随着互联网应用在商业领域的快速普及，消费者的需求体验成为驱动互联网发展的领航者。与此同时，以电子商务为代表的社交网络不断发生新的变化。在计算机系统和社会交互系统高度融合的电子商务中，消费者承担着越来越重要的作用，消费者的行为特征以及潜在的需求逐渐成为技术发展的重要推动力量。因此，研究消费者决策行为、分析消费者的信息特征、挖掘消费者行为中潜在的规律及消费者之间的关联度，能够指导计算机网络技术更好的发展，使电子商务向智能化和人性化发展，从而与现实社会系统更加和谐的融合。在线消费者行为的研究综合了社会心理学、计算机科学、经济学、营销学、行为科学、物理学以及复杂网络等学科，研究的目标是指导计算机网络技术特别是电子商务更好的为社会发展服务。大量企业的协同过滤推荐系统通过建立消费者预测模型，提供个性化推荐服务，解决信息过载等问题。本文基于上述需求，深入研究了服务理论研究进展和服务质量管理理论，对服务科学的研究起源、研究现状、研究方法进行了全面分析，并深刻挖掘了服务科学研究目前存在的问题，运用现代营销学中的服务质量评价和满意度理论，构建了服务主导逻辑的理论研究框架，为企业提高服务创新能力提供实践指导，并为系统规划提供了理论方向，主要内容包括以下四点：1、提出消费者购买决策行为研究模型基于初始信任和TAM理论，通过访谈和问卷调查，对消费者基于在线电子供应商的首次购买行为进行实证研究。为增强消费者对电子供应商的首次购买意图，加入一个新的变量，即对电子供应商的感知服务质量，它直接影响首次购买意图，根据分析结果提出了一个垂直的理论体系。在这个理论体系下，初始信任的建立和感知服务质量理论对新的在线消费者首次购买意图非常关键，由数据分析结果发现了各种影响因素对消费者意图行为的作用，提醒企业在规划网站在线购物系统各构成要素时要重视对于初始信任的建立，而消费者的感知服务质量也不容忽视。2、分析电子商务中长尾理论并将其应用到电影推荐中长尾理论认为随着信息技术的发展，经济发展的趋势是从纯原子经济学到字节和原子的混合然后成为纯字节的经济，通过对大数据中潜在信息的分析可以推荐出用户真正满意的产品和服务。不存在能够适用于所有产品的推荐系统，只有用户深度参与的个性化推荐才能够根据碎片化的信息在一定的准确度和一定的多样性上猜测消费者的偏好，并据此向用户推荐，这些个性化推荐技术不仅能节省用户浏览搜索的时间，并且能找到一些网络角落里的暗信息，挖掘到信息海洋中的长尾利润。本文在深入总结了长尾理论相关问题的基础上，分析了长尾理论在电影推荐中的应用。3、提出并验证了基于多样性的协同过滤推荐模型传统的在线推荐系统的准确性多依赖于协同过滤推荐算法，然而推荐系统的目的是吸引消费者的兴趣，将浏览者转变为购买者，而不是准确的预测他们的评分。在线推荐系统是社会过滤过程的服务器版本，前期的研究大多强调协同过滤算法的精确性。而有效的推荐系统必须是可信任的，而且要求系统逻辑透明度好，能够提供给消费者新的、无经验的项目。本文基于此提出从用户体验的视角研究推荐系统的质量评价，在推荐候选集合算法中增加了一个新鲜度因子，利用协同过滤相似度计算方法结合聚簇算法进行个性化推荐，推荐结果与传统的推荐算法进行比较，实验结果具有一定的准确度和较高的多样性，从而为更好的建立电子商务推荐系统提供了依据。4、提出基于最大熵的情感文本识别算法由于互联网上海量的消费者文本评论信息对其他消费者感知企业的口碑信誉有重要的影响，而且蕴藏了大量消费者的偏好和行为特征，通过文本评论信息分析技术，企业可以了解消费者对企业信誉、产品或服务的感知服务质量和个性化偏好，从而有针对性地制定企业战略，改进信息系统体系结构，提供个性化推荐项目，提高竞争实力。本文提出了一种基于最大熵模型的在线评论情感搭配识别算法，用来识别网络文本评论的情感倾向。设计了基于情感词语语义特征的最大熵模型算法，根据同义词词表将情感文本评论语料中的同义词或近义词词语作为一个语义特征类，选择包含某一语义特征类的情感文本评论语料组成基于最大熵的原子特征模板和复合特征模板，进行自动的识别。对文本情感评论语料中评价词和评价对象之间搭配关系的判断属于一个搭配或非搭配的二分类问题。本文基于最大熵模型对评价搭配进行二分类，并通过构建极性词表以扩充最大熵特征模板，实验证明该模型能够提高分类的准确率。