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():
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
作者单位E-mail
孙克雷 安徽理工大学 计算机科学与工程学院 klsun@qq.com 
邓仙荣 安徽理工大学 计算机科学与工程学院  
摘要点击次数: 843
全文下载次数: 331
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

分享按钮