基于浏览偏好挖掘的实时商品推荐方法  

Real-time recommendation method based on browsing preferences mining

作　　者：谢意[1] 陈德人[1] 干红华[1] 

机构地区：[1]浙江大学软件学院,杭州310027

出　　处：《计算机应用》2011年第1期89-92,共4页journal of Computer Applications

基　　金：国家科技支撑计划项目(2008BAH24B03);浙江省科技计划重大科技专项(优先主题)工业项目(2008C01060-5);宁波市重大(重点)科技计划项目(2008B10023);IBM共享大学计划研究项目(2010)

摘　　要：在分析了当前推荐技术中各种算法的优缺点和及其存在的主要问题的基础上,提出一种浏览偏好挖掘的实时商品推荐方法。该算法通过分析用户Web游览记录,并使用贝叶斯网预测其浏览偏好,然后将用户偏好与商品特征进行匹配计算进而产生商品推荐。实验表明该方法能为用户提供更为精确有效的个性化推荐。After analyzing the advantages and disadvantages of various algorithms and the main problems of the current recommended technology, this paper put forward a real-time recommendation method based on user＇ s browsing preferences mining. The algorithm first used Bayesian Network （BN） to estimate user＇s preferences by analyzing his Web browsing history, and then generated recommendations by calculating the matching degree of user＇s preferences and the characteristics of goods. The experimental results indicate that this method can provide personal recommendations more accurately and efficiently.

关 键 词：个性化推荐 电子商务 偏好挖掘 贝叶斯网络 特征匹配 

分 类 号：TP311.5[自动化与计算机技术—计算机软件与理论]