摘要：互补产品推荐旨在为用户提供经常一起购买的产品,以满足共同的需求。现有的互补产品推荐方法大多考虑对产品的内容特性(视觉和文本内容)建模,而没有考虑用户购买产品的偏好。为此设计了一种融合用户偏好的互补产品推荐模型(complementary product recommendation models that integrate user preferences, CPRUP)。该模型首先计算产品之间图像和文本特征的互补关系;然后将知识图谱与注意力机制相结合,基于n-hop邻居挖掘用户历史购买产品之间的相关性,提出一种基于知识图谱的用户表征来提取用户对互补产品的偏好;最后基于神经网络实现互补关系与用户偏好的共同学习。使用Amazon数据集进行实验,提出的CPRUP模型与次优基线模型相比,ACC提升了5%,precision提升了4%,表明CPRUP模型可以更准确地为用户推荐互补产品。

摘要：以一个制造商和一个零售商的供应链为研究对象,制造商生产两种互补产品,零售商可选择分开或捆绑两种销售策略。考虑互补品的负交叉弹性和广告外部性的特点,构建基于溢出效应的需求模型,运用博弈论的方法,求解零售商采取分开和捆绑两种销售策略时的均衡结果。通过比较不同销售策略下的均衡结果及利润关系,探讨在分散式和集中式两种情况下,零售商的最优广告投入和捆绑销售的联合决策问题。最后,通过数值算例,讨论产品互补程度和广告成本系数对决策结果的影响。研究结果表明,无论是在分散式还是集中式决策下,当产品互补程度较高或广告成本系数低时,分开销售是占优策略而广告费用较高;当产品互补程度较低且广告成本系数高时,捆绑销售是占优策略且广告费用较低。

摘要：针对互补产品的双渠道供应链合作广告问题,在考虑互补产品溢出效应的基础上,构建以制造商为领导者的Stackelberg主从博弈分散决策模型和集中决策模型,通过求解模型给出不同决策模式下制造商最优广告策略、零售商最优广告策略及最优合作广告分担率,最后以数值算例验证相关结论。研究结果表明:制造商关于某产品的广告投入水平与制造商关于该产品及其互补产品在网络渠道、零售渠道的边际利润正相关,且制造商关于其互补产品在网络渠道、零售渠道的边际利润对制造商关于该产品的广告投入的影响水平取决于产品的溢出效应系数;制造商对某产品的合作广告分担率除了与该产品及其互补产品在各渠道的边际利润有关外,还与零售商广告对网络渠道的影响性质有关。

摘要：将supply-hub引入到由两个制造商、一个supply-hub和两个零售商组成的下游供应链中,构建出分别由制造商和零售商负责supply-hub运营及收益的生产配送批量模型(EOQ),建立其收益函数并进行算例分析。算例结果表明:随着制造商与supply-hub单次配送批量差额的减少,整个供应链的收益会有所上升;而随着零售商处产品销售价格的上涨,整个供应链的收益会有所上升。并且,零售商负责supply-hub运营时整个供应链的总收益比制造商负责supply-hub运营时的总收益大。