| 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(): |
| 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 |
| O2O E-commerce Recommendation Model on improved Gradient Boosting Regression Tree |
| 投稿时间：2016-01-07 修订日期：2016-04-18 |
| DOI： |
| 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 |
|
| 摘要点击次数: 2962 |
| 全文下载次数: 1037 |
| 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 has important influence for offline consumption of users. In order to improve the accuracy of personalized recommendation, on the analysis of the O2O e-commerce with user characteristics, it introduces the current time and location parameters to the basis of the recommendation algorithm , and it is proposed based on an improved gradient boost O2O e-commerce recommendation model of regression algorithm. The experimental results show that the improved improve regression algorithm based on gradient O2O e-commerce recommendation model in real-time and accuracy is superior to the traditional recommendation algorithm. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
