基于协同过滤的商品个性化推荐算法应用研究
个性化商品推荐系统是电子商务平台系统的重要组成部分,推荐效率的高低直接影响用户的购物体验和电子商务平台商品交易量的提升.近年来,电子商务平台的交易数据呈海量增长趋势,导致商品推荐的正确率下降、误差增大、效率降低,因此对商品个性化推荐算法的研究分析尤为必要.基于企业级阿里云机器学习PAI平台对商品协同过滤推荐算法进行了jaccard、wbcosine和asymcosine三组不同相似度的测试,结果表明,采用jaccard相似度方式进行协同过滤商品推荐效果更佳.
机器学习、协同过滤、商品推荐
22
F713.361;TN99.34(国内贸易经济)
2020-12-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
22-25,41