电子商务推荐系统介绍.ppt

文档名
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(CommunityInputs)
项目属性(ItemAttribute):社团对商品风格和类别的集体评判
社团购买历史(CommunityPurchaseHisto
文档名
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(CommunityInputs)
项目属性(ItemAttribute):社团对商品风格和类别的集体评判
社团购买历史(CommunityPurchaseHistory):社团过去的购买纪录
文本评价(TextComments):其他客户对商品的文本评价,计算机并不知道评价是好是坏
评分(Rating):其他客户对商品的评分,计算机可以对评分进行处理
2022/9/5
电子商务推荐系统简介
电子商务推荐系统的输出:
建议(Suggestion)
单个建议(SingleItem)
未排序建议列表(UnorderedList)
排序建议列表(OrderedList)
预言(Prediction):系统对给定项目的总体评分
个体评分(IndividualRating):输出其他客户对商品的个体评分
评论(Review):输出其他客户对商品的文本评价
2022/9/5
电子商务推荐系统简介
推荐技术分类标准:
自动化程度(DegreeofAutomation):客户为了得到推荐系统的推荐是否需要显式的输入信息
持久性程度(DegreeofPersistence):推荐系统产生推荐是基于客户当前的单个会话(Session)还是基于客户的多个会话
2022/9/5
电子商务推荐系统简介
推荐技术分类
Non-PersonalizedRecommendation:推荐系统的推荐主要基于其他客户对该产品的平均评价,这种推荐系统独立于客户,所有的客户得到的推荐都是相同的(自动,瞬时)
Attributed-BasedRecommendation:推荐系统的推荐主要基于产品的属性特征(手工)
Item-to-ItemCorrelation:推荐系统根据客户感兴趣的产品推荐相关的产品(瞬时)
People-to-PeopleCorrelation:,又称协同过滤,推荐系统根据客户与其他已经购买了商品的客户之间的相关性进行推荐(自动,持久)
2022/9/5
电子商务推荐系统简介
电子商务推荐系统研究热点与方向:
对当前的电子商务推荐系统进行改进,以使得推荐系统能产生更加精确的推荐
将数据挖掘技术及Web挖掘技术应用到电子商务推荐系统中,产生完全自动化的推荐,使用户感受到完全个性化的购物体验
将电子商务推荐系统由虚拟的销售人员转变为市场分析工具
开发销售方的电子商务推荐系统,为商家的产品定价、促销活动及交叉销售等提供推荐
2022/9/5
电子商务推荐系统技术介绍
电子商务推荐系统使用的技术主要有:
二部图
关联规则
聚类
协同过滤技术
2022/9/5
电子商务推荐系统技术介绍
电子商务推荐系统中的关联规则技术根据关联规则发现算法和客户当前的购买行为向用户产生推荐
关联规则的发现也可以离线进行
推荐精度比最近邻技术略差
具体介绍见第三节
2022/9/5
电子商务推荐系统技术介绍
电子商务推荐系统中的聚类技术将具有相似爱好的客户分配到相同的族中,聚类产生之后,根据族中其他客户对某商品的评价就可以得到系统对该商品的评价
聚类过程可以离线进行
聚类产生之后,性能比较好
如果某客户处于一个聚类的边缘,则对该客户的推荐精度比较低
推荐精度比最近邻技术略差
2022/9/5
电子商务推荐系统技术介绍
电子商务推荐系统中的协同过滤技术一般采用最近邻技术,利用客户的历史喜好信息计算客户之间的距离,目标客户对特定商品的喜好程度由其最近邻居对商品评价的加权平均值来计算
可以处理客户数据变化比较快的情况
在大型数据库中搜索最近邻居非常耗时,实时性不好
2022/9/5
电子商务推荐系统技术介绍
协同过滤算法的主要挑战:
算法的适应能力:处理大规模的数据
推荐精度,使用如下两个指标来度量:
Falsenegatives:客户喜欢但推荐系统并没有推荐的商品
Falsepositive:推荐系统推荐但客户并不喜欢的商品
2022/9/5
基于聚类的推荐算法
用户聚类和项目聚类
2022/9/5
协同过滤算法
任务:预测下表中问号所对应的得分
2022/9/5
基于最近邻居的协同过滤算法
算法分为三个主要的阶段:
表示(Representation):对客户已经购买的商品进行建模
邻居形成(NeighborhoodFormation):寻找目标客户所对应的邻居
推荐产生(Recommenda