信息检索专业论文-电商的推荐系统.docxVIP

电商的推荐系统 摘要 如今，到网上购物的人已经习惯了收到系统为他们做出的个性化推荐。所有这些推荐结果都来自于各式各样的推荐系统。它们依靠计算机算法运行，根据顾客的浏览、搜索、下单和喜好，为顾客选择他们可能会喜欢、有可能会购买的商品，从而为消费者服务。今天，推荐系统都是些极其复杂和精专的系统，尽管他们不能做到完美的选择，却能够尽量吸引甚至引导顾客消费。 关键词 推荐系统 亚马逊 淘宝 天猫商城 个性化协同推荐 一 引 言 这些年来，推荐系统有了相当的进展。开始时它们还相对较为粗糙，往往对行为做出不准确的预测；但随着更多的和不同类型的网站用户数据变得可用，推荐系统得以将创新算法应用于这些数据之上，它们迅速得到了改善。推荐系统都是些极其复杂和精专的系统，甚至有时候看起来比你自己还要了解你。同时，推荐系统正在向零售网站以外的领域拓展：大学用它们来引导学生选课，移动电话公司靠它们来预测哪些用户有可能转投另一家供应商，会议主办方也测试过用它们来分配论文给审稿专家[1]。 二 对电商推荐系统观察 1 亚马逊 （1）推荐无处不在 从推荐的形式中我们可以看到amazon除了付款流程外，把推荐服务放到了网站的各个角落。 （2）推荐变化多样 amazon综合了多种推荐服务类型，基于item相似性和相关性，基于浏览/购买历史，基于协同过滤等等，我们都能够很轻松的发现他们的影子，当然amazon并