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: 6181
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

分享按钮