电子商务的一种新型基于行为的推荐系统
本研究提出了一种基于用户行为的推荐系统,通过聚类活跃用户、确定邻域、收集相似用户、基于相似用户计算产品声誉以及推荐高声誉产品等方法,结合产品类别的无监督聚类方法,提供精确的个性化推荐,改善了电子商务推荐系统的性能和准确性。实验结果显示,该方法在阿里巴巴等电子商务平台的行为数据集上表现优于基准方法。
本研究提出一种新的转换方法,将替代推荐技术引入到语言匹配问题,考虑产品功能和特性,并从工程角度考虑多语言支持。已在6种语言的11个市场的大型电子商务网站中部署,并证明在在线A/B实验中可以增加19%的收入。