ESSK:一种计算点击流相似度的新方法

用户点击流信息被广泛应用于Web使用信息挖掘中。点击流相似度常用于用户会话分类和聚类。SSK(String Subsequence Kernel)最初被用于计算字符串相似度,后被引入计算点击流相似度,并成为目前常用方法之一。SSK选择两个字符串所有长度为k的子序列生成特征空间。单一k的选择往往存在特征数不足的问题,从而难以获得足够精确的点击流相似度。因此,提出一种新的点击流相似度计算方法ESSK(Extended String Subsequence Ker-nel)。ESSK采用所有子序列生成特征空间以解决SSK存在的问题。同时提出一种高效计算ESSK的算法,以降低计算复杂度。实验表明,ESSK比SSK更精确,比其它方法具有更高的区分度,因此更适合点击流相似度分析和应用。     

基于SaaS模式的电子商务推荐平台

针对一些电子商务网站缺乏资源难以实施推荐系统的现状,提出一种基于“软件即服务”(SaaS)模式的推荐服务架设方式并实现了原型平台。该平台使用统一的脚本收集电子商务网站的用户行为信息,并通过标准的接口提供推荐服务,从而实现平台与电子商务网站的低耦合以降低部署成本。平台上线运行结果表明,该模式的推荐服务能够有效帮助电子商务网站提升转化率和增加订单量。