题名 基于商品属性与用户聚类的个性化服装推荐研究
被引量：8
1
作者
艾黎
机构
武汉大学信息管理学院
出处
《现代情报》
CSSCI
北大核心
2015年第9期165-170,共6页
文摘
淘宝网作为电子商务时代最大的网上零售平台,为用户提供越来越多的商品与服务的同时,也出现了信息过载等一系列问题。鉴于此,本文提出了基于商品属性与用户聚类的个性化服装推荐方法,通过用户个人信息与对商品的评价,计算用户之间的相似度,进行聚类分析。与此同时,将商品化整为零,通过商品属性来计算商品的相似度,得到top-N相似列表。以此,综合商品与用户两者的权重值,实现为用户提供个性化的商品推荐,解决用户面对信息过载的难题,为用户节省精力,提高用户的购物体验。针对某一淘宝网店铺,本文提出了适合的混合推荐算法,并通过搜集实际数据进行了实证研究,对推荐结果进行准确性评价。
关键词
个性化 商品属性 用户聚类 混合推荐
Keywords
persenalization commodity attribute user clustering hybrid recommendation
分类号
F713.36
[经济管理—产业经济]
题名 时间上下文的协同过滤Top-N推荐算法
被引量：7
2
作者
刘云 王颖 亓国涛 包智妍
机构
华北电力大学控制与计算机工程学院
出处
《计算机技术与发展》
2017年第7期79-82,共4页
基金
国家"863"高技术发展计划项目(2012AA121005-3)
文摘
在推荐系统中,通过收集和分析用户在系统中的所有行为信息,创建用户独有的偏好模型,从而根据该模型推断出用户可能感兴趣的物品。传统协同推荐算法一般都是利用收集的用户行为信息,根据偏好模型分析用户的行为特点,筛选出向用户推荐的物品列表,但推荐列表大同小异。为了提高推荐的准确性和精确性,让用户在不同的时间可以看到不同的推荐结果,提出了以传统协同过滤算法为基础的改进算法。在分析用户行为信息,建立用户行为特征时,考虑不同时间下用户历史信息也不同,时间越近越能反映当前用户行为特征。用户在较短时间间隔内感兴趣的物品,具有更高的相似度。故以时间作为权重因子引入到算法中,加重近期行为在算法中所占的比重,优先向用户推荐与他浏览过的物品类似的物品,从而提高推荐物品的多样性。在典型数据集上的实验表明,在保证推荐准确度的前提下,融合时间的推荐算法准确率和召回率明显提高,验证了该算法的有效性。
关键词
协同过滤 商品推荐 时间影响 权重因子 时间衰减
Keywords
collaborative filter commodity recommendation time effect weight factor time decay
分类号
TP399
[自动化与计算机技术—计算机应用技术]
题名 基于耦合CNN评分预测模型的个性化商品推荐
被引量：7
3
作者
冯勇 韩晓龙 顾兆旭 王龙 徐孟阳 刘志国
机构
辽宁大学信息学院 辽宁轻工职业学校计算机系 中国石油天然气股份有限公司华北化工销售公司
出处
《小型微型计算机系统》
CSCD
北大核心
2020年第2期393-398,共6页
基金
国家自然科学基金项目(71771110)资助 辽宁省社会科学规划基金项目(L18AGL007)资助 吉林大学符号计算与知识工程教育部重点实验室项目(93K172018K01)资助.
文摘
电子商务中大量评论数据蕴含着丰富的信息,该信息有助于解决个性化推荐系统存在的数据稀疏问题.为了充分挖掘评论数据蕴含的价值,提高商品推荐的准确率,本文提出了基于耦合CNN评分预测模型的个性化商品推荐方法.该方法首先利用耦合CNN构建评分预测模型,将耦合CNN分为用户网络和商品网络,划分成输入层、卷积层、输出层和共享层;用户评论数据和商品评论数据分别从相应网络输入;在评论数据分析时,从字向量角度进行语义分析,同时改变传统的使用单一大小卷积核处理句子的模式,使用多个并行的卷积层,利用大小不同的卷积核对句子进行特征提取;两个网络的输出将共同汇聚于共享层,在共享层使用因子分解机进行评分预测;最后将结果中的高评分商品推荐给用户.经对比实验验证,本文所给方法能够提高商品推荐的准确率.
关键词
个性化 商品推荐 卷积神经网络 评论 评分预测
Keywords
personalized commodity recommendation convolutional neural network(CNN) comment scoring prediction
分类号
TP302
[自动化与计算机技术—计算机系统结构]
题名 考虑对象关联关系的多样化商品推荐方法
被引量：7
4
作者
游运 万常选 陈煌烨
机构
江西财经大学信息管理学院 东华理工大学理学院 江西财经大学数据与知识工程江西省高校重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2018年第7期70-76,共7页
基金
国家自然科学基金(No.61562032) 江西省自然科学基金重大项目(No.20152ACB20003)
文摘
针对社会化商品推荐中推荐对象背景数据单一、推荐结果缺乏多样性等问题,提出了一种基于推荐对象间关联关系的多样性推荐算法。在领域本体建模的基础上,将推荐对象之间的关联分为三类,即互补关联、相似关联和情景关联,分析推荐商品与消费者兴趣本体之间的综合商品相似度,综合商品互补度和商品情景关联度,最后根据算法得出各商品推荐度及推荐列表。实验结果表明,该方法与传统的推荐方法相比,在一定程度上丰富了推荐商品的类型,优化了推荐列表排名,进一步满足了消费者对互补性商品及情景关联性商品的推荐需求。
关键词
语义关联 商品推荐 本体 关联数据
Keywords
semantic association commodity recommendation ontology relational data
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于云计算的线上商品智能推荐系统设计与应用
5
作者
薛丽香 巨筱
机构
郑州科技学院
出处
《信息与电脑》
2024年第4期112-114,共3页
基金
2022年度郑州市社会科学调研课题(项目编号:ZSLX20220138)。
文摘
受用户行为和商品属性的影响,线上商品推荐的可靠性难以得到保障,为此,设计基于云计算的线上商品智能推荐系统。将密集计算型ic5云服务器作为系统的硬件装置;在软件设计阶段,利用云计算技术对用户行为进行综合分析,并将其与商品属性进行匹配分析,确定最终的推荐结果。应用测试结果显示,该系统在不同数据集上的接受者操作特性曲线下面积(Area Under Curve,AUC)表现出了较高的稳定性,且均在0.88以上,表明该系统具有较高的应用价值。
关键词
云计算 线上商品 智能推荐 用户行为 商品属性
Keywords
cloud computing online commodity intelligent recommendation user behavior commodity attribute
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 基于关联规则的商品智能推荐算法
被引量：6
6
作者
张勇杰 杨鹏飞 段群 韩丽娜
机构
咸阳师范学院计算机学院
出处
《现代计算机》
2016年第7期25-27,共3页
基金
咸阳师范学院大学生创新训练项目(No.2015005) 陕西省大学生创新训练项目(No.2097)
文摘
目前越来越多的消费者通过电子商务平台购买商品,但是网络购物系统提供大量的商品信息,这使得顾客无法快速地找到自己所需的商品。利用关联规则算法完成商品的智能推荐,通过对用户的历史购买记录进行分析,挖掘出客户的购买兴趣,向用户推荐相应的关联购买商品。实验仿真结果表明,该文提出的算法是有效的、可行的,为用户购买商品提供一定的辅助决策作用。
关键词
关联规则 商品推荐 数据挖掘
Keywords
Association Rules commodity recommendation Data Mining
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
题名 无线网络的电子商务商品自动推荐系统
被引量：5
7
作者
邹坤
机构
成都信息工程大学银杏酒店管理学院
出处
《现代电子技术》
北大核心
2020年第7期82-85,共4页
基金
2018年四川农业大学课题:四川农业特色品牌开发与传播研究中心的项目(CAB1806)。
文摘
传统电子商务自动推荐系统与用户的实际喜好不同,推荐后成交量低。针对上述问题,在无线网络的基础上,设计了一种新的电子商务商品自动推荐系统,系统硬件主要由信息采集器、信息储存分析器、商品分析器、商品推荐器四部分组成,通过数据预处理建立分散类,得到目标用户所在区域,计算相似度,实现商品个性化推荐系统软件程序设计。为检测系统效果,设计了对比实验。实验结果表明,无线网络的电子商务商品自动推荐系统能够根据用户喜好推荐有效商品,提高成交量。
关键词
自动推荐系统 商品推荐 电子商务 无线网络 相似度计算 对比实验设计
Keywords
automatic recommendation system commodity recommendation E-commerce wireless network similarity calculation contrast experiment design
分类号
TN911-34
[电子电信—通信与信息系统]
TP181
[电子电信—信息与通信工程]
题名 B2C模式多层购物体系时镜反转商品数据降维挖掘
被引量：5
8
作者
郭崇 杜鹏
机构
辽宁工业大学管理学院 辽宁工业大学计算中心
出处
《科技通报》
北大核心
2013年第10期165-167,共3页
基金
2012年辽宁工业大学青年教师校基金课题(X201225) 2013年辽宁省教育厅科学研究一般项目(w2013100)
文摘
提出一种B2C模式下商品数据降维挖掘处理的商品推荐及实现方法,在B2C模式多层购物体系下,采用被动时间反转镜技术建构多维商品数据的降维模型,采用数据挖掘的方法提取用户在网站上浏览信息,留言信息等,综合对信息进行数据挖掘处理,提取用户最关心的信息,然后对相应的用户推荐相应类型的商品,从而大大提高B2C模式下电子商务的交易成功率;采用一种商品在北京市的分布作为研究对象比较推荐前后的商品覆盖率,结果显示,基于数据挖掘的B2C模式下商品推荐将商品覆盖率提高了66%。研究成果展示了在电子商务管理的良好的应用前景和价值。
关键词
B2C模式 数据挖掘 商品推荐 降维处理
Keywords
B2C data mining commodity recommendation dimensionality reduction processing
分类号
TP29
[自动化与计算机技术—检测技术与自动化装置]
题名 基于spark平台的跨境电商产品混合式协同推荐
9
作者
李佳颖 刘静
机构
广州南洋理工职业学院经济管理学院 喀什大学计算机科学与技术学院
出处
《贵阳学院学报（自然科学版）》
2023年第4期38-43,共6页
基金
2021年广东省特色新型智库“广东省乡村振兴高质量服务方略研究”(项目编号:2021TSZK021) 2022年广东省社科规划项目“‘数商兴农’工程下广东省农村电子商务竞争力评价研究”(项目编号:GD22XYJ28)。
文摘
跨境电商产品推荐由于受到语言和文化差异等原因,要实现精准推荐仅靠单一方法完全不够。为提高产品的有效推荐,采用混合式协同推荐策略,将隐语义挖掘和特征聚类算法联合应用于混合式系统推荐策略,并借助于Spark平台优化推荐效率。首先,采用隐语义模型(LFM)对用户及商品的隐含特征关注度和重要度进行初始化,并构建用户—商品评分函数;以RMSE为优化函数,通过梯度下降获得LFM用户—商品评分值,根据评分值生成候选商品推荐序列;接着采用K-means算法对用户—商品特征进行聚类分析,并通过鲸群优化算法(WOA)对初始类中心进行优化求解,获得候选商品推荐序列。综合两种策略得到商品推荐系列,生成最终用户推荐商品。仿真结果显示,通过Spark平台的LFM和WOA-K-means的混合式协同推荐,四家跨境电商平台均获得90%以上的商品推荐准确度,对大规模跨境电商产品具有较高的适用性。
关键词
跨境电商 商品推荐 Spark平台 LFM模型
Keywords
Cross-border e-commerce commodity recommendation Spark platform LFM model
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
题名 基于大数据的电子商务商品推荐系统研究
被引量：4
10
作者
李志勇
机构
湖南大众传媒职业技术学院
出处
《电子测试》
2016年第8期85-85,43,共2页
基金
2014年度湖南省教育厅科学研究一般项目 <基于大数据的电子商务商品推荐系统的研究> 课题号:14c0234
文摘
随着现代电子商务的不断发展,如何在琳琅满目的商品中给客户推荐针对性的商品,从而提高商品成交率成为当前的思考的重点。本文结合当前的大数据技术,提出一种基于数据挖掘的电子商务推荐系统,并对其实现进行了详细的探讨,从而为当前电子商务的发展提供参考。
关键词
大数据 数据挖掘 电子商务 商品推荐 系统
Keywords
big data data mining electronic commerce commodity recommendation system
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
TP391.3
[自动化与计算机技术—计算机科学与技术]
题名 基于Prolog语言的商品推荐知识库模型
被引量：4
11
作者
汲业 陈燕 屈莉莉 张琳
机构
大连海事大学交通运输管理学院
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第22期10-12,共3页
基金
国家自然科学基金资助项目(70940008)
文摘
针对电子商务个性化推荐问题的特点,引入知识工程的树状表示法,将商品推荐中的三要素转化成描述树进行表达,建立基于Prolog语言的个性化推荐知识库模型。该模型可以根据顾客浏览商品先后次序求解,并与数据库动态地交互数据,实现在线购物的个性化营销。该模型相对独立,通过数据库接口共享电子商务系统数据,能够适应不同结构的电子商务系统。
关键词
电子商务 PROLOG语言 知识库 商品推荐
Keywords
E-commerce Prolog language knowledge base commodity recommendation
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于电商平台的智能推荐算法研究
被引量：3
12
作者
金子坤
机构
江苏省宿迁市宿迁学院信息工程学院
出处
《办公自动化》
2022年第1期25-27,共3页
基金
宿迁学院大学生创新项目2021XSJ054Y。
文摘
随着网络科技的快速发展,网民数量的迅速增加,电子商务服务也随之不断发展,网购的用户和商品的种类也日益增加。为提高电商们的销售水平,提高网购平台的交易数目,也为能让用户们更快更好地获得需要或喜欢的商品,这些电商平台大都采用一定的智能推荐算法完成。本文将介绍电商平台常用的一些推荐算法并分析推荐算法所产生的问题和应对方法。
关键词
电子商务 网购 用户 商品 推荐算法
Keywords
E-business online shopping users commodity recommendation algorithm
分类号
F713.361
[经济管理—产业经济]
TP393
[自动化与计算机技术—计算机应用技术]
题名 基于距离衰减和评分趋势改进的协同推荐算法
被引量：3
13
作者
王勇 易庭
机构
广东工业大学计算机学院
出处
《广东工业大学学报》
CAS
2015年第2期38-42,共5页
基金
广东省教育部产学研结合项目(2012B091100071)
文摘
针对传统推荐算法忽略了用户到商品的距离因素以及评价标准不一致对推荐系统带来的影响等问题,提出一种基于距离衰减和评分趋势改进的协同推荐算法,引入距离衰减和评分趋势算法对协同推荐进行改进.实验结果表明该推荐方法不仅能够提高商品推荐准确度,同时也减少了推荐系统计算规模并提升算法效率.
关键词
距离 评分趋势 协同推荐 商品推荐
Keywords
distance rating trends collaborative recommendation commodity recommendation
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于神经协同过滤的个性化商品推荐方法
被引量：3
14
作者
王帅 孙喜民 高亚斌 孙博
机构
国网电子商务有限公司 国网电商科技有限公司
出处
《信息技术》
2021年第6期143-147,共5页
文摘
针对现有协同过滤方法对用户与商品的潜在信息挖掘不全面的问题,提出了一种基于多特征融合和外积神经协同过滤的个性化商品推荐方法。该方法分别采用多层感知器和卷积神经网络提取用户与商品之间的交互关系矩阵,充分利用拼接方法和外积运算的互补性,提高了对用户与商品关系的表征能力。利用外积神经协同过滤模型提升模型稳定性和拓展性。亚马逊公开数据集的测试结果表明,与原有单一特征的推荐模型相比,多特征融合能够有效提高商品评分预测性能,且推荐性能优于现有协同过滤方法。
关键词
商品推荐 神经协同过滤 多层感知器 卷积神经网络
Keywords
commodity recommendation neural collaborative filtering multilayer perceptron convolutional neural network
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
题名 基于客户聚类的商品推荐方法的研究
被引量：3
15
作者
王宏超 陈未如 刘俊
机构
沈阳化工学院计算机科学与技术学院
出处
《计算机技术与发展》
2008年第7期212-214,221,共4页
基金
辽宁省教育科学研究项目(05L338)
文摘
文中给出了一种新的数据源的获取方法,使用Web2.0技术直接从客户浏览行为中获取需要的数据,避免了传统Web使用数据挖掘时日志数据预处理时的大量繁杂工作,减少了噪声数据,提高了数据准确性。根据所获数据建立用户-商品矩阵,计算此矩阵的欧氏距离,在此基础上使用聚类算法将客户进行聚类,根据聚类结果对新来的客户进行有目的的商品推荐,并对聚类结果进行跟踪评价。目的是为了提高电子商务网站的个性化服务。
关键词
电子商务Web使用挖掘 商品推荐 个性化 客户聚类
Keywords
electronic commerce web use mining commodity recommendation personalization customers clustering
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于文本深层语义特征的亚马逊商品推荐
被引量：3
16
作者
李可 陈光平
机构
重庆教育科学研究院 中国计量大学信息工程学院
出处
《计算机科学》
CSCD
北大核心
2020年第2期65-71,共7页
基金
重庆市教育科学“十三五”规划2016年度重点规划课题(2016-00-011) 重庆第二师范学院特指项目(KY2018TZ03)~~
文摘
商品评论挖掘在商品推荐领域取得了越来越多的成果。传统的评论挖掘方法只集中在挖掘评论中隐含的浅层语义,其语义表达效果不理想。因此,目前商品推荐领域的一大挑战是如何挖掘商品评论的深层语义,提升语义表达能力,以及最大化地利用商品评论来提升商品的推荐效果。文中使用深度学习中的跨思维向量模型(Skip-Thought Vectors,STV)来学习评论的潜在语义特征。为了提升评论的语义表达能力,把深度学习中的长短记忆模型(Long Short-Term Memory,LSTM)应用于STV,结合双向信息流挖掘方法、用户情感偏好挖掘方法以及深度层级模型,引入了一种深层语义特征挖掘模型。该模型不仅能挖掘评论的深层语义特征,还能挖掘发表评论的用户的情感偏好。然后,将深层语义特征挖掘模型与矩阵分解模型(Singular Value Decomposition,SVD)相结合来实现商品推荐。在两个亚马逊数据集上的实验结果证明,所提模型在深度语义挖掘能力上优于传统的评论挖掘模型,相比使用传统评论挖掘模型的商品推荐系统提升了商品推荐的效果。
关键词
商品推荐 深度学习 语义挖掘 矩阵分解模型 文本表示
Keywords
commodity recommendation Deep learning Semantic mining Singular value decomposition Text representation
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 电子商务中基于复杂网络社团发现的商品推荐研究
被引量：3
17
作者
卢丹 王君博 武森
机构
北京科技大学东凌经济管理学院 北京邮电大学国际学院
出处
《工业技术创新》
2015年第1期61-65,共5页
基金
国家自然科学基金资助项目(71271027) 高等学校博士学科点专项科研基金资助项目(20120006110037)
文摘
本文针对电子商务中的商品推荐问题,利用交易数据构建基于商品的复杂网络,提出一种基于复杂网络社团发现的商品推荐方法,并且应用数据集进行了实验分析。结果表明,本方法在某用户只有较少历史行为数据时,仍可对该用户进行推荐,而且推荐结果可以保证新颖度和覆盖度。另外,此方法可处理的数据规模适用于电子商务的商品推荐,并且计算复杂度较低。
关键词
商品推荐 电子商务 复杂网络 社团发现
Keywords
commodity recommendation E-commerce Complex networks Community detection
分类号
TP301
[自动化与计算机技术—计算机系统结构]
TP302
[自动化与计算机技术—计算机科学与技术]
题名 基于SP_LDA模型的商品推荐算法
被引量：3
18
作者
郑祥云 陈志刚 黄瑞 李博
机构
中南大学软件学院 “移动医疗”教育部-中国移动联合实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第3期454-458,共5页
基金
国家自然科学基金项目(61379057)资助
文摘
在电子商务的商品推荐系统中,为了给用户提供个性化的商品推荐,不少研究者提出了各自的推荐方法.由于方法中考虑的影响因素小等原因使得一些问题仍未得到解决,如:精准度不高、时间复杂度较高等.针对以上问题,在LDA主题挖掘模型的基础上提出了一种新的适用于商品(SP)推荐的数据挖掘模型:SP_LDA模型.通过该模型进行推导,得到商品概率的计算公式.通过对用户的历史购买数据和浏览数据进行分析,以计算的方式求解商品被推荐的概率,最终得到用户潜在感兴趣的商品.实验表明本模型能够高效地对商品进行挖掘,合理地向用户推荐感兴趣的商品.
关键词
商品推荐 电子商务系统 SP_LDA模型 数据挖掘
Keywords
commodity recommendation e-commerce systems SP_LDA model data mining
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于改进的深度Q网络结构的商品推荐模型
被引量：3
19
作者
傅魁 梁少晴 李冰
机构
武汉理工大学经济学院
出处
《计算机应用》
CSCD
北大核心
2020年第9期2613-2621,共9页
基金
教育部人文社会科学研究规划基金资助项目(17YJA870006)。
文摘
传统推荐方法存在数据稀疏和特征识别差等问题,为了解决这些问题,根据隐式反馈构建具有时序性的正负反馈数据集。由于正负反馈数据集和商品购买具有强时序性特征,引入长短期记忆(LSTM)网络作为模型构件。考虑用户自身特征和用户动作选择回报由不同的输入数据决定,对竞争架构的深度Q网络进行改进,融合用户正负反馈和商品购买时序性,设计了基于改进的深度Q网络结构的商品推荐模型。模型对正负反馈数据进行区分性训练,对商品购买的时序性特征进行提取。在Retailrocket数据集上,与因子分解机(FM)模型、W&D模型和协同过滤(CF)模型中表现最好的相比,所提模型的准确率、召回率、平均准确率(MAP)和归一化折损累计增益(NDCG)分别提高了158.42%、89.81%、95.00%和67.57%。同时,使用DBGD作为探索方法,改善了推荐商品多样性低的缺陷。
关键词
深度强化学习 正负反馈数据集 竞争网络架构 长短期记忆网络 商品推荐
Keywords
deep reinforcement learning positive and negative feedback dataset competitive network architecture Long Short-Term Memory(LSTM)network commodity recommendation
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 考虑商品重复购买周期的协同过滤推荐方法改进
被引量：2
20
作者
张志清 李梦 胡竹青
机构
武汉科技大学管理学院 武汉科技大学服务科学与工程研究中心
出处
《武汉科技大学学报》
北大核心
2017年第4期307-313,共7页
基金
教育部人文社会科学研究规划基金项目(15YJA630103) 湖北省自然科学基金面上项目(2015CFB564) 湖北省教育厅人文社会科学研究重点项目(17D008)
文摘
传统基于用户的协同过滤商品推荐方法通常未考虑目标用户是否购买过类似商品以及商品的重复购买周期等因素,由此造成有些商品推荐的时机不对,不仅占用了推荐资源,还可能给消费者带来困扰,为此提出一种基于商品重复购买周期的改进协同过滤推荐方法。在传统协同过滤算法的基础上引入已购商品回购状态变量,根据目标用户的历史购买数据和商品重复购买周期对所购买商品的回购状态进行计算,进而得出不处于回购周期内的已购商品类集,据此对原始推荐结果进行过滤。实验结果表明,改进后的协同过滤推荐系统能有效预测顾客的购买行为,明显提高商品推荐的准确性。
关键词
商品推荐 协同过滤 重复购买 消费周期 回购 网上购物
Keywords
commodity recommendation collaborative filtering repeated purchase consumer cycle repurchase online shopping
分类号
F274
[经济管理—企业管理]
