基于FastText和关联规则挖掘的个性化行李物品推荐的多层次解决方案
信息检索
2025-01-17 v1
摘要
本文提出一种智能行李物品推荐系统，以优化空旅客的装箱，提供基于特定旅行需求和目的地的定制建议。利用FastText词嵌入和关联规则挖掘（ARM），该系统确保 luggage 空间的有效利用、重量限制的遵守以及提升旅行体验。该方法的流程包括四个阶段：（1）数据收集和预处理，使用预训练的FastText嵌入进行文本表示和相似度评分；（2）基于用户搜索历史丰富的内容基础推荐系统；（3）应用于用户交互以发现有意义的物品关联；（4）将FastText和ARM集成以实现准确的个性化推荐。性能通过覆盖率、支持度、置信度、提升、杠杆和 conviction 等指标进行评估。结果表明，该系统在提供相关建议方面有效，提高了客户满意度，简化了装箱过程。这些见解推动了个性化推荐、精准营销和产品优化在空旅及更广泛的应用中。
引用
@article{arxiv.2501.09359,
title = {A Multi-tiered Solution for Personalized Baggage Item Recommendations using FastText and Association Rule Mining},
author = {Mudavath Ravi and Atul Negi},
journal= {arXiv preprint arXiv:2501.09359},
year = {2025}
}