电子商务推荐系统介绍-课件（PPT-精）.ppt

基于项目的协同过滤算法 相似性度量跟基于最近邻技术的协同推荐系统类似： 基于相关性的相似性(Correlation-based Similarity)：Pearson相关系数 基于余弦的相似性(Cosine-based Similarity) * 基于项目的协同过滤算法 产生推荐的方法很简单，根据目标客户对最相似项目的评分及最相似项目与目标项目的相似度产生推荐 * 基于项目的协同过滤算法 性能分析： 在基于最近邻技术的协同过滤推荐算法中，邻居生成阶段，特别是客户相似性计算是算法提高性能的瓶颈，使得大规模电子商务网站的实时推荐不能实现 本算法将邻居生成阶段和推荐产生阶段分离，使得邻居生成阶段可以离线进行，从而使得电子商务网站的实时推荐得以实现 * 判断用户1对电影3的态度 * 基于项目的协同过滤算法 以用户U1对电影I3的评分为例： 用户U1对电影I1,I2,I3进行了评分 分别计算I1和I3,I2和I3的相似度（利用余弦相似性） * * 基于二部图的推荐算法 二部图 一般的想法是“物以类聚，人以群分” 比如说人际关系网络，一个“聚类”中的人关系比较紧密 也有例外 * 二部图 同一类个体之间没有联系，而不同类的个体之间存在联系 比如夫妻关系一般只存在于男人和女人之间（而不会存在与同类之间） * * 假设U1的资源x1 平均分成三份给I1,I2,I3; I1把U1的资源均分给U1,U3,U4; I2把U1的资源均分给U1,U2,U5; I3把U1的资源均分给U1,U3,U4; 所以U1获得1/9+1/9+1/9=1/3的U1的资源 U2获得0+1/9+0=1/9的U1的资源 U3获得1/9+0+1/9=2/9的U1的资源 U4获得1/9+0+1/9=2/9的U1的资源 U5获得0+1/9+0=1/9的U1的资源 * U1可以获得多少U1的资源？ * 聚类、协同过滤、二部图进行分析 * * * 电子商务推荐系统介绍 * 提纲 电子商务推荐系统简介 电子商务推荐系统技术介绍 基于关联规则的推荐算法 基于最近邻居的协同过滤算法 基于项目的协同过滤算法 基于二部图的推荐算法 * 电子商务推荐系统简介 Harvard商学院的Joe Ping在大规模定制一文中认为现代企业应该从大规模生产(以标准化的产品和均匀的市场为特征)向大规模定制(为不同客户的不同需求提供不同的商品)转化 电子商务推荐系统(Recommendation System)向客户提供商品信息和建议，模拟销售人员帮助客户完成购买过程 * 电子商务推荐系统简介 电子商务推荐系统的作用： 将电子商务网站的浏览者转变为购买者(Converting Browsers into Buyers) 提高电子商务网站的交叉销售能力(Cross-Sell) 提高客户对电子商务网站的忠诚度(Building Loyalty) * 电子商务推荐系统简介 电子商务推荐系统的界面表现形式分类： Browsing：客户提出对特定商品的查询要求，推荐系统根据查询要求返回高质量的推荐 Similar Item：推荐系统根据客户购物篮中的商品和客户可能感兴趣的商品推荐类似的商品 Email：推荐系统通过电子邮件的方式通知客户可能感兴趣的商品信息 Text Comments：推荐系统向客户提供其他客户对相应产品的评论信息 * 电子商务推荐系统简介 电子商务推荐系统的界面表现形式分类(续)： Average Rating：推荐系统向客户提供其他客户对相应产品的等级评价 Top-N：推荐系统根据客户的喜好向客户推荐最可能吸引客户的N件产品 Ordered Search Results：推荐系统列出所有的搜索结果，并将搜索结果按照客户的兴趣降序排列 * 电子商务推荐系统简介 电子商务推荐系统的输入： 客户输入(Targeted Customer Inputs) 隐式浏览输入(Implicit navigation)：客户的浏览行为作为推荐系统的输入，但客户并不知道这一点 显式浏览输入(Explicit navigation) ：客户的浏览行为是有目的向推荐系统提供自己的喜好 关键词和项目属性输入(Keywords and Item attributes)：客户输入关键词或项目的有关属性以得到推荐系统有价值的推荐 用户购买历史(Purchase history)：用户过去的购买纪录 * 电子商务推荐系统简介 电子商务推荐系统的输入(续)： 社团输入(Community Inputs) 项目属性(Item Attribute)：社团对商品风格和类别的集体评判 社团购买历史(Community Purchase History)：社团过去的购买纪录 文本评价(Text Comments)：其他客户对商品的文本评价，计算