计算机科学>信息检索
标题: 基于事件的产品轮转推荐与查询点击图
摘要: 许多当前的推荐系统主要关注产品对产品的推荐和用户对产品的建议,即使是在活动期间,而不是为目标活动(例如节日、季节性活动或社交活动)建立典型的推荐模型 没有解决目标活动的购物需求的多个方面。 针对目标事件多个方面的产品建议通常由人工管理员生成,他们手动识别这些方面,并为每个方面选择一个与方面相关的产品列表(即产品转盘)作为建议。 然而,由于缺乏事件相关方面和方面相关产品的基本事实,使用机器学习构建推荐系统并非易事。 为了填补这一空白,我们将这一新问题定义为电子商务中基于事件的产品轮转推荐,并提出了一种基于查询点击二部图的有效推荐系统。 我们将迭代聚类算法应用于查询点击二部图,并通过查询聚类推断事件相关方面。 与方面相关的建议由与每个方面相关的产品点击率提供支持。 我们通过实验表明,该方法可以有效地挖掘目标事件的产品转盘。