商品推荐
商品推荐的相关文献在1994年到2023年内共计820篇,主要集中在自动化技术、计算机技术、贸易经济、经济计划与管理
等领域,其中期刊论文87篇、会议论文5篇、专利文献42055篇;相关期刊71种,包括商场现代化、哈尔滨商业大学学报(自然科学版)、黑龙江科技信息等;
相关会议5种,包括2015全国理论计算机科学学术年会、2009中国自动化大会暨两化融合高峰会议、第七届中国管理科学与工程论坛等;商品推荐的相关文献由1663位作者贡献,包括李勇、金德鹏、不公告发明人等。
商品推荐—发文量
专利文献>
论文:42055篇
占比:99.78%
总计:42147篇
商品推荐
-研究学者
- 李勇
- 金德鹏
- 不公告发明人
- 张良伦
- 蔡彪
- 丁璟韬
- 刘正夫
- 刘舟
- 包勇军
- 吴佳东
- 吴梓辉
- 崔立真
- 徐键滨
- 方依
- 梁新敏
- 陈羲
- 马魁
- 高宸
- 侯恩星
- 刘丽萍
- 刘强
- 刘铁
- 吴伟兴
- 吴壮伟
- 吴志刚
- 姚明东
- 宋亚飞
- 宋春涛
- 张侦
- 张星明
- 徐亮
- 徐意
- 李文华
- 李龙
- 杨小王
- 熊磊
- 王伟
- 王鑫
- 程新洲
- 蔡国永
- 许先才
- 郭伟
- 陈雪峰
- 雷紫娟
- 马修·罗伯特·斯科特
- 马咪娜
- 高阳
- 鹿旭东
- 黄玉盛
- 黄鼎隆
-
-
王国珺
-
-
摘要:
用户画像主要指给用户打标签,即用户属性标签化。企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后,完美地抽象出一个用户的商业全貌。主要围绕大数据应用分析技术框架(数据采集、数据存储、数据处理、大数据分析技术)展开阐述,进行基于大数据仓库的应用分析研究。
-
-
高家祺
-
-
摘要:
上海作为中国的经济中心,又是国内极为重要的黄金珠宝零售市场之一,在2021年“五一”“十一”双节的驱动下,其黄金珠宝市场已完全摆脱新冠肺炎疫情造成的阴霾,并且展现了超越疫情之前的消费水平。另一方面,随着上海“优选经营店”“上海礼物”商品推荐与《黄金回收点经营服务规范》等有利活动的幵展,上海正进一步规范黄金饰品经营服务,加快建设成为国际消费城市。
-
-
王宏琳;
杨丹;
聂铁铮;
寇月
-
-
摘要:
基于异构信息网络嵌入的推荐技术能够有效地捕捉网络中的结构信息,从而提升推荐性能.然而现有的基于异构信息网络嵌入的推荐技术不仅忽略了节点的属性信息与节点间多种类型的边关系,还忽略了节点不同的属性信息对推荐结果不同的影响.为了解决上述问题,提出一个自注意力机制的属性异构信息网络嵌入的商品推荐(attributed heterogeneous information network embedding with self-attention mechanism for product recommendation, AHNER)框架.该框架利用属性异构信息网络嵌入学习用户与商品统一、低维的嵌入表示,并在学习节点嵌入表示时,考虑到不同属性信息对推荐结果的影响不同和不同边关系反映用户对商品不同程度的偏好,引入自注意力机制挖掘节点属性信息与不同边类型所蕴含的潜在信息并学习属性嵌入表示.与此同时,为了克服传统点积方法作为匹配函数的局限性,该框架还利用深度神经网络学习更有效的匹配函数解决推荐问题.AHNER在3个公开数据集上进行大量的实验评估性能,实验结果表明AHNER的可行性与有效性.
-
-
周晶;
刘丹;
李慧超;
贾江凯
-
-
摘要:
针对个性化协同过滤推荐方法对商品推荐的准确率不高的问题,提出一种考虑用户兴趣的协同滤波推荐方法。该方法的采用商品属性相似性、用户交互相似性和评分相似性联合特征提取用户兴趣相似性,并引入Logistic函数反映用户兴趣变化的时效性。实验结果表明,该方法在准确率、召回率和平均绝对误差指标上对数据集的综合推荐和单一品牌推荐性能均优于常用方法。
-
-
陈丽娜;
李圆
-
-
摘要:
近年来,各国企业及科研机构对基于社交网络的商品推荐相关技术的重视程度越来越高,因此,对该领域相关的专利数据进行分析,有利于创新主体了解该领域的专利申请和保护现状,有利于围绕该领域专利申请做好专利布局,为产业运行决策提供依据.本文基于德温特数据库,提取出发明内容涉及基于社交网络的商品推荐相关技术的专利数据,以此分别进行专利申请量发展趋势分析、申请公开(或公告)的国家或地区分布分析、主要申请人分布分析、申请主要涉及技术内容分布分析,并根据上述分析结果,提出我国企业和科研机构在进行技术研发及实施相关商业活动时需要注意的几个方面.
-
-
张洁
-
-
摘要:
与传统电商平台用户的购物特点有所不同,新零售平台的用户购买商品具有重复率高、购买周期短的特点,覆盖衣食住行各个方面,很多属于快销品。构建一个基于新零售电商平台的商品重构推荐系统,对用户的周期性购买行为进行分析预测,有利于提高用户购物体验,增加平台盈利。目前基于大数据的数据挖掘应用方面很多,近些年,深度学习在数据挖掘方面展露头角,深度学习具有多隐层的多层感知器,通过由低层到高层的属性特征分析来发现数据的分布式特征,这对商品推荐系统中分析用户行为具有传统分析方式所不具有的优势。
-
-
张洁
-
-
摘要:
与传统电商平台用户的购物特点有所不同,新零售平台的用户购买商品具有重复率高、购买周期短的特点,覆盖衣食住行各个方面,很多属于快销品.构建一个基于新零售电商平台的商品重构推荐系统,对用户的周期性购买行为进行分析预测,有利于提高用户购物体验,增加平台盈利.目前基于大数据的数据挖掘应用方面很多,近些年,深度学习在数据挖掘方面展露头角,深度学习具有多隐层的多层感知器,通过由低层到高层的属性特征分析来发现数据的分布式特征,这对商品推荐系统中分析用户行为具有传统分析方式所不具有的优势.
-
-
倪美玉;
曹为刚
-
-
摘要:
针对推荐系统广泛采用的协同过滤算法存在的稀疏性和冷启动问题,提出了一种基于深度神经网络和动态协同滤波的推荐模型.该模型采用预训练BERT模型结合双向GRU从用户和商品评论中提取隐含特征向量,利用耦合CNN构建评分预测矩阵,通过动态协同滤波融入用户兴趣变化的时间特征.在亚马逊公开数据集上进行实验,结果表明该模型提高了商品评分预测的准确性.
-
-
洪奕
-
-
摘要:
对比现在主流的社区电商系统,不难发现目前的社区电商仍然属于传统电商:服务没有针对性,服务功能不完善,仅从交易的角度构建系统,满足社区居民购买日用品的消费需求.本文的研究目的是从情景敏感服务角度,构建新型的社区电商服务系统模型,优化移动服务用户体验,推动社区电商的发展.
-
-
王帅;
孙喜民;
高亚斌;
孙博
-
-
摘要:
针对现有协同过滤方法对用户与商品的潜在信息挖掘不全面的问题,提出了一种基于多特征融合和外积神经协同过滤的个性化商品推荐方法.该方法分别采用多层感知器和卷积神经网络提取用户与商品之间的交互关系矩阵,充分利用拼接方法和外积运算的互补性,提高了对用户与商品关系的表征能力.利用外积神经协同过滤模型提升模型稳定性和拓展性.亚马逊公开数据集的测试结果表明,与原有单一特征的推荐模型相比,多特征融合能够有效提高商品评分预测性能,且推荐性能优于现有协同过滤方法.
-
-
HUANG Rui;
黄瑞;
CHEN Zhigang;
陈志刚;
FENG Ruirui;
冯瑞瑞;
ZHENG Xiangyun;
郑祥云
- 《2015全国理论计算机科学学术年会》
| 2015年
-
摘要:
本文介绍随着互联网的飞速发展,人们越来越倾向于在线购物,传统企业也越来越寻求向电子商务转型,而在电子商务的商品推荐系统中,为了给用户提供个性化的商品推荐,不少研究者提出了各自的推荐方法.但是由于各种原因,现有的算法存在各种各样的缺点,如推荐精准度不高,时间复杂度高等,针对这些问题,本文提出了一种基于标签传播算法(LPA)和用户历史购买数据的个性化商品推荐算法.算法首先根据目标用户和全站其他用户之间的相似度,利用改进的标签传播算法对用户进行标记,继而将具有相似标签的用户划分为一类并将同一类别的其他用户感兴趣的商品推荐给目标用户.实验表明,本文提出的算法时间复杂度要低于其他对比算法,推荐准确率要高于其他对比算法.
-
-
高宏;
何沐文
- 《信息系统协会中国分会第二届学术年会》
| 2007年
-
摘要:
电子商务系统中对个性化商品推荐的需求与日俱增,综合不同推荐方法形成商品推荐方案是解决这一问题的重要方法。本文探讨了电子商务商品推荐方案的设计方向,结合具体电子商务网站的要求,阐述了一种自动化的电子商务商品推荐方案。该方案通过计算新老客户的相似程度,结合老客户的行为规律,自动计算出新客户的推荐商品列表,并随着新客户在电子商务系统中行为的发生,修改其推荐商品列表,达到动态的自动化个性化推荐的目的。
-
-
-
-
-
-
-
-