几种电商推荐算法概述

蔡坚

摘要：随着互联网技术的飞速发展，网购已日渐成为现代社会的一种潮流。淘宝、京东、亚马逊等电商早已不是于年轻人独有的购物方式，哪怕是很多上了年纪的爷爷奶奶都成为了网购达人。面对形形色色的消费者，这些电商怎样才能知道用户心仪的商品已成为一个非常有研究价值的问题。因此，在大数据时代的背景之下，推荐系统应运而生，通过收集用户之前感兴趣的商品，然后运用机器学习的方法，以不同的推荐算法对用户数据进行分析、筛选，最后预测出用户可能感兴趣的商品。推荐系统中的算法作为核心，本文就电商中常用的几种推荐算法进行介绍。

關键词：网购;数据;机器学习;推荐算法

1.基于CF的推荐算法

1.1算法简介

CF（协同过滤）的推荐原理很简单，就是利用用户对商品的兴趣相投。其主要分为两大类的协同过滤算法，要么基于用户，要么基于商品，本文主要介绍的是基于物品的协同过滤算法。

总结：

不同的消费者在逛网上商城时，有意向的商品都是不一样的，而如何通过推荐商品来吸引用户浏览，是促成商品成交的一个关键问题。而用户之前浏览过和购买过哪些商品就成为了非常重要的信息，推荐系统便通过机器学习从这一类数据中自动分析获得规律，并利用多种算法对未知数据进行预测，为用户推荐感兴趣的商品。

参考文献

[1]吴汉.基于混合过滤的推荐算法研究及其应用[D].南京邮电大学，2018.

[2]李帆.电商大数据平台的设计与应用[D].陕西科技大学，2018.

[3]刘冰.基于大数据的用户动态精准推送服务[D].北京工业大学，2017.

[4]郑龙帅.基于移动平台的电商个性化推荐算法研究与应用[D].北京工业大学，2017.