摘要：为了解决传统商品推荐方法仅考虑商品两两相似性或只通过商品属性的简单集成构建推荐网络图,对网络对象复杂性和依赖关系考虑不够导致推荐准确性低的问题,提出一种改进的商品推荐算法.算法通过商品、品牌、店铺及关联关系构建混合图,根据节点关系、节点出度、商户广告付费和商品点击数构建数学模型,得到商品、品牌和店铺间的转移概率,建立节点初始概率转移矩阵.通过重启动随机游走算法确定最终节点概率转移矩阵,实现商品推荐.实验结果表明,与当下常用推荐算法相比,该算法提高了商品推荐的准确率(Precision);算法扩展性强,适用于各种电商平台.

摘要：传统推荐方法存在数据稀疏和特征识别差等问题,为了解决这些问题,根据隐式反馈构建具有时序性的正负反馈数据集。由于正负反馈数据集和商品购买具有强时序性特征,引入长短期记忆(LSTM)网络作为模型构件。考虑用户自身特征和用户动作选择回报由不同的输入数据决定,对竞争架构的深度Q网络进行改进,融合用户正负反馈和商品购买时序性,设计了基于改进的深度Q网络结构的商品推荐模型。模型对正负反馈数据进行区分性训练,对商品购买的时序性特征进行提取。在Retailrocket数据集上,与因子分解机(FM)模型、W&D模型和协同过滤(CF)模型中表现最好的相比,所提模型的准确率、召回率、平均准确率(MAP)和归一化折损累计增益(NDCG)分别提高了158.42%、89.81%、95.00%和67.57%。同时,使用DBGD作为探索方法,改善了推荐商品多样性低的缺陷。

摘要：在电子商务环境中,精确理解用户的兴趣,提供个性化商品推荐服务成为各大电商平台关注的热点。通过对实时获取的人脸特征数据进行归一化处理,计算出用户对商品的评分和喜爱程度;再利用机器学习算法建立并修正"商品—人脸"兴趣模型库;最后通过用户对商品的喜爱程度来实现商品的个性化推荐,并使用MVC框架实现了基于人脸识别的商品推荐系统。

摘要：对电子商务网站的评论文本进行分词、去停用词等整理,通过词频统计提取特征词,应用词频-逆文档频率提高特征词的类别区分能力以增加特征词的准确性.在收集大量的电子商务网站的评论文本及一系列预处理后构建了特征词词库.采用词语相似度计算方法用于关键词向量与特征词词库相似度的计算.根据相似度计算结果对用户评论的商品进行排序以实现对用户商品的推荐.设计了商品推荐系统并完成了实验程序.利用收集到的用户评论文本完成了对商品的推荐实验,并对实验结果进行了考察与分析.

摘要：使用会员卡记录消费者信息的传统方式,效率较低,且具有隐私泄露的隐患。针对此问题,本论文将人脸识别技术与服务业会员机制相融合,设计一个基于人脸识别技术的商品推荐系统。该系统基于人脸信息,将消费者的购买记录,会员信息存储至数据库,当消费者到达商店时,摄像头自动采集人脸图像,若人脸信息匹配成功,商家即可快速根据系统反馈结果进行商品推荐。本系统弥补了传统方式记录会员信息的弊端,提升了商家的服务质量以及消费者的购物体验。

摘要：针对电子商务网站需要为用户提供快速、准确的商品推荐从而进一步促进商品交易的问题,实现客户与商家双赢,构建一个基于Mahout的电子商务商品推荐系统。通过对Mahout的开发环境、算法等内容的介绍和分析,并结合商品的特点及用户偏好等属性设计实现了基于Mahout的商品推荐系统。

摘要：基于互联网的电子商务系统发展十分迅速,在海量的商品之中用户如何能够及时有效的挑选到心仪的商品,是各大电子商务平台十分关注的研究方向。传统的商品推荐算法将用户和商品进行关联,但却无法考虑到推荐结果的解释性,推荐结果是否能够很好解释常常影响着用户的信服力。本文基于对知识图谱以及基于知识图谱的推荐算法进行研究,设计了基于RippleNet模型对用户和商品进行智能推荐的算法,并利用准确性评价指标对模型进行评估。实验结果表明,该模型能够达到良好的效果,可以在一定程度上提升用户体验。

摘要：随着京东、天猫、苏宁、蘑菇街等电子商务平台的诞生和兴起,数以亿计的商品被提供给人们,方便了人们购物。但是,商品数量的增多也提高了人们购物的繁琐程度,许多用户面对琳琅满目的商品无从选择,反倒给用户带来了更多的负担。因此,许多电商开始与科研机构联合研发商品推荐算法,根据用户购买记录、浏览记录等推荐其喜欢的商品,以便节约用户网上购物时间,同时也提高电子商务网站的服务水平。笔者提出了一种基于信息瓶颈的商品推荐算法,该算法能够利用聚类的思想将商品及其评价进行压缩分析,将海量的商品划分到一个个簇中,然后将商品推荐给有需求的消费者,具有重要的作用。

摘要：本文主要研究了基于人脸特征识别的商品推荐系统的设计思路、总体结构、推荐算法的模型设计;阐明了推荐系统的推荐系统的人脸识别算法、基于人脸特征识别的商品推荐系统的实现等。具体一定的实用价值。

摘要：传统电子商务自动推荐系统与用户的实际喜好不同,推荐后成交量低。针对上述问题,在无线网络的基础上,设计了一种新的电子商务商品自动推荐系统,系统硬件主要由信息采集器、信息储存分析器、商品分析器、商品推荐器四部分组成,通过数据预处理建立分散类,得到目标用户所在区域,计算相似度,实现商品个性化推荐系统软件程序设计。为检测系统效果,设计了对比实验。实验结果表明,无线网络的电子商务商品自动推荐系统能够根据用户喜好推荐有效商品,提高成交量。