基于规则的电子商务推荐系统模型和实现

被引：12

作者：

张锋

常会友

衣杨

机构：

[1] 中山大学软件学院

[2] 中山大学信科院计算机系

[3] 中山大学信科院计算机系广东　广州　

[4] 广东　广州　

来源：

计算机集成制造系统 | 2004年 / 08期

基金：

广东省自然科学基金;

关键词：

数据挖掘; 规则挖掘; 电子商务; 推荐系统;

D O I：

10.13196/j.cims.2004.08.29.zhangf.006

中图分类号：

TP399 [在其他方面的应用];

学科分类号：

摘要：

针对电子商务推荐系统本质上要解决的三个问题———数据源、数据模型和推荐策略,结合最新报道的相关推荐系统,提出并在实验室条件下实现了一个推荐系统原型。为提高该推荐系统的的通用性,采用顾客购买历史这种数据源格式,而不是常见的用户评分数据;另外,为保证产生足够的推荐结果并提高其质量,用关联规则和序列规则结合的方法来构建推荐系统引擎,并设计了一个基于一次表扫描时间的推荐策略。最后,从定性和定量两方面说明该推荐系统效率高,有更好的推荐质量。

引用

页码：898 / 902

页数：5

共 7 条

[1] Efficient adaptive-support association rule mining for recommender systems [J].

Lin, WY ;

Alvarez, SA ;

Ruiz, C .

DATA MINING AND KNOWLEDGE DISCOVERY, 2002, 6 (01) :83-105

[2]

Personalization of Supermarket Product Recommendations[J] . R.D. Lawrence,G.S. Almasi,V. Kotlyar,M.S. Viveros,S.S. Duri.Data Mining and Knowledge Discovery . 2001 (1)

[3] Visualization and Analysis of Clickstream Data of Online Stores for Understanding Web Merchandising [J].

Juhnyoung Lee ;

Mark Podlaseck ;

Edith Schonberg ;

Robert Hoch .

Data Mining and Knowledge Discovery, 2001, 5 :59-84

[4] Expert-Driven Validation of Rule-Based User Models in Personalization Applications [J].

Gediminas Adomavicius ;

Alexander Tuzhilin .

Data Mining and Knowledge Discovery, 2001, 5 :33-58

[5] Applications of Data Mining to Electronic Commerce [J].

Ron Kohavi ;

Foster Provost .

Data Mining and Knowledge Discovery, 2001, 5 :5-10

[6] Data Mining for Measuring and Improving the Success of Web Sites [J].

Myra Spiliopoulou ;

Carsten Pohle .

Data Mining and Knowledge Discovery, 2001, 5 :85-114

[7]

E-Commerce Recommendation Applications[J] . J. Ben Schafer,Joseph A. Konstan,John Riedl.Data mining and knowledge discovery . 2001 (1-2)

← 1 →