基于内容的推荐技术
最近做学校的一个商城项目需要推荐功能,于是翻看了几篇论文,感觉基于内容的推荐技术比较合适,索性就拿来用用。通过提取用户最近的商品收藏或者搜索记录中的有用信息,得到喜好模型从而计算相似度推荐商品。
构建用户喜好向量,通过向量相似度来推荐对象,我采用余弦相似度来计算
选取特征值
在用户的商品收藏表选取几个字段作为特征值,特征值需要与被推荐商品的字段对应,通过对检索商品的分析,各个特征值的权重应该不同,但总和为1.
我选择了商品标签、价格、发货地址、商品状态、发布时间作为特征值。
特征值的量化
商品标签:
商品表中的标签分为三级,每往下一级两个商品的类型就越相似,所以权重就越大,因为只有三个标签所以每个档位的量化值相差定为0.3,则有:
一级标签0.4--------二级标签0.7-------三级标签1
价格:
通过收藏的商品价格与商品表中相似商品价格相减的绝对值来量化,与收藏商品价格越接近两个商品相似,每个档位量化值相差定为0.2,则有:
abs<=100-------1
100<abs<=300------0.8
300<abs<=500------0.6
500<abs------0.4
发货地址:
发货地址