电子商务中基于潜在类回归模型的农产品个性化推荐方案

作者：彭洁; 徐剑晖; 陈超

来源：江苏农业科学, 2017, 45(12): 274-278.

DOI：10.15889/j.issn.1002-1302.2017.12.068

• 电子商务
• 农产品个性化推荐
• 潜在类回归模型
• 组群偏好

针对现有电子商务中农产品个性化推荐方案精度较低的问题,提出一种基于潜在类回归模型(latent-class regression model,简称LCRM)和组群偏好的个性化推荐方案。首先,收集农产品的评价信息,进行预处理,提取出每个评价者的特征-意见值对。然后,利用LCRM根据整体与特征评价,将具有相同爱好的评价者进行分组,构建组群偏好,并计算单个评价者的偏好。最后,通过计算用户与组群偏好的相似度来定位组群,通过计算用户与该组群中评价者偏好的相似度来定位农产品,最终列出推荐表。结果表明,该方案能够准确为用户推荐所需的农产品,推荐列表中农产品的命中率达到了83%,同时具有较低的计算复杂度。

• 单位
  四川工程职业技术学院; 电子科技大学