推荐系统是电子商务环境下过滤过载信息的有效工具,但只向用户推荐商品的传统二维推荐方法并不适用于C2C(Customer to Customer)电商情境。在C2C在线情境中,商品的供应者不止一个,消费者不但需要筛选商品,而且需要筛选卖家。针对这一需...推荐系统是电子商务环境下过滤过载信息的有效工具,但只向用户推荐商品的传统二维推荐方法并不适用于C2C(Customer to Customer)电商情境。在C2C在线情境中,商品的供应者不止一个,消费者不但需要筛选商品,而且需要筛选卖家。针对这一需求,本文提出了一种新的个性化三维推荐方法,同时考虑C2C在线情境下买家、卖家和商品三者之间的相关性,并为买家提供卖家和商品的组合推荐。该方法包括四个阶段:首先基于卖家特征计算卖家相似度;其次依据卖家相似性和销售关系对三维推荐空间中的历史评分数据进行补充,降低其稀疏性;然后依据推导出的商品评分计算买家相似度,寻找具有相似商品偏好的最近邻;最后通过一个三维预测模型,计算买家对"卖家和商品"组合的未知评分,并根据预测评分进行推荐。通过基于淘宝网的真实数据实验,证实在C2C情境中本文提出的三维推荐方法比传统二维推荐方法更加有效。展开更多
文摘推荐系统是电子商务环境下过滤过载信息的有效工具,但只向用户推荐商品的传统二维推荐方法并不适用于C2C(Customer to Customer)电商情境。在C2C在线情境中,商品的供应者不止一个,消费者不但需要筛选商品,而且需要筛选卖家。针对这一需求,本文提出了一种新的个性化三维推荐方法,同时考虑C2C在线情境下买家、卖家和商品三者之间的相关性,并为买家提供卖家和商品的组合推荐。该方法包括四个阶段:首先基于卖家特征计算卖家相似度;其次依据卖家相似性和销售关系对三维推荐空间中的历史评分数据进行补充,降低其稀疏性;然后依据推导出的商品评分计算买家相似度,寻找具有相似商品偏好的最近邻;最后通过一个三维预测模型,计算买家对"卖家和商品"组合的未知评分,并根据预测评分进行推荐。通过基于淘宝网的真实数据实验,证实在C2C情境中本文提出的三维推荐方法比传统二维推荐方法更加有效。
