| 在传统协同过滤推荐算法的基础上, 结合跨境电商行业特点, 提出了一种基于商品属性和情境权重的混合推荐算法. 首先, 根据用户商品的历史购买金额和购买次数生成用户偏好评分, 并结合用户商品属性相似度和情境化用户相似度得到目标用户的最近邻集, 最后将通过变异系数法得到的情境权重纳入评分预测当中, 进而生成推荐结果. 实证分析表明, 本算法能有效提升商品推荐结果的预测准确度, 相较基于商品属性的协同过滤推荐算法, 本算法可降低商品预测评分平均绝对误差平均达 2.72 %, 提高了跨境电商商品推荐效果. 本研究为推荐系统在跨境电商领域的应用提供了新方法. |
