一种团购商品的个性化推荐算法研究
闫晓珊
米红娟
【摘
要】
团购商品凭借其价格优惠和能够亲身体验的优势越来越得到人们的青
睐。为帮助团购网站实现个性化营销,将用户购物过程中的上下文环境因素融
入到传统的推荐算法中,提出了一种基于上下文感知的推荐算法,基于用户相
似和物品相似中加入上下文信息相似,构造了计算商品预测评分的公式,进而
得到推荐列表,使个性化推荐体现得更加充分。
【期刊名称】
北京电子科技学院学报
【年
(
卷
),
期】
2016(024)002
【总页数】
6
【关键词】
团购
;
推荐
;
上下文感知
【
文
献
来
源
】
https://www.zhangqiaokeyan.com/academic-journal-cn_journal-beijing-electronic-
science-technology-institute_thesis/0201228798013.html
引言
近年来,上下文感知推荐系统
(Contextaware
Recommender
System
,简称
CARS)
已
成
为
国
外
各
大
学
和
研
究
机
构
在
推
荐
系
统
方
面
研
究
的
热
点
。
G
.
Adomavicius
[
1
]等人提出把上下文信息融入到推荐过程中存在三种情况
——上下文信息预过滤,上下文信息后过滤和上下文信息建模。
H
.
Negar
[
2
]
等人提出的交互式推荐系统可以根据用户的动态行为探测和适应上下文的变化
生成匹配用户最近偏好的推荐。
Augusto
Q
.
Macedo
[
3
]等人提出了一种
综合了社区信息,项目自身的属性信息,地理位置信息和时间信息四种信息维
度的推荐方法,有效地解决了项目冷启动的问题。