首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   1篇
  自动化技术   1篇
  2020年   1篇
排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
结合领域内知识的个性化推荐算法在近年来受到了广泛关注,许多研究工作尝试将商品之间的关系(如互补关系等)融入到推荐算法中.对于商家而言,了解商品互补的关系能帮助他们更好地制定定价策略;对于推荐算法而言,结合商品关系的推荐也更有可能生成令人满意的结果,因此,如何挖掘商品间的互补关系是一个很有意义的研究问题.现有方法大多从用户历史中的“共同购买”发掘商品的互补关系,但是由于真实的购买场景非常复杂,得到很可能仅仅是共现关系而不是互补.本文借鉴经济学的相关研究,提出了商品潜在互补性发现推荐模型(Latent Complementarity Discovery Model,简称LCDM),试图从另一角度更准确地刻画商品间关系.首先,我们基于经济学理论中的需求交叉弹性(Cross-Price Elasticity of Demand),提出互补性发现模型(Complementarity Discovery Model,简称CDM)来联合商品价格与购买历史来挖掘商品间的互补关系.在用户标注任务中,提出的算法较已有方法在用户标注的一致性上提升了10.6%.随后,本文基于此提出了融合商品互补关系的双重注意力机制推荐模型LCDM.最后,在真实数据集上的对比实验表明,我们提出的LCDM推荐模型能够显著改善推荐的效果,在Recall@5和NDCG@5分别有54.5%和125.8%的提升,验证了提出方法的有效性.  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号