基于群體動態(tài)興趣度的個性化推薦方法研究.pdf_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著電子商務(wù)的蓬勃發(fā)展,近年來在整個社會物品零售額中,線上消費(fèi)的占比越來越高。與線下消費(fèi)相比,電商和廣告等在線平臺能更方便、更準(zhǔn)確地記錄用戶的瀏覽路徑和購買歷史,從而收集海量的用戶行為日志。同時用戶很難在海量的商品信息快速找到喜歡的,如何利用這些數(shù)據(jù),提高電商運(yùn)營和用戶體驗(yàn),這是被越來越多的工業(yè)界和學(xué)術(shù)界所關(guān)注的問題。
  傳統(tǒng)基于用戶商品評分矩陣的推薦方法并未反映用戶對物品的興趣隨時間變化的過程,推薦的物品列表偏離了用戶的當(dāng)前真

2、實(shí)喜好。在用戶沒有明確的購買意圖去瀏覽或新用戶商品歷史交互數(shù)據(jù)稀疏下,基于用戶或商品的相似性方法缺乏較高的準(zhǔn)確性。基于群體動態(tài)興趣度的個性化推薦算法針對以上問題,加入時序特征推斷用戶對物品的動態(tài)興趣并結(jié)合用戶自身興趣度和對大眾熱點(diǎn)的關(guān)注趨勢較好的適應(yīng)推薦冷啟動?;谌后w動態(tài)興趣度的個性化推薦算法通過貝葉斯規(guī)則預(yù)測用戶興趣,并度量出時間因素對用戶興趣度變化的影響程度從而預(yù)測用戶興趣度的遷移,進(jìn)而利用加權(quán)網(wǎng)絡(luò)推斷預(yù)測用戶潛在興趣度。在此基礎(chǔ)

3、上通過聚合海量個體用戶的動態(tài)興趣從而快速有效的獲得當(dāng)前群體的共性化推薦列表。最后依賴時間因素和用戶個體行為數(shù)據(jù)的稀疏程度將兩種推薦模型有效的融合,從而為用戶提供個性化推薦服務(wù)。
  通過使用在阿里巴巴天貓1200萬真實(shí)用戶4個月與3萬品牌的交互行為日志的數(shù)據(jù)集,實(shí)驗(yàn)結(jié)果表明基于群體動態(tài)興趣度的個性化推薦可以在利用用戶動態(tài)興趣度變化下有效的預(yù)測用戶當(dāng)前感興趣的物品,實(shí)現(xiàn)對用戶個性化推薦,并提出了滑動窗口從而提升了推薦的精確度以及降低

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論