電商平臺林產(chǎn)品個性化推薦算法研究.pdf

1、林產(chǎn)品以其具有的天然、環(huán)保、綠色的優(yōu)勢，成為了健康產(chǎn)品的主流選擇之一。電子商務(wù)平臺的不斷發(fā)展帶動了林業(yè)產(chǎn)品推廣和銷售。但是隨著用戶和產(chǎn)品規(guī)模的不斷增多，出現(xiàn)了嚴重的“信息負載”問題，因此個性化推薦服務(wù)應(yīng)運而生。個性化推薦服務(wù)能夠快速主動挖掘潛在的購買用戶，幫助用戶快速找到可能感興趣或喜歡的商品，不但可以增加網(wǎng)絡(luò)流量、提升營業(yè)收入，同時還能夠加強用戶對于網(wǎng)站的忠誠度以及用戶體驗。電子商務(wù)平臺對于產(chǎn)品的推薦大多是基于協(xié)同過濾推薦算法，該算法

2、是迄今為止應(yīng)用最成功的個性化推薦算法，被廣泛的應(yīng)用到很多領(lǐng)域中。但是隨著互聯(lián)網(wǎng)的快速普及，使得電商平臺用戶、產(chǎn)品規(guī)模的不斷擴大，協(xié)同過濾算法遇到嚴重的數(shù)據(jù)稀疏性問題，導(dǎo)致推薦的精度和可擴展性都在急劇下降。
　　文中對協(xié)同過濾算法進行深入學(xué)習(xí)和研究過后，提出了一種基于Weighted SlopeOne(簡稱WSO)的K-means個性化林產(chǎn)品推薦算法，該算法首先將WSO算法進行產(chǎn)品打分的思想應(yīng)用于高維稀疏用戶-產(chǎn)品評分矩陣的填充上，

3、然后使用改進的K-means算法對用戶進行聚類生成用戶類簇，最后在每個類簇內(nèi)為目標用戶實現(xiàn)推薦服務(wù)。文中以MovieLens數(shù)據(jù)集為數(shù)據(jù)源進行對比試驗，經(jīng)仿真表明，文中的算法能夠有效地提升推薦的精度和可擴展性。以Apache Mahout為實驗平臺，將文中提出的基于WSO的K-means個性化林產(chǎn)品推薦算法應(yīng)用于京東商城的林產(chǎn)品購買評分中，實驗結(jié)果表明，文中提出算法的precision、recall、MAE指標反應(yīng)良好，適宜將文中提出的