- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于用户行为的电子商务推荐算法
目录1234背景电子商务推荐系统基于用户行为的电子商务推荐产品推荐
电商的崛起,以及大量的用户和企业参与,导致了电商平台产生的信息数目庞大。主要表现在用户的数目和商品的数目增加使得每天贸易所产生的数据信息变得无比庞大。因此,电子商务的服务需要不断完善和提高。目的是为了满足用户在面对庞大的商品信息时能够快速准确的获得推荐系统推荐的,能够引起用户感兴趣的商品并增强用户体验。1背景
1.1国内外背景根据对用户行为和商品的特征等信息的研究,提出了“一对一”、个性化服务的研究和实践。在国内,凡客衣柜的T恤、唯品会的专做特卖、当当的书籍等都是具有个性化定制特色的电商平台。其用意都是做特色,为用户推荐个性化商品和提高用户体验。同样,国外由于互联网的兴起比国内要早,电子商务的发展也是十分的成熟。国外的互联网领域都包含了有相关服务或者是产品的推荐,其中比较有特色的有亚马孙的个性化产品、Netflix的视频和DVD推荐、Pandora的音乐推荐、Facebook的好友推荐、GoogleReader的个性化阅读以及各种个性化广告等。
1.2现实需求在这样的环境下,就需要一个与推荐系统(RecommenderSystem)有相似功能和作用的模块来提高用户体验。通过它能够根据用户需求和兴趣爱好,推荐出符合用户兴趣的对象。电子商务推荐系统(RecommenderSysteminE-commerce)的提出,正是提供“一对一”个性化服务的一种最重要的信息技术,也是电子商务平台中能够实现智能化推荐的模块。
2电子商务推荐系统电子商务推荐系统的大致作用主要表现在三个方面将电子商务网站的浏览者变为购买者提高电子商务网站的交叉销售能力提高客户对电子商务网站的忠诚度
2电子商务推荐系统电子商务推荐系统也会记录电子商务平台上用户本身注册时所填写的兴趣记录以及用户通过对商品的交互所产生的行为特征数据。在信息爆炸时代,用户在日常贸易活动中产生的数据信息有大数据时代的显著特征。
2电子商务推荐系统目前电子商务推荐系统的推荐首先是需要在已有的用户兴趣和行为数据的基础上筛选和计算用户之间的相似性,并且及时更新用户行为兴趣的变化。当用户登录到电商平台时,推荐系统可以根据推荐算法的数学运算做出商品推荐。协同过滤推荐算法就是这一类推荐系统常用的最优秀的推荐技术之一。我们将介绍基于用户行为的电子商务推荐算法的研究。
2.1电子商务推荐算法所谓电子商务推荐算法是将电子商务平台上获取到的用户贸易行为数据和用户兴趣记录,通过数学方法计算来推荐出用户接下来可能感兴趣的商品。其目的是为了提供更加准确的推荐信息,最大化的发挥电子商务推荐系统在电子商务贸易中的作用,体现兴趣化个性服务的特点。研究表明,电子商务的销售行业使用个性化推荐系统后,销售额能提高2%~8%。
2.1电子商务推荐算法在电商贸易平台中,电子商务推荐系统主要分为两大核心模块。两大核心模块:电子商务推荐系统主要核心模块则是推荐技术,其性能的拙劣将直接影响最终用户对推荐结果的认可程度和推荐系统的实用性。输入输出模块推荐技术模块
2.2协同过滤推荐技术协同过滤推荐主要可以分为两类:一是基于内存的协同过滤(Memory-basedCollaborativeFiltering),先用相似的统计方法得到具有相似兴趣爱好的邻居用户,所以该方法也称基于用户的协同过滤(User-basedCollaborativeFiltering)或基于邻居的协同过滤(NeighborCollaborativeFiltering);二是基于模型的协同过滤(Model-basedCollaborativeFiltering),先用历史数据得到一个模型,再用此模型进行预测。。
2.2协同过滤推荐技术基于用户的协同过滤推荐机制的基本原理物品B物品A物品C喜欢推荐
2.2协同过滤推荐技术两类协同过滤推荐技术的主要区别表现在:基于内存的协同过滤首先是通过分析统计数据,查找拥有共同特征的客户并通过计算得到相似用户(邻居)。然后在通过相似的邻居用户之间的贸易记录进行推荐。因而该方法主要是通过消耗内存进行不断的计算得到的。基于模型的协同过滤则是首先通过对离线的数据集进行研究分析和数据挖掘,并得到一些特征数据。然后用机器学习的思维将得到特征数据用于模型并参与最终的预测。因此,当拥有的离线数据仅仅只包含在贸易过程中所产生的用户商品购买行为数据时,研究基于用户对商品的行为并产生推荐则需要基于模型的协同过滤
网络工程师持证人
本人已从事浙江省工程咨询5年,对浙江省内工程信息非常熟悉,可获取新建工程相关联系人、设计院、业主等关键信息。另外从事楼宇自控专业已10年,考取了一建二建等资格证书,有关考试方面的问题(考试心得、方法、学习资料等)都欢饮来咨询交流。
文档评论(0)