| 一种改进的基于梯度提升回归算法的 O2O 电子商务推荐模型 |
| |
| 引用本文： | 孙克雷,邓仙荣. 一种改进的基于梯度提升回归算法的 O2O 电子商务推荐模型[J]. 安徽建筑大学学报, 2016, 24(2): 87-91. DOI: 10.11921/j.issn.2095-8382.20160217 |
| |
| 作者姓名： | 孙克雷 邓仙荣 |
| |
| 作者单位： | 安徽理工大学 计算机科学与工程学院,安徽淮南,232001;安徽理工大学 计算机科学与工程学院,安徽淮南,232001 |
| |
| 基金项目： | 安徽省自然科学基金（1408085QE94） |
| |
| 摘 要： | 位置属性对于线下消费的用户具有重要影响。为了有效提高个性化推荐精度,在对O2O电子商务特点进行用户特征分析的基础上,在推荐算法中引入当前时间参数和位置参数,提出了一种改进的基于梯度提升回归算法的O2O电子商务推荐模型。实验结果表明,改进的基于梯度提升回归算法的O2O电子商务推荐模型在实时性和准确性方面明显优于传统的推荐算法。
|
| 关 键 词： | 梯度提升回归树 位置服务 个性化推荐 行为日志分析 |
A Recommendation Model for O2O E-commercebased on Improved Gradient Boosting Regression Trees |
| |
| SUN Kelei and DENG Xianrong. A Recommendation Model for O2O E-commercebased on Improved Gradient Boosting Regression Trees[J]. Journal of Anhui Jianzhu University, 2016, 24(2): 87-91. DOI: 10.11921/j.issn.2095-8382.20160217 |
| |
| Authors: | SUN Kelei and DENG Xianrong |
| |
| Affiliation: | School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan 232001, China and School of Computer Science and Engineering, Anhui University of Science and Technology, Huainan 232001, China |
| |
| Abstract: | Location attribute exerts important inlfuences on oflfine consuers. In order to improve the accuracy of personalized recommendation, basing on the analysis of the O2O e-commerce with user characteristics, this paper introduces the current time and location parameters to the basis of the recommendation algorithm, and it proposes O2O e-commerce recommendation model on improved gradient boosting regression tree The results show this model is apparently superior to the traditional recommendation algorithm both in real-time and accuracy. |
| |
| Keywords: | GBDT LBS Personalized recommendations behavior log analysis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《安徽建筑大学学报》浏览原始摘要信息 |
|
点击此处可从《安徽建筑大学学报》下载全文 |
