个性化推荐系统在电子商务领域的应用及挑战,以及利用 BERT 模型和最近邻算法设计的 eBay 电子商务平台的个性化推荐系统的高效性和可行性。
Mar, 2024
提出了一种基于主题模型的方法,通过产品评论等多维数据,预测和发现替代和补充产品之间的关系,应用于亚马逊的大规模商品目录数据集。
Jun, 2015
本研究回顾了推荐系统在电子商务、电子旅游、电子资源、电子政务、电子学习和电子图书馆等领域的不同技术和发展,并通过分析最近的研究,提供了当前发展的详细概述,识别了推荐系统中的现有困难,为实践者和研究人员提供了必要的指导和见解。
Aug, 2022
本文提出了 BB2vec 模型,通过同时分析购物篮和浏览会话(浏览产品的网页),学习产品的向量表示,用于推荐互补产品,在解决商品冷启动问题上表现更优越。该模型优于仅使用购物篮数据的其他模型。
Sep, 2018
本文综述了个性化推荐及推荐系统的经典算法,评估方式,以及最近研究的方向:基于会话的推荐、推荐系统中的偏差问题以及实际应用的影响和价值。
Feb, 2023
本文提出了两种可视化推荐系统,该系统可以自动为客厅家具配套筛选整个选择,以最大化配合效果和利用文本数据和多语言话题建模来推断风格。实验结果表明,从包括视觉和文本数据的产品集合中发现补充风格效果最好。
Jun, 2018
推荐系统通过分析用户的购物历史提供准确的推荐。然而,在真实应用中,用户更喜欢价格最低的电子商务平台。本研究假设任何电子商务平台都能完整记录用户的历史,但只能访问其中的一部分,如果推荐系统能够首先预测丢失的部分并正确丰富用户的购物历史,则可以更准确地推荐下一个商品。我们的推荐系统利用用户的购物历史来提高预测准确性,所提出的方法在 NDCG@10 和 HR@10 指标上取得了显著改进。
本文旨在通过建立一个基于图像的大规模数据集并开发一个可扩展的方法来揭示人类视觉关系方面的概念模型,该模型不是基于用户注释的细粒度建模,而是基于图像关系网络的网络推理问题。 其提供了一个用于训练和评估的大规模数据集,并可用于推荐衣物和配饰的搭配。
本研究提出了一种基于用户行为的推荐系统,通过聚类活跃用户、确定邻域、收集相似用户、基于相似用户计算产品声誉以及推荐高声誉产品等方法,结合产品类别的无监督聚类方法,提供精确的个性化推荐,改善了电子商务推荐系统的性能和准确性。实验结果显示,该方法在阿里巴巴等电子商务平台的行为数据集上表现优于基准方法。
通过利用潜在结果的框架,我们在不限制诸如建议对决策的影响的条件下,规范了协助人类决策者的推荐算法的设计,并引入了一个单调性假设,该假设导致了对算法的人类响应的直观分类, 我们通过在线实验展示了我们框架的效用,并认为我们的方法可以解释实验中不同推荐算法的相对性能,并可以帮助设计实现人工智能与人类的互补性的解决方案。
May, 2024