幾種電商推薦算法概述

蔡堅

摘要：隨著互聯網技術的飛速發展，網購已日漸成為現代社會的一種潮流。淘寶、京東、亞馬遜等電商早已不是于年輕人獨有的購物方式，哪怕是很多上了年紀的爺爺奶奶都成為了網購達人。面對形形色色的消費者，這些電商怎樣才能知道用戶心儀的商品已成為一個非常有研究價值的問題。因此，在大數據時代的背景之下，推薦系統應運而生，通過收集用戶之前感興趣的商品，然后運用機器學習的方法，以不同的推薦算法對用戶數據進行分析、篩選，最后預測出用戶可能感興趣的商品。推薦系統中的算法作為核心，本文就電商中常用的幾種推薦算法進行介紹。

關鍵詞：網購;數據;機器學習;推薦算法

1.基于CF的推薦算法

1.1算法簡介

CF（協同過濾）的推薦原理很簡單，就是利用用戶對商品的興趣相投。其主要分為兩大類的協同過濾算法，要么基于用戶，要么基于商品，本文主要介紹的是基于物品的協同過濾算法。

總結：

不同的消費者在逛網上商城時，有意向的商品都是不一樣的，而如何通過推薦商品來吸引用戶瀏覽，是促成商品成交的一個關鍵問題。而用戶之前瀏覽過和購買過哪些商品就成為了非常重要的信息，推薦系統便通過機器學習從這一類數據中自動分析獲得規律，并利用多種算法對未知數據進行預測，為用戶推薦感興趣的商品。

參考文獻

[1]吳漢.基于混合過濾的推薦算法研究及其應用[D].南京郵電大學，2018.

[2]李帆.電商大數據平臺的設計與應用[D].陜西科技大學，2018.

[3]劉冰.基于大數據的用戶動態精準推送服務[D].北京工業大學，2017.

[4]鄭龍帥.基于移動平臺的電商個性化推薦算法研究與應用[D].北京工業大學，2017.