基于个人行为挖掘的混合推荐系统
信息检索
2016-07-12 v1
摘要
推荐系统因其电子商务网站中的应用而广为人知，且大多为静态模型。经典的个性化推荐算法包括应用于 Amazon 的基于物品的协同过滤方法、来自 Netflix 的基于矩阵分解的协同过滤算法等。在本文中，我们希望将传统模型与行为模式提取方法相结合。我们使用阿里巴巴天猫提供的脱敏移动交易记录来构建混合动态推荐系统。序列模式挖掘旨在序列数据库中寻找频繁序列模式，并在此混合模型中加以应用，以预测客户的支付行为，从而提升模型的准确性。
引用
@article{arxiv.1607.02754,
title = {Hybrid Recommender System Based on Personal Behavior Mining},
author = {Zhiyuan Fang and Lingqi Zhang and Kun Chen},
journal= {arXiv preprint arXiv:1607.02754},
year = {2016}
}
备注
15 pages, 7 figures