一種基于貝葉斯網(wǎng)客戶(hù)購(gòu)物模型的商品推薦方法

摘 要：提出一種新的基于客戶(hù)購(gòu)物模型的推薦系統(tǒng)框架，它把推薦過(guò)程形式化為客戶(hù)購(gòu)物信息的知識(shí)表達(dá)、知識(shí)推理過(guò)程。該方法首先對(duì)客戶(hù)的購(gòu)物歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到貝葉斯網(wǎng)客戶(hù)購(gòu)物模型，然后結(jié)合客戶(hù)當(dāng)前的購(gòu)物行為，提出并實(shí)施了一種基于概率推理的推薦算法。實(shí)驗(yàn)表明該算法能高效實(shí)時(shí)地為客戶(hù)產(chǎn)生個(gè)性化的商品推薦集合，且在覆蓋率和準(zhǔn)確率方面優(yōu)于某些傳統(tǒng)方法。

關(guān)鍵詞：Web挖掘；貝葉斯網(wǎng)；客戶(hù)購(gòu)物模型；個(gè)性化推薦

中圖法分類(lèi)號(hào)：TP393

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001—3695(2005)04—0065-04