基于查询-点击图的电商事件产品轮播推荐

当前许多推荐系统主要关注产品间推荐和用户对产品的推荐，即使在事件期间也是如此，而未能针对目标事件（如节日、季节性活动或社交活动）的典型推荐进行建模，也未解决目标事件的多方面购物需求。针对目标事件多方面需求的产品推荐通常由人工策展人生成，他们手动识别这些方面并为每个方面选择一系列相关产品（即产品轮播）作为推荐。然而，由于缺乏事件相关方面及其相关产品的真实标注，利用机器学习构建推荐系统并非易事。为填补这一空白，我们将此新问题定义为电子商务中基于事件的产品轮播推荐，并提出了一种基于查询-点击二分图的有效推荐系统。我们在查询-点击二分图上应用迭代聚类算法，并通过查询的聚类来推断事件相关方面。基于每个方面的产品点击率来驱动相关方面的推荐。通过实验，我们证明该方法能有效挖掘目标事件的产品轮播。