本文《Analysis of Recommendation Algorithms for ECommerce》探讨了推荐系统在电子商务中的应用，重点调查了协同过滤、数据挖掘和降维等技术，并在大规模数据集上进行实验。文章分析了推荐系统的可伸缩性、推荐质量，对比了不同算法的性能，提出新的推荐方法并展示优于传统算法的效果。同时，论文讨论了关联规则的support和confidence指标，并在实验中评估了推荐的三个子步骤。
一、基本信息
论文题目：《Analysis of Recommendation Algorithms for ECommerce》
发表时间：2000 Proceedings of ACM on E-Commerce
作者及单位：
论文地址：http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.38.5552
二、摘要
推荐系统通过采用统计学等知识来解决电子商务中的推荐问题，近些年来他们的应用取得了很大的成功。在这篇文章中，我们调查了一些现有的用来做大规模推荐任务的技术，并且在两个大型数据集上测试了诸如传统的数据挖掘、最近邻协同过滤和降维算法。为了实验，我们将推荐生成步骤分为三步，分别是对输入数据的表示、近邻信息和推荐产生。我们根据这三个步骤来对不同的推荐算法进行了分类，并对它们的推荐质量进行了评估。
三、主要内容与工作
1、协同过滤的两大问题：可伸缩性和提高推荐质量，其中提高推荐质量要着力避免false positive。
2、分析了推荐系统在真实数据集上的效率。
3、比较了不同推荐算法的性能。
4、提出了一个新的途径来进行推荐，并相比于以往算法有提升。
5、关联规则使用的两个指标support和confide
最低0.47元/天 解锁文章
3457
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
