登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
电子商务中长尾物品推荐方法
  • 摘要

    对于电子商务来说,长尾效应(属于冷启动问题)是其所面临众多问题中最严峻的问题之一。研究了推荐系统中的长尾问题,针对许多物品只有少数的评分,使得推荐系统很难对它们进行推荐的问题,提出了这样一种方法,将整个物品构成的集合分为头部和尾部两个部分(其中头部是由评分数目多的物品构成的集合,尾部是由评分数目少的物品构成的集合),并只对尾部物品进行聚类。这样,位于头部的物品依赖于自身的评分进行推荐,而尾部的物品则依赖于它所在的聚类中所有评分进行推荐。最终实验结果表明,采用该方法的实验中有86.15%预测的准确率都得到了提升,平均性能提升了10%,因此如果能够选取一个恰当的头部和尾部的切割点,就可以在保持合理的计算性能的情况下,提高推荐的准确性。

  • 作者

    冯媛媛  王晓东  姚宇  FENG Yuanyuan  WANG Xiaodong  YAO Yu 

  • 作者单位

    中国科学院 成都计算机应用技术研究所,成都610041; 中国科学院大学,北京100049/中国科学院 成都计算机应用技术研究所,成都,610041

  • 刊期

    2015年z2期 ISTIC PKU

  • 关键词

    长尾  电子商务  推荐  聚类  long tail  electronic commerce  recommendation  clustering 

相似文献 查看更多>>
3.227.2.109