發(fā)布時(shí)間：2025-05-05 03:29

　　 當(dāng)前互聯(lián)網(wǎng)發(fā)展日益強(qiáng)大,農(nóng)產(chǎn)品電商市場(chǎng)的競(jìng)爭(zhēng)愈演愈烈,用戶無法從眾多的產(chǎn)品信息中找到適合自身的產(chǎn)品,傳統(tǒng)的協(xié)同過濾算法只關(guān)注用戶評(píng)分,并不能及時(shí)反映用戶的興趣變化。針對(duì)這一問題,文中主要考慮通過用戶行為及用戶訪問時(shí)間和頻率,提出基于改進(jìn)權(quán)值的用戶興趣推薦算法(Weight-based User Interest-Collaborative Filtering,WUI-CF)。實(shí)驗(yàn)結(jié)果表明,所提算法相比于傳統(tǒng)推薦算法能更好地挖掘用戶興趣,適應(yīng)用戶的興趣變化,提高推薦的精確度,能夠更好地解決用戶面臨眾多農(nóng)產(chǎn)品信息無從挑選的問題,提高了用戶的滿意度。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1 推薦個(gè)數(shù)相同時(shí)不同權(quán)重取值的準(zhǔn)確率比較

本實(shí)驗(yàn)共設(shè)計(jì)3組,實(shí)驗(yàn)1為不同取值的基于時(shí)間權(quán)重對(duì)推薦準(zhǔn)確率的影響,權(quán)重取值為0.3,0.4,0.5,0.6,0.7。實(shí)驗(yàn)結(jié)果如圖1所示。從圖1可以看出,當(dāng)α為0.6時(shí),算法推薦的準(zhǔn)確率最高,此時(shí)基于時(shí)間的數(shù)據(jù)權(quán)重值能夠突出用戶近期訪問的數(shù)據(jù)對(duì)產(chǎn)生推薦的效果,從而使得算法產(chǎn)生的推....

圖2 推薦個(gè)數(shù)相同時(shí)不同推薦算法的準(zhǔn)確率比較

推薦數(shù)量不同可能會(huì)對(duì)推薦質(zhì)量產(chǎn)生一定的影響。因此,本實(shí)驗(yàn)的推薦個(gè)數(shù)分別為5,10,15,20,25,30,35,40,將本文提出的WUI-CF算法與基于用戶的最近鄰?fù)扑](User-basedCollaborativeFiltering,UCF)、基于物品的推薦(Item-ba....

圖3 推薦個(gè)數(shù)相同時(shí)不同推薦算法的召回率比較

圖2推薦個(gè)數(shù)相同時(shí)不同推薦算法的準(zhǔn)確率比較由圖2和圖3可以看出:隨著推薦個(gè)數(shù)的增加,各個(gè)算法的推薦準(zhǔn)確率和召回率都呈現(xiàn)先上升后下降的趨勢(shì)。當(dāng)推薦個(gè)數(shù)為10時(shí),推薦的準(zhǔn)確率和召回率最大。此外,UCF和CB的準(zhǔn)確率和召回率相對(duì)較低,原因在于本實(shí)驗(yàn)采用的數(shù)據(jù)集稀疏度較高,新加入的用戶....

本文編號(hào)：4043054