-
题名跨境电商下基于商品属性-情境的推荐算法
被引量：2
- 1
-
-
作者
李建斌
钱自顺
蔡学媛
戴宾
-
机构
华中科技大学管理学院
武汉纺织大学管理学院
武汉大学经济管理学院
-
出处
《系统工程学报》
CSCD
北大核心
2024年第3期333-343,468,共12页
-
基金
国家自然科学基金资助项目(71831007,72071085,72101192,72171178)
华中科技大学人文社科培育资助项目(2021WKFZZX008)
湖北省普通高校人文社科重点研究基地资助项目(DSS20210405)。
-
文摘
在传统协同过滤推荐算法的基础上,结合跨境电商行业特点,提出了一种基于商品属性和情境权重的混合推荐算法.首先,根据用户商品的历史购买金额和购买次数生成用户偏好评分,并结合用户商品属性相似度和情境化用户相似度得到目标用户的最近邻集,最后将通过变异系数法得到的情境权重纳入评分预测当中,进而生成推荐结果.实证分析表明,本算法能有效提升商品推荐结果的预测准确度,相较基于商品属性的协同过滤推荐算法,本算法可降低商品预测评分平均绝对误差平均达2.72%,提高了跨境电商商品推荐效果.本研究为推荐系统在跨境电商领域的应用提供了新方法.
-
关键词
跨境电商
协同过滤
推荐系统
商品属性
情境权重
-
Keywords
cross-border e-commerce
collaborativefiltering
recommendation system
commodity attributes
context weight
-
分类号
F272.3
[经济管理—企业管理]
-
-
题名ICAMF-CC:改进的情境感知矩阵分解算法
- 2
-
-
作者
罗国前
刘志勇
张明颜
张家鑫
刘亚鹏
-
机构
东北师范大学信息科学与技术学院
东北师范大学教育部数字化学习支撑技术工程研究中心
大同煤矿集团有限责任公司
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第8期2297-2300,共4页
-
基金
吉林省教育厅“十三五”科学技术研究规划项目(202118628)
吉林省教育厅新工科研究与实践项目(131003229)。
-
文摘
情境感知推荐系统是当前推荐领域的研究热点,而情境感知矩阵分解算法(CAMF-CC)是当前领域的一种有效模型。针对CAMF-CC算法在推荐时存在的准确度不高的问题,提出了一种改进的情境感知矩阵分解算法(ICAMF-CC)。该算法在原有CAMF-CC算法的基础上,通过融入项目偏置项和情境权重来进行评分预测。其优势在于,一方面,融入了项目本身特性对评分的影响;另一方面,充分考虑了不同情境因素在推荐过程中有着不同的影响力,提高了预测评分的准确度。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于CAMF-CC算法。
-
关键词
情境感知矩阵分解
项目偏置项
情境权重
-
Keywords
context-aware matrix factorization
item bias
context weights
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
