精华内容
下载资源
问答
  • 商品推荐系统

    2019-11-09 17:42:22
    在电商网站里进行商品推荐,可以提高整个网站商品销售的有效转化率,增加商品销量。通过用户已经浏览、收藏、购买的记录,更精准的理解用户需求,对用户进行聚类、打标签,推荐用户感兴趣的商品,帮助用户快速找到...

        在电商网站里进行商品推荐,可以提高整个网站商品销售的有效转化率,增加商品销量。通过用户已经浏览、收藏、购买的记录,更精准的理解用户需求,对用户进行聚类、打标签,推荐用户感兴趣的商品,帮助用户快速找到需要的商品,适时放大需求,售卖更加多样化的商品。甚至在站外推广时,能够做个性化营销。下面鼎海电商就来给大家详细的介绍一下。

      商品推荐分为常规推荐、个性化推荐。常规推荐是指商家选择一些固定商品放在推荐位,或者基于商品之间的关联性,进行相关的商品推荐。例如:在用户买了奶瓶之后推荐奶粉。个性化推荐指基于用户购物习惯,根据商品特性来进行推荐。例如“看过此商品后的顾客还购买的其他商品”推荐项。

      电商系统中的商品推荐位一般有:首页运营Banner最底部的位置(猜你喜欢/为你推荐)、购物车最底部的位置(猜你喜欢/为你推荐)、商品详情页中部(看了又看、买了又买、为你推荐等)、用户签到等位置。还有这两年兴起的内容电商,通过社区做内容来提高转化率。下面就来给大家详细的说一说常规推荐和个性化推荐。

      一:常规推荐

      常规推荐的商品不会因为用户不同产生差异,主要是运营配置的活动或固定商品(商品精选)。除了在固定推荐位选定某些商品进行配置,例如选取10件固定商品放在签到页进行推荐。还有一些固定规则的动态配置商品,例如图中商品销量排行榜、商品收藏排行榜、某品类的销量排行榜(例如图书会有许多排行榜),这类根据浏览、收藏、销售数据做的商品统计在常规推荐时会经常用到,对用户的消费决策影响也比较大。

     

      近两年崛起的内容电商也属于商品推荐的一种,很多平台都开始在内容上发力,越来越多的消费者在看直播、看自媒体文章、看帖子的过程中购买商品。例如淘宝的微淘、京东的觅生活(Meelife)、小红书等。

      在移动互联网形态下,用户的浏览减少,更倾向于浏览和推荐,但简单的商品列表和标语描述的冲击力已然不够,内容电商将商品嵌入到文案或者视频中,通过详细的描述消费感受和商品特点,激起用户的同理心,这样的购物消费更容易产生冲动性消费,而非计划性消费。

      在内容电商中,除了平台商家自己产生内容,还应允许用户产生内容(UGC),并且对UGC内容进行激励。内容形式有长图文、视频推荐、直播推荐等多种形式,在内容中嵌入商品购买入口,在浏览时可以直达商品,增加购买转化率。对内容进行分类打标,可以缩短用户查找的路径。建立内容社区,提供评论、关注、种草、赞赏等多种互动方式,增加用户粘性,提供其他社交平台(微信、微博等)的功能。在内容中尽量推荐统一风格或同一场景的商品,增加商品之间的关联性。

      随着货架式电商时代逐渐过去,内容电商推荐的优势逐步凸显,特别在垂直行业,如美妆、母婴等,内容电商为中小型电商公司突破流量黑洞提供了机会。

      二:个性化推荐

      电商推荐系统将收集的用户信息、产品信息及用户画像分类作为系统输入,利用适当的推荐算法和推荐方式,根据用户设定的个性化程度和信息发送方式,给用户提供个性化商品推荐。用户对推荐结果的点击浏览、购买的反馈结果,又可以作为优化系统推荐的参考。

      完善的推荐系统一般由四部分组成,按照收集 → 分析 → 推荐的步骤,收集用户信息的用户行为记录模块、分析用户喜好的分析模型模块、分析商品特征的商品分析模块和推荐算法模块。

      1.用户行为记录模块负责搜集能反映用户喜好的行为,例如浏览、购买、评论、问答等;

      2.用户行为分析模块通过用户的行为记录,分析用户对商品的潜在喜好及喜欢程度,建立用户偏好模型;

      3.商品分析模块主要对商品进行商品相似度、商品搭配度、目标用户标签进行分析;

      推荐算法根据一定的规则从备选商品集合中筛选出目标用户最可能感兴趣的商品进行推荐。

      如图所示:

     

      用户画像是根据用户特征(性别、年纪、地域等)、消费行为习惯(浏览、购买、评论、问答等)等信息进行抽象化,建立标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”,而标签是通过对用户行为记录分析而来的高度精炼的特征标识。推荐系统的难点,其中很大一部分就在于用户画像的积累过程极其艰难。其次用户画像与业务本身密切相关。在用户标签足够丰富并且多的时候,就可以对用户聚类,例如用A/B/C/D等四种典型用户画像来代表商城的目标用户,还可以将新用户进行归类这些典型用户画像中。

      商品分析模块主要根据商品的类目品牌、商品属性、产品评论、库存、销售记录、订单数据、浏览收藏、价格等数据来分析商品相似度、商品搭配度(可人工调整),并且对商品贴上目标用户标签。

      用户画像、商品分析模块的数据都是为推荐算法提供基础数据。商品推荐的算法有很多种,需要根据推荐结果反馈,不断优化模型。有时候还需要考虑人工因素的权重,例自营商品排在前面、评分高的店铺优先推荐等。在推荐时,还用一些特殊推荐:购买此商品的顾客也同时购买、看过此商品后顾客购买的其他商品、经常一起购买的商品,都是基于商品进行的推荐。

      如果完全按照用户行为数据进行推荐,就会使得推荐结果的候选集永远只在一个比较小的范围内,在保证推荐结果相对准确的前提下,按照一定的策略,去逐渐拓宽推荐结果的范围,给予推荐结果一定的多样性。

      在大数据时代,商品推荐模块虽然一定程度上进行了精准营销,提高商品转化率。但是与推荐的准确性有些相悖的,是推荐的多样性。有时候会出现推荐混乱的情况,并且引起用户反感。譬如曾经浏览过某款电视,连续一个月都推荐这款电视;甚至购买过手机之后,还不断推荐其他手机。主要是因为推荐算法做得不够到位,很多用户行为数据没有收集处理,商品关联度没做好就盲目推荐商品。

    温馨提示:无论进行各种推广一定要考虑到推荐算法的精准性,多样性等问题。

    展开全文
  • #商品推荐系统 结果展示 此工程用来展示《商品推荐系统》的分析结果。 采用JQuery技术,使用D3.js进行表格的绘制。由于采用csv格式保存数据,在D3中,若要使用相应的csv转化功能,需要搭建http服务器,搭建服务器...
  • 商品推荐系统是当下机器学习算法应用中比较成熟的一个场景,当我们打开浏览器进入电商网站时,都可以看到在侧框出现的商品推荐。这些推荐的背后可能是很复杂的框架,如基于用户画像和历史购买数据的推荐引擎,也可能...
  • 基于hadoop的商品推荐系统 基于特征: 基于行为:具有了一定的历史特征。 基于用户: 基于商品: 推荐结果=用户的购买向量*物品的相似度矩阵 物品的相似度:物品的共现次数 1.项目名:GRMS 2.添加Maven依赖:pom.xml...
  • 商品推荐系统(一)

    千次阅读 2018-05-08 23:20:34
    最近在做一个网上商城,其中就做到了商品推荐系统这一步。起初我也是一脸懵逼,根本无从下手,推荐系统,这不是机器学习了?其实,做一个简单的商品推荐系统非常简单,不需要涉及到机器学习。这篇文章简单介绍一下...

        最近在做一个网上商城,其中就做到了商品推荐系统这一步。起初我也是一脸懵逼,根本无从下手,推荐系统,这不是机器学习了?其实,做一个简单的商品推荐系统非常简单,不需要涉及到机器学习。这篇文章简单介绍一下商品推荐系统的思想,具体的实现请期待后续的博文。

        在网上商城中,我们上传商品图片时,会给商品加上名字,描述等等一些标识商品的信息,那么,只要我们找到与我们所需要的商品的描述信息非常相符的商品再推荐给用户即可,在这里是不是想到什么了?没错,就是字符串匹配。

        在经典的推荐算法中,有基于内容、基于协同过滤等等,这里我们先实现一个简单的基于字符串匹配的商品推荐系统,不需要涉及到什么深奥的算法,简单的一个字符串匹配就行。

        项目源码:https://github.com/Poe2016/WebShop

    展开全文
  • 基于asp.net的商品推荐系统,采用贝叶斯算法。有完整源代码和文档。
  • 基于Hadoop的商品推荐系统的设计源码和设计指导书 使用Eclipse的export功能把所有源码打包,然后把打包后的jar文件拷贝到hadoop集群的$HADOOP_HOME/share/hadoop/mapreduce/lib目录下面。这一步相当重要,否则项目...
  • 京东商品推荐系统

    千次阅读 2014-06-13 11:13:37
    京东商品推荐系统  个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。...

    京东商品推荐系统


                个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,京东商品推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助京东为其顾客购物提供完全个性化的决策支持和信息服务,通过协同过滤算法,分析用户行为,为用户推荐商品。

     协同过滤算法:

      1.基于用户的协同过滤

       基于UserCF的基本思想:基于用户对物品的偏好,找到相邻邻居用户

        ,然后将邻居用户喜欢的推荐给当前用户 

         

      2.基于商品的协同过滤

               通过用户对不同item的评分来评测item之间的相似性,基于

               item之间的相似性做出推荐


    推荐系统指标设计:

                推荐算法选型:基于物品的协同过滤算法ItemCF,并行实现

                 数据量:基于hadoop架构,支持GB,TB,PB级数据量

                 算法检验:通过准确率,召回率,覆盖率,流行度等指标评判

                 结果解读:通过itemCF的定义,合理给出结果解释


    技术架构:hadoop mapreduce  Mahout 


    算法模型:算法的思想

      1.建立物品的同现矩阵

      2.建立用户对物品的评分矩阵

      3.矩阵计算推荐结果




    展开全文
  • 超市智能商品推荐系统设计

    千次阅读 2020-01-10 16:13:15
    超市智能商品推荐系统设计 根据客户以往商品选购情况(用户登录后检索以往的商品选购和商品查询情况), 并能根据用户的兴趣爱好自动地推荐给每个用户可能感兴趣的商品,实现具有一种类似采购助手的功能来帮助用户...

    超市智能商品推荐系统设计

    根据客户以往商品选购情况(用户登录后检索以往的商品选购和商品查询情况), 并能根据用户的兴趣爱好自动地推荐给每个用户可能感兴趣的商品,实现具有一种类似采购助手的功能来帮助用户选购商品。提供不少于10个种类,100种商品,并以文件形式存储。
    设计用户及商品的信息数据结构,实现如下功能
    (1)以文件形式存储用户信息,并以文件形式存储用户的商品选购和查询情况;
    (2)设计商品兴趣度简单的数学模型(要求参数有权重【购买 * 2 查询 *1】、或者提供数据模型);
    (3)应用排序算法实现商品的排名推荐(及格);
    (4)实现商品分类推荐(良好);
    (5)实现多用户不同商品兴趣度个性化推荐(优秀)。
    要求:
    (1)理解及熟练运用内部排序算法;
    (2)理解运用数据的分类组织和存储;
    (3)理解运用相关查询技术;
    (4)界面友好、系统运行应该快速、稳定、高效和可靠。

    Commodity.txt:

    XpV awT pNk K2S ljs oMP nf6 FaN Hj3 bix
    QqB cn1 84r 6zk 0ai QAk iNp hzN IW0 twj
    oVM Zr1 Ikl 9PX DiB pYq tah i24 kHQ SqL
    XEn Kbf X5Y KsL ZDF S3z TVg QDA 9XP fYt
    XpV awT pNk K2S ljs oMP nf6 FaN Hj3 bix
    QqB cn1 84r 6zk 0ai QAk iNp hzN IW0 twj
    oVM Zr1 Ikl 9PX DiB pYq tah i24 kHQ SqL
    XEn Kbf X5Y KsL ZDF S3z TVg QDA 9XP fYt
    XpV awT pNk K2S ljs oMP nf6 FaN Hj3 bix
    QqB cn1 84r 6zk 0ai QAk iNp hzN IW0 twj

    #define _CRT_SECURE_NO_WARNINGS
    #include<stdio.h>
    #include<stdlib.h>
    #include<io.h>
    #include<string.h>
    
    struct Commodity	//商品结构体
    {
        int Category;   //商品的种类
        int id; //商品id
        char name[4];    //商品名称
    };
    
    struct Customer	//用户结构体
    {
        char id[10];    //用户ID
        char password[10];   //用户密码
        int seeCategory[10];    //记录用户查看种类次数
        int buyCategory[10];    //记录用户购买种类次数
        int seeCommodity[10][10];   //记录用户查看商品的次数
        int buyCommodity[10][10];   //记录用户购买商品的次数
        float interCategory[10];    //记录用户对种类的感兴趣度
        float interCommodity[10][10];   //记录用户对商品感兴趣度
    };
    void Initialize(Commodity[][10],Customer&); //初始化结构体数组
    void LogIn(Customer& customer);   //用户登录
    void Recommend(Commodity[][10],Customer&);   //推荐商品
    void Buy(Commodity[][10],Customer&); //用户购买某商品
    void See(Commodity[][10],Customer&); //用户查看某商品
    void Interaction(Commodity[][10],Customer&); //交互界面
    void SaveCustomer(Customer&,FILE *);    //用户信息存储
    
    char pathName[20];	//存储用户文件
    int main()
    {   
        Commodity com[10][10];//假设一共10类商品,每类有10个商品
        Customer customer; //用户
        Initialize(com,customer);	//初始化 
        LogIn(customer);	//登录
        Interaction(com,customer);	//人机交互界面
        system("pause");
        return 0;
    }
    
    void Initialize(Commodity com[10][10],Customer& customer)//初始化结构体数组
    {
        int i ,j;
        FILE * fp;
        //初始化商品结构体数组
        for ( i = 0; i < 10; i++)   
        {
            for ( j = 0; j < 10; j++)
            {  
                com[i][j].Category = i;
                com[i][j].id  = j;
                strcpy(com[i][j].name,"no");
            }
        }
    
        //初始化客户结构体变量
        strcpy(customer.id,"no");
        strcpy(customer.password,"no");
        for ( i = 0; i < 10; i++)
        {
            for ( j = 0; j < 10; j++)
            {
                customer.seeCommodity[i][j] = 0;
                customer.buyCommodity[i][j] = 0;
                customer.interCommodity[i][j] = 0.0;
            }
           customer.seeCategory[i] = 0;
           customer.buyCategory[i] = 0;
           customer.interCategory[i] = 0.0;
        }
    
        //读取商品信息文件
        i = 0;
        fp = fopen("Commodity.txt", "r+");
        while (fscanf(fp, "%s %s %s %s %s %s %s %s %s %s\n",com[i][0].name,com[i][1].name,com[i][2].name,
        com[i][3].name,com[i][4].name,com[i][5].name,
        com[i][6].name,com[i][7].name,com[i][8].name,com[i][9].name) != EOF)//读到文件尾停止
    	{
    		++i;
    	}
    }  
    
    void LogIn(Customer& customer)
    {
        system("cls");//清屏
        int i,j;
        char id[10],password[10];	//临时存储输入的账号密码
        FILE * fp;
    
        printf("您需要登录请输入ID和密码:\n");
        scanf("%s",id);
        scanf("%s",password);
        strcpy(pathName,id);
        strcat(pathName,".txt");//生成文件名
        fp = fopen(pathName,"r+");//打开用户文件
    
        if (fp)//如果用户文件存在,即用户非首次登陆
        {
            fscanf(fp,"%s %s ",customer.id,customer.password);	//读取密码到用户结构体变量
    
            if (strcmp(password,customer.password) == 0)    //如果密码正确
            {
    			for (i = 0; i < 10; i++)	//写入查看种类次数
    			{
    				fscanf(fp, "%d ", &customer.seeCategory[i]);
    			}
    
    			for (i = 0; i < 10; i++)	//写入购买种类次数
    			{
    				fscanf(fp, "%d ", &customer.buyCategory[i]);
    			}
    
    			for (i = 0; i < 10; i++)	//写入查看商品次数
    			{
    				for (j = 0; j < 10; j++)
    				{
    					fscanf(fp, "%d ", &customer.seeCommodity[i][j]);
    				}
    			}
    
    			for (i = 0; i < 10; i++)	//写入购买商品次数
    			{
    				for (j = 0; j < 10; j++)
    				{
    					fscanf(fp, "%d ", &customer.buyCommodity[i][j]);
    				}
    			}
    
                fclose(fp);
            }
            else    //如果密码错误
            {
                
                printf("您输入的账号或密码不正确,请重新输入!\n");
                fclose(fp);
                system("pause");
                LogIn(customer);    //未登录成功,递归执行登录操作,直到登录成功为止
                return;
            }
        }
        else    //如果为首次使用,创建用户文件
        {
            fp = fopen(pathName,"w+");
    		strcpy(customer.id,id);	
    		strcpy(customer.password, password);
            SaveCustomer(customer,fp);	//保存文件
            fclose(fp);
        }
        
    } 
    
    void Buy(Commodity com[10][10],Customer& customer)
    {
    	FILE* fp = NULL;
    	int category = 0, id = 0;
    
    	fp = fopen(pathName,"w+");
    	system("cls");
    
        
        printf("请输入您要购买的商品的类别:\n");
            scanf("%d",&category);
        printf("请输入您要购买的商品的编号:\n");   
            scanf("%d",&id);
        printf("您要购买的商品名称是:%s ,谢谢您的选购!\n",com[category][id].name);
    
        customer.buyCategory[category] += 1;   //记录用户购买的种类
        customer.buyCommodity[category][id] += 1;   //记录用户购买的商品
    	SaveCustomer(customer, fp);	//保存用户的购物记录
        system("pause");
    } 
    
    void See(Commodity com[10][10],Customer& customer)
    {
    	system("cls");
    	FILE* fp = NULL;
    	int category = 0, id = 0;
    
    	fp = fopen(pathName, "w+");
        
        printf("请输入您要查看的商品的类别:\n");
            scanf("%d",&category);
        printf("请输入您要查看的商品的编号:\n");   
            scanf("%d",&id);
        printf("您要查看的商品名称是:%s。\n",com[category][id].name);
    
        customer.seeCategory[category] += 1;   //记录用户查看的种类
        customer.seeCommodity[category][id] += 1;   //记录用户查看的商品
    	SaveCustomer(customer,fp);	//保存用户浏览记录
        system("pause");
    } 
    
    void Recommend(Commodity commodity[10][10],Customer&customer)
    {
      int i, j, m = 0;
      struct		//临时存储用户喜欢的商品
      {
          int category;
          int id;
          float interCommodity;
      } temCommodity[101];
      struct		//临时存储用户喜欢的种类
      {
    	  int category;
    	  float interCategory;
      }temCategory[11];
      
        //计算感兴趣度。购买的权值为7,查看的权值为3
        for ( i = 0; i < 10; i++)
        {
            for ( j = 0; j < 10; j++)
            {
                customer.interCommodity[i][j] = (float)(7.0 * customer.buyCommodity[i][j] + 3.0* customer.seeCommodity[i][j]);
            }
                customer.interCategory[i] = (float)( 7.0* customer.buyCategory[i] + 3.0 *customer.seeCategory[i]);
        }
    
       /**************************************应用冒泡排序算法实现商品的排名推荐**************************************************************/
        for ( i = 0; i < 10; i++)	//给temCommodity赋值
        {
            for ( j = 0; j < 10; j++)
            {
                temCommodity[m].category = i;
                temCommodity[m].id = j;
                temCommodity[m].interCommodity =  customer.interCommodity[i][j];
                m++;
            }
        }
    
        for ( i = 0; i < 100 - 1; i++)	//冒泡排序,商品排名推荐
        {
            for ( j = 0; j < 100 - 1 -i; j++)
            {
                if (temCommodity[j + 1].interCommodity  > temCommodity[j].interCommodity)
                {
                    temCommodity[100]  = temCommodity[j+1];
                    temCommodity[j +1] = temCommodity[j];
                    temCommodity[j] = temCommodity[100];
                }
            }
        }
        
        printf("根据您的购物习惯和购物历史,为您推荐以下商品:\n");
        for ( i = 0; i < 10; i++)
        {
            printf("类别:%d,编号: %d,名字:%s\n",commodity[temCommodity[i].category][temCommodity[i].id].Category, commodity[temCommodity[i].category][temCommodity[i].id].id, commodity[temCommodity[i].category][temCommodity[i].id].name);
        }
    
    	/*******************************************实现商品分类推荐***********************************************************/
    	for (i = 0; i < 10; i++)//给temCategory赋值
    	{
    		temCategory[i].category = i;
    		temCategory[i].interCategory = customer.interCategory[i];
    	}
    
    	for ( i = 0; i < 10 - 1; i++)		//冒泡法排序,实现商品分类推荐
    	{
    		for (j = 0; j< 10 - 1 -i; j++) 
    		{
    			if (temCategory[j + 1].interCategory > temCategory[j].interCategory)
    			{
    				temCategory[10] = temCategory[j];
    				temCategory[j] = temCategory[j + 1];
    				temCategory[j + 1] = temCategory[10];
    			}
    		}
    	}
    
    	printf("根据您的购物习惯和购物历史,为您推荐以下类别商品:\n");
    	for (i = 0; i < 3; i++)
    	{
    		printf("类别:%d\n", temCategory[i].category);
    	}
    
    }
    
    void SaveCustomer(Customer&customer,FILE *fp)
    {
        int i, j;
        fprintf(fp,"%s %s ",customer.id,customer.password);	//保存账号密码
    
        for ( i = 0; i < 10; i++)	//写入查看种类次数
        {
            fprintf(fp, "%d ", customer.seeCategory[i]);
        }
    
        for (i = 0; i < 10; i++)	//写入购买种类次数
        {
            fprintf(fp, "%d ", customer.buyCategory[i]);
        }
    
        for ( i = 0; i < 10; i++)	//写入查看商品次数
        {
            for ( j = 0; j < 10; j++)
            {
                fprintf(fp, "%d ",customer.seeCommodity[i][j]);
            }
        }
        
        for (i = 0; i < 10; i++)	//写入购买商品次数
        {
            for (j = 0; j < 10; j++)
            {
                fprintf(fp, "%d ", customer.buyCommodity[i][j]);
            }
        }
    }
    
    void Interaction(Commodity com[10][10],Customer&customer)   //人机交互界面
    {   int n;
        system("cls");
        Recommend(com,customer);	//推荐商品
    
        printf("\n\n请您选择要进行的操作:\n");
        printf("1.购买商品\n");
        printf("2.查看商品\n");
        printf("3.退出\n");
        scanf("%d",&n);
    
        switch (n)
        {
        case 1:
            Buy(com,customer);		//购买
            Interaction(com,customer);		//递归
            break;
        case 2:
            See(com,customer);	//购买
            Interaction(com,customer);	//递归
            break;
    
        case 3:
            exit(0);	//退出
            break; 
        
        default:
            Interaction(com,customer);	//递归
            break;
        }
    }
    
    展开全文
  • mysql基于协同过滤的商品推荐系统源码 项目说明 项目介绍 商品推荐是针对用户面对海量的商品信息而不知从何下手的一种解决方案,它可以根据用户的喜好,年龄,点击量,购买量以及各种购买行为来为用户推荐合适的商品...
  • 京东商品推荐系统 数据爬虫部分 本项目用来抓取京东商城的食品区域的商品信息、评价信息和用户数据,数据库采用Mysql。 爬虫的核心模块采用,主要实现了JDPageProcessor类,继承自PageProcessor。 采用XPath和CSS ...
  • 商品推荐系统学习资料(二)
  • 爬取淘宝商品数据使用Java实现商品推荐系统(含sql文件等)
  • 大数据--商品推荐系统介绍(上)

    万次阅读 多人点赞 2018-10-08 12:59:20
    这次我们介绍商品推荐系统: 推荐系统是什么 推荐引擎的分类 常见的推荐算法 混合的推荐机制(重要) 推荐系统架构 协同过滤的实现 推荐引擎解决的几个问题 主动的用户,通过类目和搜索进行引导,对结果...
  • java mysql基于协同过滤的商品推荐系统源码 项目说明 ## 项目介绍 > 商品推荐是针对用户面对海量的商品信息而不知从何下手的一种解决方案,它可以根据用户的喜好,年龄,点击量,购买量以及各种购买行为来为...
  • 推荐算法有:统计推荐、基于LFM的协同过滤推荐、Item-CF、TF-IDF、实时推荐,采用Java+Scala语言编写,MongoDB作为数据库。
  • 商品推荐系统(产品推荐系统) 项目介绍 商品推荐是针对用户面对海量的商品信息而不知从何下手的一种解决方案,它可以根据用户的喜好,年龄,点击量,购买量以及各种购买行为来为用户推荐合适的商品。在本项目中采用...
  • 5- 商品推荐系统 github: https://github.com/mtianyan/graphLabStartedML 推荐商品 有大量的商品和用户,想要推荐一部分商品给用户。 怎么通过机器学习结合你和别人的历史购物记录做出适合你的推荐。 亚马逊重点...
  • 基于用户的协同过滤算法实现的商品推荐系统

    千次阅读 热门讨论 2018-10-30 15:41:55
    基于用户的协同过滤算法实现的商品推荐系统   项目介绍 商品推荐是针对用户面对海量的商品信息而不知从何下手的一种解决方案,它可以根据用户的喜好,年龄,点击量,购买量以及各种购买行为来为用户推荐合适的...
  • 该项目是我大三下学期的课程设计,它是基于hadoop的推荐系统,里面包含我的课程设计报告,和完整的mappeReduce代码。希望对你们有帮助。
  • 大数据练习推荐 大数据实战-商品推荐系统(Spark,Scala,MongoDB,Kafka,Flume,Redis)
  • 基于ItemCF协同过滤、hadoop-mapreduce的商品推荐系统下载地址。 基于ItemCF的协同过滤 物品推荐系统 Collaborative filtering goods recommendation system based on ItemCF Step1.run(config, paths); // 格式化 ...
  • 基于Hbase的一个简单的商品推荐系统 博客分类: 架构 纵观业界的电商网站,我站在一个用户的角度来看,商品推荐有很多种: 一种是通过我搜索、查看的那件商品的,系统统计出搜索、查看该商品的其他用户搜索、...
  • Recs FlinkCommodityRecommendationSystem(基于 Flink 的商品推荐系统) 1. 前言 系统取名为 Recs,灵感源于 Recommendation System。logo 使用在线 logo 网站制作。 作者开发该项目,是为了学习 Flink 以及相关...
  • 国科大数据挖掘大作业,c++代码,基于协同过滤算法,数据来自。
  • 在本项目中采用的是基于用户的协同过滤的推荐算法来实现商品的推荐并在前台页面进行展示,我将会使用余弦相似度的度量方法来计算用户与用户之间相似性,最终将相似度较高的用户浏览的商品推荐给用户。 二、目标 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,840
精华内容 1,536
关键字:

商品推荐系统