本文關(guān)鍵詞：基于改進(jìn)RFM模型的產(chǎn)品推薦算法

  更多相關(guān)文章： 產(chǎn)品推薦 RFM RFT 用戶相似度

【摘要】：為了提高電子商務(wù)產(chǎn)品推薦服務(wù)的質(zhì)量,在傳統(tǒng)RFM模型的基礎(chǔ)上,先用顧客購買持續(xù)力、總利潤率代替RFM模型的R、M指標(biāo),建立RFT模型;然后對RFT指標(biāo)賦以權(quán)重,計算用戶-RFT矩陣;最后引入兩個用戶對產(chǎn)品RFT值之和的權(quán)值,優(yōu)化了用戶相似度計算方法。實驗結(jié)果表明,該方法在提高推薦滿意度和效率上優(yōu)于傳統(tǒng)的基于RFM的產(chǎn)品推薦法。
【作者單位】： 安徽商貿(mào)職業(yè)技術(shù)學(xué)院經(jīng)濟(jì)貿(mào)易系;
【關(guān)鍵詞】： 產(chǎn)品推薦 RFM RFT 用戶相似度
【基金】：安徽省高校自然科學(xué)研究重點(diǎn)項目“基于改進(jìn)RFM模型的電子商務(wù)協(xié)同過濾推薦算法研究”(KJ2016A253) 安徽商貿(mào)職業(yè)技術(shù)學(xué)院科研項目“基于支持向量回歸的汽車后市場數(shù)據(jù)預(yù)測模型構(gòu)建”(2016KYZ02)
【分類號】：TP391.3
【正文快照】： 電子商務(wù)的本質(zhì)是流量和轉(zhuǎn)化率,而轉(zhuǎn)化率越來越低、流量獲取成本越來越高,導(dǎo)致電子商務(wù)企業(yè)紛紛涉足電子商務(wù)推薦領(lǐng)域,以便進(jìn)一步滿足消費(fèi)者個性化需求,提升轉(zhuǎn)化率,降低流量獲取成本。與此同時,消費(fèi)者為了提高購物效率,減少購物成本,也在不斷尋找既能快速找到所需產(chǎn)品,又能滿

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計算機(jī)應(yīng)用;2007年06期

2 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

3 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

4 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個性化推薦算法[J];計算機(jī)工程與應(yīng)用;2010年19期

5 王文;;個性化推薦算法研究[J];電腦知識與技術(shù);2010年16期

6 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評價估計的混合推薦算法研究[J];微計算機(jī)信息;2010年36期

7 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機(jī)工程與應(yīng)用;2011年16期

8 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

9 尹長青;楊單稷;;基于視頻的智能推薦算法[J];科技傳播;2011年22期

10 吳泓辰;王新軍;成勇;彭朝暉;;基于協(xié)同過濾與劃分聚類的改進(jìn)推薦算法[J];計算機(jī)研究與發(fā)展;2011年S3期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 梁莘q，

本文編號：777529