基于用户兴趣的农产品推荐技术研究

发布时间：2025-05-05 03:29

　　 当前互联网发展日益强大,农产品电商市场的竞争愈演愈烈,用户无法从众多的产品信息中找到适合自身的产品,传统的协同过滤算法只关注用户评分,并不能及时反映用户的兴趣变化。针对这一问题,文中主要考虑通过用户行为及用户访问时间和频率,提出基于改进权值的用户兴趣推荐算法(Weight-based User Interest-Collaborative Filtering,WUI-CF)。实验结果表明,所提算法相比于传统推荐算法能更好地挖掘用户兴趣,适应用户的兴趣变化,提高推荐的精确度,能够更好地解决用户面临众多农产品信息无从挑选的问题,提高了用户的满意度。

【文章页数】：5 页

【部分图文】：

图1 推荐个数相同时不同权重取值的准确率比较

本实验共设计3组,实验1为不同取值的基于时间权重对推荐准确率的影响,权重取值为0.3,0.4,0.5,0.6,0.7。实验结果如图1所示。从图1可以看出,当α为0.6时,算法推荐的准确率最高,此时基于时间的数据权重值能够突出用户近期访问的数据对产生推荐的效果,从而使得算法产生的推....

图2 推荐个数相同时不同推荐算法的准确率比较

推荐数量不同可能会对推荐质量产生一定的影响。因此,本实验的推荐个数分别为5,10,15,20,25,30,35,40,将本文提出的WUI-CF算法与基于用户的最近邻推荐(User-basedCollaborativeFiltering,UCF)、基于物品的推荐(Item-ba....

图3 推荐个数相同时不同推荐算法的召回率比较

图2推荐个数相同时不同推荐算法的准确率比较由图2和图3可以看出:随着推荐个数的增加,各个算法的推荐准确率和召回率都呈现先上升后下降的趋势。当推荐个数为10时,推荐的准确率和召回率最大。此外,UCF和CB的准确率和召回率相对较低,原因在于本实验采用的数据集稀疏度较高,新加入的用户....

本文编号：4043054