摘要
随着电子商务技术的快速发展,电子商务平台已成为企业推荐商品、用户实现商品消费的主要场所。无数企业将数以万计的商品在电商平台上呈现给用户,供用户选择,但这给用户选购商品带来了不便,同时也出现信息过载等问题。为解决该问题,目前电子商务平台大都应用了个性化推荐技术和算法,但在实际应用过程中,个性化推荐系统也存在稀疏矩阵、冷启动和用户差异等问题。为有效改善存在的问题,提升推荐质量,本文基于大数据和电子商务个性化推荐基本理论,构建了一种应用商品属性值和巴氏系数的优化协同过滤推荐算法,并对比分析了所构建的推荐算法与四种常见的推荐算法的推荐效果,验证了所构建推荐算法的有效性。
- 单位