基于协同过滤的电子商务个性化推荐算法研究

摘要：

采用基于使用者的协同过滤推荐算法进行电子商务个性化推荐,将获取的评价数据作为推荐算法的输入,根据使用者行为的相似性获取"最近邻居"集,统计其中各邻居对项目商品的评价分数,并以使用者对项目商品的评分形式和使用者关注度最高的多个项目商品推荐列表形式进行项目商品推荐.在获取"最近邻居"集的过程中,通过使用者特征集提升电子商务推荐系统推荐最近邻居的准确度,利用兴趣度随时间变化函数修正使用者评价矩阵,从使用者特性和兴趣两方面对协同过滤推荐算法进行个性化改进.研究结果表明,所提算法推荐项目商品所需时间始终低于对比算法,且采用该推荐算法后电子商务平台交易成功率由38.4％提升至87.2％.

关键词：电子商务、个性化推荐、协同过滤、商品推荐、个性化改进、交易平台

所属期刊栏目：42

分类号：TN99-34;TP301

资助基金：山西大学商务学院2018年度院科研项目2018016

在线出版日期：2019-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：37-39,44