|
|||||
|
|
| 基于聚类的因子分解机推荐算法研究 | |
| 作者单位： | ;1.北京邮电大学信息与通信工程学院;2.北京邮电大学网络技术研究院 |
| 摘 要： | 随着电商行业的飞速发展,电商平台上产生的点击、评分、购买等行为日志数据朝着海量化、多样化、无序化的方向发展,使得获取有价值信息的复杂度增加,降低了信息生产者将信息传达给信息消费者的效率,使得用户体验变差。为了解决上述问题,本文提出一种基于用户行为聚类的分级因子分解机系统推荐模型。首先构建用户多维行为特征工程,将用户分为四种行为模式,随后对不同模式的用户分别采用因子分解机推荐算法进行推荐预测。最后仿真结果表明,本文提出的改进推荐算法不仅降低了推荐预测的均方根误差(RMSE),并且大大地减少了推荐时间,有利于实时推荐系统的应用。 |
| 关 键 词： | 电商 海量数据 推荐 聚类 因子分解机 |
Factorization Machine Recommendation System Based on Cluster Algorithm |
|
| Abstract: | |
| Keywords: | |