖家违约行为进行分析,并在理论推演基础上利用四海商舟代运营业务数据库中的亚马逊平台真实交易数据作为机器学习训练集,导出买卖双方行为函数,构建了不完全信息情境下跨境电子商务卖家违约行为的复杂适应系统仿真。研究结果显示,长期来看,跨境电子商务交易中的卖家有降低违约率的倾向;卖家本身声誉越好,维护声誉的积极性就越高;初始违约率较高的卖家很可能继续违约行为,而初始违约率较低的卖家更有可能获取并保持收益优势;卖家为维护声誉所做的努力,即投放广告、进行推广等,对卖家违约行为和收益有着显着影响。考察跨境电子商务平台风险管控策略与买家决策对于交易风险防范效力的作用,本研究将跨境电子商务买家、卖家与平台管理者之间的三方决策均衡、投入额外成本管控交易风险的意愿与跨境电子商务平台管控风险时事后查处与事中干预方面的模式差异引入拓展的代理交易风险模型,进一步采用粒子群优化算法模拟有限理性学习行为,构造包含买家感知风险与心理距离的多智能体系统仿真。研究发现,当跨境电子商务平台管理者愿意将更多资源投入交易风险事件的事后查处时,市场主体的获利水平都将得到显着提升,而较宽松的风险交易甄别标准能够些微地增加卖家的总体收益;经过优化训练降低了决策违约率的卖家具有更高的获利水平,且几乎不受风险交易事中干预强度的影响;较高的查处强度能把买家蒙受违约损失的次数控制在低水平上,适当降低事中干预频率则有助于保持较低的市场集中度;跨境电子商务买家对于风险的感知与心理距离会影响其对于卖家国籍的选择,而当增加风险查处强度或采用更严格的甄别标准时,本国偏好更为显着且买家更看重地理距离。本研究政策启示如下:第一,应当积极营造良好的市场氛围,为跨境电子商务发展创造更广阔的国际市场空间并提供制度保障。第二,应当积极关注平台交易风险的观测、预警与防范,降低当前全球范围内主要市场国家潜在消费者对于跨境电子商务的感知风险,构建能够惩戒劣迹市场主体的事后追溯与淘汰机制。第三,应当定期及时地对跨境电子商务平台进行信用考核,通过社区评论等方式建立新型声誉评价系统,加强对卖家的信用约束。第四,应当完善跨境电子商务大数据信用评估体系,引导厂商实施选品改革创新,设立行业知识产权互助协会,鼓励扶持跨境物流保险产品,提供信息咨询与金融支持,推进高校专业人才培养改革。
孙克,鲁泽霖[9]（2019）在《人工智能在电子商务中的应用发展趋势研究》文中研究表明人工智能正逐步成为世界各国提高竞争力的驱动力之一,我国抓住人工智能发展机遇,制定人工智能战略规划支持人工智能的发展。基于深度学习的人工智能,成为电子商务行业发展的引擎。人工智能技术发展概况,人工智能在电子商务领域应用的系统动力学模型,人工智能在提升交易效率、降低企业成本、提升用户服务体验等方面的作用机制。智能化工具、智能化服务、智能化采销、智能化仓储等已广泛应用于电子商务的各个环节。未来,基于需求导向的智能决策领域、基于全链条的系统优化领域、基于B2B的企业级应用领域等或将成为人工智能在电子商务中的重要发展方向。
刘丽娜[10]（2019）在《在线中文评论离散情感分析及其影响研究》文中研究指明基于心理学的离散情感理论从人类的基本情感角度出发,将人类所有的情感都视为这些独立、独特且可以彼此区分的各种基本情感的组合。离散情感的相关研究在英语在线评论中的探索和应用相对较早,已经取得了一定的成果,而有关在线中文评论离散情感的分析,尤其是消费领域的研究仍处于起步阶段。基于此,论文立足在线中文商品评论情感表达的特点,采用管理学、计算机科学、心理学、人类行为动力学、语言学等多个学科的不同理论、模型和技术手段,以中国大型电子商务平台Jingdong Mall（www.jd.com）的手机商品的海量中文评论为研究对象,围绕评论中不同离散情感的识别、分布规律的发现及其对在线销量的影响作用等三个方面展开研究工作,具体研究内容和研究成果如下。（1）论文以基于心理学情感认知评价理论的OCC模型作为情感分类的依据,使用自然语言处理技术和有监督的机器学习方法,提出了在线中文评论中隐含离散情感的分类方法。在构建了包含满意（Satisfaction）、失望（Disappointment）、赞美（Admiration）、谴责（Reproach）、喜欢（Love）和讨厌（Hate）等六种离散情感的标注评论语料库的基础上,论文针对六种离散情感的六个子标注评论集进行基于卡方统计量（CHI）的特征选择,并使用基于高斯贝叶斯（GaussianNB）、K最近邻分类（KNN）、逻辑斯蒂回归（LR）、随机森林（RF）和支持向量机（SVM）等算法的五种分类器进行离散情感的分类。研究结果表明,基于逻辑斯蒂回归（LR）算法的分类器对每种离散情感均具有最好的分类效果,而基于不同算法的分类器对同一种离散情感的分类效果也并不相同。该研究为在线中文评论的情感识别提供了新的思路和方法,为从事中文在线评论情感分析的其他研究者提供了参考。（2）论文基于统计学和人类行为动力学的研究方法,在已完成上述六种离散情感分类的海量在线中文商品评论的基础上,对消费者不同离散情感表达行为的分布规律进行了知识发现,研究基于群体层面,从评论属性、商品属性和时间属性等多个维度,挖掘了在线评论中不同评论星级、不同价格区间以及不同“购买-评论”时间间隔的离散情感的分布特点。研究发现随着评论星级从1星级到5星级的变化,包含喜爱情感（Love）和讨厌情感（Hate）的评论数占比变化最多。不论什么价位的手机,消费者在评论中最乐于表达的是喜爱情感（Love）和满意情感（Satisfaction）,而越是价位适中的商品,消费者对其“性价比”越看重,而对于价格较高的商品,消费者越是容易对商家、第三方电商平台、物流等提供的服务做出评价。离散情感的“购买-评论”时间间隔发布频次曲线表现出“双峰分布”的特征,不同离散情感评论的第一个高峰均出现在商品购买后的第1天,其中包含赞美情感（Admiration）和谴责情感（Reproach）评论的发表频次最高;六种情感在商品购买后的第11天时出现了第二个峰值,尤其是喜爱情感（Love）、讨厌情感（Hate）和满意情感（Satisfaction）最为明显。六种离散情感的评论在不同“购买-评论”时间间隔服从幂律分布,且三个正向离散情感对应的幂指数比三个负向离散情感对应的幂指数要大。不同离散情感的评论其“购买-评论”的时间间隔都具有较强的阵发性,其中赞美情感（Admiration）和谴责情感（Reproach）的阵发性指标值最大,而讨厌情感（Hate）的阵发性指标值最小。六种不同离散情感的评论其“购买评论”的时间间隔的记忆性指标都接近于0,说明在电商平台上,每个消费者的购买行为与评论行为都是一个独立的个体行为。该研究在一定程度上补充和完善了现有关于在线评论情感分析的研究中鲜有情感分布规律探究的不足,丰富了在线评论情感信息的研究范畴,为用户生成内容的行为特征规律与知识发现提供了新的研究方向。（3）针对已完成离散情感分类的海量在线中文评论,论文引入评价倾向框架效应理论（ATF）、说服效应及双过程理论,运用管理学的研究方法,从行为导向,通过构建回归模型对在线评论所隐含的上述六种离散情感对商品在线销量的影响进行深入探究,从不同角度分析了不同离散情感与潜在消费者购买行为之间的内在机理。研究发现在线评论隐含的效价相同的离散情感并非都会对商品在线销量产生相似的影响。三个积极的离散情感中,只有赞美情感（Admiration）对在线销量有显着的正向影响;三个消极的离散情感中,只有讨厌情感（Hate）对在线销量有显着的负向影响。商品的品牌竞争力对于离散情感对销量的影响有调节作用。相对于强势品牌,包含讨厌情感（Hate）的评论数占比对弱势品牌商品的商品销量影响更大。研究不同于现有对在线评论离散情感的研究大多采用调查问卷或实验的形式,且大多针对评论感知有用性进行探究的现状,加深了对在线评论中离散情感的理解,拓展了在线口碑的相关研究。
二、基于Agent的智能电子商务支持系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Agent的智能电子商务支持系统研究（论文提纲范文）
（1）基于众智网络的生态结构演化仿真（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文主要研究内容 |
| 1.3 本文组织结构 |
| 2 生态结构演化理论及研究方法 |
| 2.1 生态结构理论分析与问题描述 |
| 2.1.1 生态结构理论分析 |
| 2.1.2 电子商务市场问题描述 |
| 2.2 生态结构演化的相关研究现状 |
| 2.2.1 电子商务交易模型基础 |
| 2.2.2 生态结构演化研究现状 |
| 2.3 众智网络生态结构演化动力和机理研究 |
| 2.3.1 众智网络生态结构演化动力研究 |
| 2.3.2 众智网络生态结构演化机理研究 |
| 2.4 众智网络生态结构演化稳态 |
| 2.5 本章小结 |
| 3 众智网络生态结构演化仿真系统分析与设计 |
| 3.1 众智网络生态结构演化仿真的特点 |
| 3.2 现有大规模仿真软件相关研究 |
| 3.3 众智网络生态结构演化仿真架构 |
| 3.4 仿真模型设计 |
| 3.4.1 仿真成员模型 |
| 3.4.2 仿真推进模型 |
| 3.5 本章小结 |
| 4 生态结构演化仿真系统实现 |
| 4.1 生态结构演化仿真成员设计 |
| 4.1.1 原子型众智单元模型 |
| 4.1.2 建议者众智单元模型 |
| 4.1.3 监控者众智单元 |
| 4.2 仿真成员生成工具包 |
| 4.2.1 仿真代方法定义 |
| 4.2.2 仿真轮方法定义 |
| 4.2.3 仿真全局属性定义 |
| 4.2.4 XML文件生成 |
| 4.3 软件测试 |
| 4.3.1 测试内容 |
| 4.3.2 测试结论 |
| 4.4 本章小结 |
| 5 众智网络生态结构演化仿真实例 |
| 5.1 生态结构演化仿真流程 |
| 5.2 实验数据准备 |
| 5.2.1 仿真参数 |
| 5.2.2 实验初始数据集 |
| 5.2.3 实验中间数据集 |
| 5.2.4 实验结果数据集 |
| 5.3 针对生产商的生态结构演化仿真 |
| 5.4 针对中介商的生态结构演化仿真 |
| 5.5 针对服务商的生态结构演化仿真 |
| 5.6 生产商、中介商、服务商生态结构演化仿真对比 |
| 5.7 结论分析 |
| 5.8 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文 |
| 附录一 表目录 |
| 附录二 图目录 |
（2）基于情感分析的人机谈判研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 动机 |
| 1.2.1 情感因素对于人类谈判的影响 |
| 1.2.2 情感因素对于人机谈判的影响 |
| 1.2.3 研发基于情感的人机谈判系统的意义 |
| 1.3 研究思路和技术路线 |
| 1.4 本文的主要贡献 |
| 1.5 本文的组织结构 |
| 第2章 文献综述 |
| 2.1 引言 |
| 2.2 基于机器学习的情感分析 |
| 2.2.1 基于线性分类器的方法 |
| 2.2.2 基于概率分类器的方法 |
| 2.2.3 其它基于机器学习的方法 |
| 2.2.4 讨论 |
| 2.2.5 小结 |
| 2.3 基于深度学习的情感分析 |
| 2.3.1 基于卷积神经网络的方法 |
| 2.3.2 基于循环神经网络的方法 |
| 2.3.3 混合的方法 |
| 2.3.4 其它基于深度学习的方法 |
| 2.3.5 多模态的情感分析 |
| 2.3.6 小结 |
| 2.4 情感分析技术的应用 |
| 2.4.1 商业应用 |
| 2.4.2 中国的智能客服系统 |
| 2.4.3 非商业应用 |
| 2.4.4 关系和事件预测 |
| 2.4.5 对话系统 |
| 2.4.6 讨论与挑战 |
| 2.4.7 小结 |
| 2.5 自动谈判 |
| 2.5.1 机器对机器的自动谈判 |
| 2.5.2 人机自动谈判 |
| 2.6 对话系统 |
| 2.6.1 对话理解 |
| 2.6.2 对话管理 |
| 2.6.3 对话生成 |
| 2.7 本章小结 |
| 第3章 系统结构及原理 |
| 3.1 引言 |
| 3.2 模型定义 |
| 3.3 系统框架 |
| 3.4 系统主函数 |
| 3.5 界面设计 |
| 3.6 情感分类 |
| 3.6.1 情感分类标准 |
| 3.6.2 情感强度分类标准 |
| 3.6.3 情感关键词库 |
| 3.7 意图特征和情感特征抽取 |
| 3.7.1 意图特征抽取 |
| 3.7.2 情感特征抽取 |
| 3.8 意图分类 |
| 3.9 情感分类 |
| 3.10 价格特征词及其值抽取 |
| 3.11 谈判决策 |
| 3.11.1 安抚策略 |
| 3.11.2 让步策略 |
| 3.11.3 谈判算法 |
| 3.12 生成回复 |
| 3.13 本章小结 |
| 第4章 系统的实现 |
| 4.1 概述 |
| 4.2 收集语料与预处理 |
| 4.3 交互界面 |
| 4.4 意图和情感特征抽取 |
| 4.5 意图识别与分类 |
| 4.6 情感识别与分类 |
| 4.7 价格特征及其值抽取 |
| 4.8 谈判策略 |
| 4.9 生成回复 |
| 4.10 本章小结 |
| 第5章 谈判实例与分析 |
| 5.1 谈判成功样例分析 |
| 5.2 谈判破裂样例分析 |
| 5.3 两样例总分析 |
| 5.4 本章小结 |
| 第6章 系统评估与分析 |
| 6.1 意图和情感分类模型的性能评估 |
| 6.2 谈判成功率 |
| 6.3 谈判结果的效用 |
| 6.4 人类谈判对手满意度 |
| 6.5 本章小结 |
| 第7章 结束语 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录A 部分意图语料 |
| A.1 问候意图类 |
| A.2 讲价意图类 |
| A.3 破裂意图类 |
| A.4 成交意图类 |
| 附录B 部分情感语料 |
| B.1 愤怒情感类 |
| B.2 生气情感类 |
| B.3 失望情感类 |
| B.4 着急情感类 |
| B.5 担心情感类 |
| B.6 委屈情感类 |
| B.7 高兴情感类 |
| B.8 感激情感类 |
| 附录C 部分回复模板 |
| C.1 愤怒回复模板库 |
| C.2 生气回复模板库 |
| C.3 失望回复模板库 |
| C.4 着急回复模板库 |
| C.5 担心回复模板库 |
| C.6 委屈回复模板库 |
| C.7 高兴回复模板库 |
| C.8 感激回复模板库 |
| C.9 问候类回复模板库 |
| C.10 讲价类回复模板库 |
| C.11 破裂类回复模板库 |
| C.12 成交类回复模板库 |
| 读硕期间获得的成果与奖励 |
| 致谢 |
（3）基于强化学习的人机谈判系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究的动机 |
| 1.3 技术路线 |
| 1.4 本文主要贡献 |
| 1.5 本文结构 |
| 第2章 文献综述 |
| 2.1 引言 |
| 2.2 对话管理 |
| 2.2.1 对话行为识别 |
| 2.2.2 对话状态跟踪 |
| 2.2.3 对话策略 |
| 2.2.4 本节小结 |
| 2.3 对话回应生成 |
| 2.3.1 基于规则的方法 |
| 2.3.2 基于知识的方法 |
| 2.3.3 基于深度学习的方法 |
| 2.3.4 基于生成式的特殊模型 |
| 2.3.5 基于知识和深度学习的混合方法 |
| 2.3.6 本节小结 |
| 2.4 对话系统的评估 |
| 2.4.1 评估基于任务的对话系统 |
| 2.4.2 评估开放域对话系统 |
| 2.4.3 基于学习的评估 |
| 2.4.4 挑战 |
| 2.4.5 本节小结 |
| 2.5 强化学习 |
| 2.5.1 简介 |
| 2.5.2 Q学习算法 |
| 2.5.3 本节小结 |
| 2.6 人机谈判 |
| 2.6.1 人机谈判必要性 |
| 2.6.2 人机谈判策略 |
| 2.6.3 谈判的相关方法 |
| 2.6.4 基于强化学习的人机谈判 |
| 2.6.5 本节小结 |
| 2.7 本章小结 |
| 第3章 系统结构 |
| 3.1 引言 |
| 3.2 人机谈判对话系统框架 |
| 3.3 系统模型定义 |
| 3.4 系统主函数 |
| 3.5 本章小结 |
| 第4章 人机谈判系统的用户界面 |
| 4.1 引言 |
| 4.2 用户界面的设计 |
| 4.2.1 基于微信小程序的前端输入 |
| 4.2.2 基于Flask框架的后台输出 |
| 4.3 用户界面的实现 |
| 4.4 本章小结 |
| 第5章 谈判对话理解 |
| 5.1 引言 |
| 5.2 对话理解的方法 |
| 5.2.1 基于特征词抽取的匹配算法 |
| 5.2.2 基于fast Text的意图识别 |
| 5.3 对话理解的实现 |
| 5.4 本章小结 |
| 第6章 基于强化学习的对话谈判管理 |
| 6.1 引言 |
| 6.2 对话谈判管理的原理 |
| 6.2.1 用户行为建模 |
| 6.2.2 基于Q学习的谈判策略 |
| 6.2.3 基于Q学习与用户行为建模的谈判策略 |
| 6.3 对话谈判管理的实现 |
| 6.4 本章小结 |
| 第7章 谈判回应生成 |
| 7.1 引言 |
| 7.2 基于模板匹配的回应生成方法 |
| 7.3 对话回应生成的实现 |
| 7.4 本章小结 |
| 第8章 谈判示例与分析 |
| 8.1 引言 |
| 8.2 谈判示例展示 |
| 8.3 谈判成功示例分析 |
| 8.4 谈判破裂示例分析 |
| 8.5 本章小结 |
| 第9章 系统评估 |
| 9.1 引言 |
| 9.2 意图识别模型的性能 |
| 9.3 价格谈判的衡量指标 |
| 9.4 用户满意度 |
| 9.5 本章小结 |
| 第10章 结束语 |
| 10.1 总结 |
| 10.2 展望 |
| 参考文献 |
| 附录A 意图识别模型的部分训练语料 |
| A.1 问候意图类部分语料 |
| A.2 商品询问意图类部分语料 |
| A.3 谈判破裂意图类部分语料 |
| A.4 谈判成功意图类部分语料 |
| 附录B 部分回复模板 |
| B.1 问候类部分回复模板 |
| B.2 商品询问类部分回复模板 |
| B.3 谈判成功类部分回复模板 |
| B.4 谈判破裂类部分回复模板 |
| B.5 价格谈判类部分回复模板 |
| 读硕期间获得的成果与奖励 |
| 致谢 |
（4）基于大数据的人机谈判系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 本文动机 |
| 1.3 本文贡献 |
| 1.4 本文结构 |
| 第2章 系统原理及设计 |
| 2.1 系统结构 |
| 2.1.1 系统整体结构 |
| 2.1.2 系统模块函数 |
| 2.1.3 系统主算法 |
| 2.1.4 小结 |
| 2.2 对话理解 |
| 2.2.1 预处理 |
| 2.2.2 顾客意图识别 |
| 2.2.3 语义槽填充 |
| 2.2.4 小结 |
| 2.3 顾客大数据分析 |
| 2.3.1 订单分析 |
| 2.3.2 顾客整体消费分析 |
| 2.3.3 顾客归属地分析 |
| 2.3.4 顾客浏览记录分析 |
| 2.3.5 小结 |
| 2.4 谈判决策 |
| 2.4.1 谈判算法 |
| 2.4.2 顾客消费权重聚合 |
| 2.4.3 顾客偏好权重计算 |
| 2.4.4 顾客最大折扣确定 |
| 2.4.5 折扣让步策略 |
| 2.4.6 小结 |
| 2.5 回复生成 |
| 2.5.1 Seq2Seq序列模型 |
| 2.5.2 对抗生成网络 |
| 2.5.3 回复规则 |
| 2.5.4 小结 |
| 2.6 本章小结 |
| 第3章 示例 |
| 3.1 顾客大数据 |
| 3.2 谈判实例及分析 |
| 3.3 本章小结 |
| 第4章 实验评估 |
| 4.1 实验设置 |
| 4.1.1 实验所需语言、工具及环境 |
| 4.1.2 训练数据集 |
| 4.1.3 数据库 |
| 4.2 评估指标 |
| 4.2.1 质量评估指标 |
| 4.2.2 可行性评估指标 |
| 4.3 系统质量评估 |
| 4.4 系统可行性评估 |
| 4.4.1 结合大数据的模拟人机谈判 |
| 4.4.2 未结合大数据的模拟人机谈判 |
| 4.5 本章小结 |
| 第5章 相关工作 |
| 5.1 智能客服 |
| 5.2 自动谈判 |
| 5.2.1 机器对机器的谈判 |
| 5.2.2 人机谈判 |
| 5.3 大数据在决策中的应用 |
| 第6章 结束语 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A 顾客意图识别模块语料 |
| A.1 材质查询类意图 |
| A.2 快递选择类意图 |
| A.3 价格谈判类意图 |
| A.4 问候类意图 |
| A.5 谈判成功类意图 |
| A.6 谈判失败类意图 |
| 附录B 回复生成模块训练语料 |
| B.1 材质查询类回复语料 |
| B.2 快递选择类回复语料 |
| B.3 价格谈判类回复语料 |
| B.4 问候类回复语料 |
| 索引 |
| 读硕期间获得的成果与奖励 |
| 致谢 |
（5）“平台—模块”主导的村镇物流生态系统演化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 技术路线与内容安排 |
| 1.3.1 技术路线 |
| 1.3.2 内容安排 |
| 1.4 本文的创新点 |
| 2 理论基础与文献综述 |
| 2.1 研究范畴界定 |
| 2.1.1 村镇概念范畴 |
| 2.1.2 村镇物流概念范畴 |
| 2.2 理论基础 |
| 2.2.1 系统理论 |
| 2.2.2 种群生态理论 |
| 2.2.3 演化博弈理论 |
| 2.3 文献综述 |
| 2.3.1 产业链与价值链研究 |
| 2.3.2 系统演化与产业链演化研究 |
| 2.3.3 村镇物流发展研究 |
| 2.4 文献研究述评 |
| 2.5 本章小结 |
| 3 “平台—模块”主导的村镇物流生态系统建构 |
| 3.1 村镇物流生态系统内涵及构成 |
| 3.1.1 村镇物流生态系统内涵 |
| 3.1.2 村镇物流生态系统要素 |
| 3.1.3 村镇物流生态系统CAS结构 |
| 3.1.4 村镇物流生态系统层次与功能 |
| 3.2 “平台—模块”主导村镇物流生态系统发展模式 |
| 3.2.1 村镇物流生态系统演化的路径依赖 |
| 3.2.2 “链环-功能”主导村镇物流生态系统发展模式 |
| 3.2.3 “平台-模块”主导村镇物流生态系统发展模式 |
| 3.2.4 “链环-功能”升级至“平台-模块”主导模式的生态圈形成 |
| 3.3 “平台-模块”主导的村镇物流生态系统平衡性 |
| 3.3.1 “平台-模块”主导村镇物流生态系统稳定性前提 |
| 3.3.2 实现系统层级平衡的关键问题 |
| 3.4 本章小结 |
| 4 村镇物流生态系统发展模式平衡机理 |
| 4.1 村镇物流生态系统产业链主体演化 |
| 4.1.1 村镇物流生态系统产业链主体生态位内涵 |
| 4.1.2 村镇物流生态系统产业链主体生态位维度 |
| 4.1.3 村镇物流生态系统产业链主体生态位测量及演化 |
| 4.2 村镇物流生态系统内产业链间演化 |
| 4.2.1 村镇物流生态系统内产业链间网络特性 |
| 4.2.2 村镇物流生态系统内产业链间共生机制 |
| 4.3 “链环—功能”不平衡诱因实证研究 |
| 4.3.1 “链环-功能”效率评价理论基础 |
| 4.3.2 效率评价指标选取和样本选择 |
| 4.3.3 “链环—功能”效率评价实证分析 |
| 4.4 “平台-模块”主导的村镇物流生态系统演化机制 |
| 4.4.1 平台服务型双边市场演化博弈模型构建 |
| 4.4.2 “运营主体-使用主体-政府”三方协调演化模拟 |
| 4.4.3 平台服务型双边市场主体合作机制与利益分配 |
| 4.5 本章小结 |
| 5 生态流作用村镇物流生态系统分形 |
| 5.1 村镇物流生态系统自组织演化机制 |
| 5.1.1 村镇物流生态系统的开放性基础 |
| 5.1.2 村镇物流生态系统远离平衡态需求 |
| 5.1.3 村镇物流生态系统演化的非线性过程 |
| 5.1.4 村镇物流生态系统内外涨落驱动 |
| 5.1.5 村镇物流生态系统自组织涌现 |
| 5.2 村镇物流生态系统演化分形机制 |
| 5.2.1 村镇物流生态系统内的生态流作用力 |
| 5.2.2 生态流驱动村镇物流生态系统非平衡相变 |
| 5.2.3 生态流触发村镇物流生态系统结构时空分岔 |
| 5.2.4 村镇物流生态系统内部更新分形机制 |
| 5.3 生态流作用村镇物流生态系统演化模拟 |
| 5.3.1 SOM神经网络法模拟系统演化的适用性 |
| 5.3.2 生态流作用村镇物流生态系统演化实证及仿真 |
| 5.4 本章小结 |
| 6 村镇物流生态环境子系统仿真测度与优化 |
| 6.1 环境要素子系统“耦合—协同”驱动机制内涵 |
| 6.1.1 环境要素子系统“耦合”关联理论 |
| 6.1.2 环境要素子系统“耦合”关联内涵 |
| 6.1.3 协同学分析环境要素子系统的耦合性 |
| 6.2 村镇物流环境子系统序参量筛选 |
| 6.2.1 环境子系统序参量指标体系设计 |
| 6.2.2 环境子系统序参量指标体系构建 |
| 6.2.3 序参量指标筛选方法 |
| 6.2.4 环境子系统序参量筛选 |
| 6.3 环境子系统“耦合-协同”测度与优化 |
| 6.3.1 环境子系统“耦合-协同”测量模型 |
| 6.3.2 环境子系统“耦合—协同”动力学仿真 |
| 6.3.3 环境子系统“耦合—协同”动力学情景分析 |
| 6.3.4 环境子系统情景互动调控建议 |
| 6.4 本章小结 |
| 7 结论建议与研究展望 |
| 7.1 论文结论 |
| 7.2 管理启示与政策建议 |
| 7.3 研究局限与未来展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（6）电子商务中虚假评分检测与信誉评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的研究内容 |
| 1.4 论文结构 |
| 2 相关基础理论 |
| 2.1 信誉及相关概念 |
| 2.2 无监督学习概述 |
| 2.3 Agent和MAS相关理论 |
| 2.4 马尔可夫决策过程概述 |
| 2.5 社会心理学印象理论 |
| 2.6 小结 |
| 3 基于印象理论的买家分类方法 |
| 3.1 基于印象理论的买家分类 |
| 3.2 买家属性的形式化定义 |
| 3.3 宽松型和严苛型买家的筛选算法 |
| 3.4 实验 |
| 3.5 小结 |
| 4 基于评分者印象的无监督信誉评估模型 |
| 4.1 模型形式化定义 |
| 4.2 卖家诚信属性判定规则 |
| 4.3 基于评分者印象的信誉评估方法 |
| 4.4 实验 |
| 4.5 小结 |
| 5 基于深度学习的虚假评分检测方法研究 |
| 5.1 DQN回顾 |
| 5.2 基于深度学习的虚假评分检测算法 |
| 5.3 实验 |
| 5.4 小结 |
| 6 基于多Agent的电子商务信誉仿真平台设计与实现 |
| 6.1 传统信誉仿真平台回顾 |
| 6.2 基于MAS的电商信誉仿真实验平台 |
| 6.3 小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 附件 |
（7）动态环境下在线优化与决策算法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 电子商务中在线订单分配及车辆配送动态调度问题 |
| 1.1.2 面向森林火灾的异构机器人群救援预案辅助决策系统研究 |
| 1.2 国内外研究现状 |
| 1.2.1 电子商务中在线订单分配及车辆动态配送研究 |
| 1.2.2 面向森林火灾的异构机器人群救援预案辅助决策系统研究 |
| 1.3 本文主要研究内容 |
| 1.3.1 电子商务中在线订单分配及车辆配送动态调度问题 |
| 1.3.2 面向森林火灾的异构机器人群救援预案辅助决策系统研究 |
| 1.4 论文的结构 |
| 第二章 电子商务中在线订单分配及车辆配送动态调度问题 |
| 2.1 问题陈述及公式 |
| 2.1.1 声明 |
| 2.1.2 定义 |
| 2.1.3 模型构成 |
| 2.1.4 公式 |
| 2.2 集成车辆平衡策略的自适应大邻域搜索算法 |
| 2.2.1 动机 |
| 2.2.2 框架 |
| 2.2.3 原理分析与讨论 |
| 2.3 实验结果与分析 |
| 2.3.1 实验设计 |
| 2.3.2 配送成本分析 |
| 2.3.3 配送效果分析 |
| 2.4 本章小结 |
| 第三章 面向森林火灾异构机器人群救援预案辅助决策系统研究 |
| 3.1 问题陈述及公式 |
| 3.1.1 声明 |
| 3.1.2 符号定义 |
| 3.1.3 救援目标 |
| 3.2 异构机器人群救援预案辅助决策系统 |
| 3.2.1 动机 |
| 3.2.2 架构 |
| 3.2.3 森林火灾救援模拟器 |
| 3.3 救援动作模糊推理机 |
| 3.3.1 救援优先级模糊推理机 |
| 3.3.2 救援机器人分配模糊推理机 |
| 3.4 集成灭火知识的人工蜂群算法 |
| 3.4.1 动机 |
| 3.4.2 框架 |
| 3.5 实验验证与讨论 |
| 3.5.1 实验设计 |
| 3.5.2 救援优化算法性能的比较与讨论 |
| 3.5.3 森林火灾救援方案的比较与讨论 |
| 3.6 本章小结 |
| 第四章 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的论文和专利 |
（8）跨境电子商务风险形成机理与防范研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 导论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与方法 |
| 1.2.1 研究思路 |
| 1.2.2 研究方法 |
| 1.3 主要内容 |
| 1.4 可能的创新与不足 |
| 1.4.1 创新之处 |
| 1.4.2 不足之处 |
| 2 文献综述 |
| 2.1 与跨境电子商务相关的研究 |
| 2.1.1 关于跨境电子商务内涵的理论探讨 |
| 2.1.2 作为贸易新形态的跨境电子商务影响力研究 |
| 2.1.3 跨境电子商务诱发的企业跨国经营与交易新风险 |
| 2.1.4 跨境电子商务风险的形成机理 |
| 2.2 与企业风险防范相关的研究 |
| 2.2.1 企业风险防范的理论框架 |
| 2.2.2 企业风险防范的传统理论局限 |
| 2.2.3 数据融合在企业风险管理中的作用研究 |
| 2.3 跨境电子商务风险的防范 |
| 2.3.1 防范跨境电子商务经营风险的宏观对策 |
| 2.3.2 防范跨境电子商务交易风险的关键要素:中间商 |
| 2.3.3 防范跨境电子商务交易风险的关键要素:信用与声誉 |
| 2.3.4 防范跨境电子商务交易风险的关键要素:心理距离 |
| 2.3.5 系统仿真在跨境电子商务风险防范相关研究中的运用 |
| 2.4 文献述评 |
| 3 中国跨境电子商务的发展现状、演进与风险 |
| 3.1 中国跨境电子商务发展的政策环境、机遇与挑战 |
| 3.1.1 中国跨境电子商务发展的政策环境 |
| 3.1.2 中国跨境电子商务发展的机遇 |
| 3.1.3 中国跨境电子商务发展的挑战 |
| 3.2 中国跨境电子商务出口景气状况 |
| 3.2.1 变量选取、数据来源与指标体系构建 |
| 3.2.2 出口景气综合状况 |
| 3.2.3 出口景气分项状况 |
| 3.3 跨境电子商务新型贸易模式优势分析 |
| 3.3.1 直接型出口贸易模式 |
| 3.3.2 协调嵌入型出口贸易模式 |
| 3.3.3 网络嵌入型出口贸易模式 |
| 3.4 中国跨境电子商务出口风险状况 |
| 3.4.1 变量选取、数据来源与指标体系构建 |
| 3.4.2 出口风险综合状况 |
| 3.4.3 出口风险分项状况 |
| 3.5 跨境电子商务经营风险的来源、类型与影响 |
| 3.5.1 跨境电子商务经营风险的来源 |
| 3.5.2 跨境电子商务经营风险的类型 |
| 3.5.3 跨境电子商务经营风险的影响 |
| 3.6 本章小结 |
| 4 跨境电子商务卖家声誉、违约行为与交易风险形成机理 |
| 4.1 引言 |
| 4.2 理论背景 |
| 4.3 基于拓展声誉模型的跨境电子商务卖家违约行为博弈 |
| 4.3.1 经典声誉模型 |
| 4.3.2 跨境电子商务情境下的拓展声誉模型 |
| 4.4 基于复杂适应系统与机器学习的跨境电子商务卖家违约行为仿真 |
| 4.4.1 动态仿真系统设定 |
| 4.4.2 基于协同过滤推荐算法的买家反应函数 |
| 4.4.3 基于决策树算法的卖家反应函数 |
| 4.4.4 交易系统设定 |
| 4.4.5 编程语言 |
| 4.4.6 数据来源 |
| 4.5 跨境电子商务卖家违约行为仿真结果分析 |
| 4.5.1 经过机器学习训练的动态仿真系统 |
| 4.5.2 初始状态下的动态仿真结果 |
| 4.5.3 控制初始声誉差异下的动态仿真结果 |
| 4.5.4 控制交易轮数下的动态仿真结果 |
| 4.5.5 控制声誉维护投入下的动态仿真结果 |
| 4.6 本章小结 |
| 5 跨境电子商务平台管控模式、买家决策与交易风险防范效力 |
| 5.1 引言 |
| 5.2 理论背景与研究假设 |
| 5.2.1 委托代理视角下的跨境电子商务买卖双方关系 |
| 5.2.2 跨境电子商务交易风险 |
| 5.2.3 跨境电子商务平台对于防范交易风险的作用 |
| 5.2.4 消费者心理距离与对于跨境贸易特有风险的感知 |
| 5.2.5 现有研究的局限性 |
| 5.3 基于平台管控模式的跨境电子商务交易风险防范均衡 |
| 5.3.1 跨境电子商务平台的交易风险管控制度设计 |
| 5.3.2 入驻跨境电子商务平台的买家决策与交易风险感知 |
| 5.3.3 包含查处强度选择与感知风险的交易风险防范均衡 |
| 5.4 基于买家心理距离的跨境电子商务平台交易风险防范效力仿真 |
| 5.4.1 跨境电子商务平台交易风险管控模式的初始设定 |
| 5.4.2 跨境电子商务平台买卖双方、商品与获利水平的初始设定 |
| 5.4.3 跨境电子商务平台交易风险防范效力仿真流程 |
| 5.5 跨境电子商务平台交易风险防范效力仿真结果分析 |
| 5.5.1 交易风险管控模式对于非智能卖家获利水平的影响 |
| 5.5.2 交易风险管控模式对于智能卖家获利水平与决策违约率的影响 |
| 5.5.3 交易风险管控模式对于买家获利水平与交易完成质量的影响 |
| 5.5.4 跨境电子商务平台管控模式、买家心理距离与交易风险防范效力 |
| 5.6 本章小结 |
| 6 跨境电子商务经营与交易风险的防范对策 |
| 6.1 跨境电子商务风险及其防范的跨国比较 |
| 6.1.1 发达经济体易发生的跨境电子商务风险及其防范 |
| 6.1.2 发展中经济体易发生的跨境电子商务风险及其防范 |
| 6.1.3 其他跨境电子商务风险及其防范的跨国比较 |
| 6.2 跨境电子商务经营风险的防范对策 |
| 6.2.1 政策监管风险的防范 |
| 6.2.2 入驻平台风险的防范 |
| 6.2.3 供应链协调风险的防范 |
| 6.2.4 代理关系风险的防范 |
| 6.2.5 企业信用风险的防范 |
| 6.2.6 不可控事件风险的防范 |
| 6.3 跨境电子商务交易风险的防范对策 |
| 6.3.1 平台规则风险的防范 |
| 6.3.2 囤货滞销风险的防范 |
| 6.3.3 知识产权风险的防范 |
| 6.3.4 物流风险的防范 |
| 6.3.5 支付风险的防范 |
| 6.3.6 汇率风险的防范 |
| 6.4 本章小结 |
| 7 结论与启示 |
| 7.1 研究结论 |
| 7.2 研究启示 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
（9）人工智能在电子商务中的应用发展趋势研究（论文提纲范文）
| 一、文献综述 |
| 二、人工智能技术发展趋势概况 |
| (一)深度学习技术体系总览 |
| (二)深度学习算法发展概况 |
| (三)软件框架是工程实现核心 |
| (四)编译器解决软硬件适配问题 |
| (五)计算芯片提供算力保障 |
| 三、人工智能助力电子商务的动力机制 |
| (一)人工智能提升交易匹配效率 |
| (二)人工智能降低运营管理成本 |
| (三)人工智能提升用户服务体验 |
| 四、人工智能在电子商务中的应用 |
| (一)面向商家的智能化工具 |
| (二)面向用户的智能化服务 |
| (三)面向平台的智能化采销 |
| (四)面向后台的智能化仓储 |
| 五、人工智能与电子商务深度融合发展趋势 |
| (一)由技术驱动向需求驱动转变 |
| (二)由替代重复劳动向智能决策转变 |
| (三)由单点分散应用向系统集成转变 |
| (四)由B2C应用向B2B拓展 |
| 六、结论及展望 |
（10）在线中文评论离散情感分析及其影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 问题提出 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实践意义 |
| 1.4 相关概念界定 |
| 1.4.1 在线商品评论 |
| 1.4.2 离散情感 |
| 1.5 研究方法 |
| 1.6 研究内容及结构安排 |
| 1.7 研究创新点 |
| 第二章 文献综述 |
| 2.1 情感理论的相关研究 |
| 2.1.1 心理学的维度情感理论 |
| 2.1.2 心理学的离散情感理论 |
| 2.1.3 营销学的消费情感理论 |
| 2.2 基于文本情感分类技术的相关研究 |
| 2.2.1 基于情感词典的方法 |
| 2.2.2 基于传统机器学习的方法 |
| 2.2.3 基于深度学习的方法 |
| 2.2.4 文本情感识别的相关研究 |
| 2.3 在线评论情感信息的经济价值相关研究 |
| 2.3.1 在线评论粗粒度情感的相关研究 |
| 2.3.2 在线评论细粒度情感的相关研究 |
| 2.3.3 在线评论离散情感的相关研究 |
| 2.4 本章小结 |
| 第三章 在线中文评论离散情感的分类研究 |
| 3.1 情感模型的选择 |
| 3.1.1 OCC情感模型的概述 |
| 3.1.2 OCC情感模型的简化 |
| 3.2 基于OCC模型的离散情感标注评论语料库的构建 |
| 3.3 基于OCC模型的在线中文评论离散情感的分类 |
| 3.3.1 数据预处理 |
| 3.3.2 文本表示和特征选择 |
| 3.3.3 离散情感分类 |
| 3.4 实验结果和讨论 |
| 3.5 本章小结 |
| 第四章 在线中文评论离散情感的分布规律研究 |
| 4.1 离散情感评论语料库基本统计分析 |
| 4.2 不同离散情感在不同星级评论中的分布规律研究 |
| 4.3 不同离散情感在不同价格区间的分布规律研究 |
| 4.4 不同离散情感在不同“购买-评论”行为时间间隔的分布规律研究 |
| 4.4.1 包含不同离散情感的评论在不同“购买-评论”时间间隔的分布统计特征分析 |
| 4.4.2 包含不同离散情感的评论在不同“购买-评论”时间间隔的人类行为动力学分析 |
| 4.5 研究结论及意义 |
| 4.5.1 研究结论 |
| 4.5.2 理论与实践意义 |
| 第五章 在线中文评论离散情感对商品销量的影响研究 |
| 5.1 理论基础 |
| 5.1.1 评价倾向框架效应理论 |
| 5.1.2 说服效应和双过程理论 |
| 5.1.3 品牌及品牌信号论 |
| 5.2 研究假设与概念模型 |
| 5.3 实证研究 |
| 5.3.1 数据采集与数据描述 |
| 5.3.2 模型构建与结果分析 |
| 5.3.3 稳健性检验 |
| 5.4 结论与讨论 |
| 5.4.1 研究结论 |
| 5.4.2 理论与实践意义 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究局限和未来研究方向 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
| 作者攻读学位期间参加的学术项目 |
四、基于Agent的智能电子商务支持系统研究（论文参考文献）
- [1]基于众智网络的生态结构演化仿真[D]. 王吉武. 烟台大学, 2021(09)
- [2]基于情感分析的人机谈判研究[D]. 林萍萍. 广西师范大学, 2021(09)
- [3]基于强化学习的人机谈判系统[D]. 范怡帆. 广西师范大学, 2021(09)
- [4]基于大数据的人机谈判系统[D]. 李腾飞. 广西师范大学, 2021(09)
- [5]“平台—模块”主导的村镇物流生态系统演化研究[D]. 赵萌. 北京交通大学, 2020(04)
- [6]电子商务中虚假评分检测与信誉评估方法研究[D]. 王鑫. 山东科技大学, 2020
- [7]动态环境下在线优化与决策算法的研究[D]. 刘华剑. 北京邮电大学, 2020(05)
- [8]跨境电子商务风险形成机理与防范研究[D]. 柴宇曦. 浙江大学, 2020
- [9]人工智能在电子商务中的应用发展趋势研究[J]. 孙克,鲁泽霖. 贵州社会科学, 2019(09)
- [10]在线中文评论离散情感分析及其影响研究[D]. 刘丽娜. 北京邮电大学, 2019(01)