一种改进的基于梯度提升回归算法的 O2O 电子商务推荐模型

孙克雷; 邓仙荣

文章摘要

孙克雷,邓仙荣.一种改进的基于梯度提升回归算法的 O2O 电子商务推荐模型[J].安徽建筑大学学报,2016,24(2):87-91

一种改进的基于梯度提升回归算法的 O2O 电子商务推荐模型

A Recommendation Model for O2O E-commercebased on Improved Gradient Boosting Regression Trees

DOI：10.11921/j.issn.2095-8382.20160217

中文关键词: 梯度提升回归树，位置服务，个性化推荐，行为日志分析

英文关键词: GBDT, LBS, Personalized recommendations, behavior log analysis

基金项目:安徽省自然科学基金（1408085QE94）

作者	单位
孙克雷	安徽理工大学计算机科学与工程学院, 安徽淮南 232001
邓仙荣	安徽理工大学计算机科学与工程学院, 安徽淮南 232001

摘要点击次数: 7840

全文下载次数: 0

中文摘要:

位置属性对于线下消费的用户具有重要影响。为了有效提高个性化推荐精度，在对O2O电子商务特点进行用户特征分析的基础上，在推荐算法中引入当前时间参数和位置参数，提出了一种改进的基于梯度提升回归算法的O2O电子商务推荐模型。实验结果表明，改进的基于梯度提升回归算法的O2O电子商务推荐模型在实时性和准确性方面明显优于传统的推荐算法。

英文摘要:

Location attribute exerts important inﬂuences on ofﬂine consuers. In order to improve the accuracy of personalized recommendation, basing on the analysis of the O2O e-commerce with user characteristics, this paper introduces the current time and location parameters to the basis of the recommendation algorithm, and it proposes O2O e-commerce recommendation model on improved gradient boosting regression tree The results show this model is apparently superior to the traditional recommendation algorithm both in real-time and accuracy.

查看全文查看/发表评论下载PDF阅读器

关闭