基于局部SVD++的服装推荐算法研究

2018-04-04 05:55:14尹定乾杨佳乐金英花
价值工程 2018年10期

尹定乾 杨佳乐 金英花

摘要: 随着社会的飞速发展,生活节奏不断加快,消费者逐渐开始注重购买服装的效率,对个性化服装的需求也在不断增加。所以,个性化服装推荐系统对于消费者和商家来说都尤为重要。本文利用皮尔森相关系数和矩阵分解的有关理论,在K-NN(k-Nearest Neighbor)算法和SVD(Singular Value Decomposition)算法的基础上构建基于局部SVD++的服装推荐算法。

Abstract: With the rapid development of society, the pace of life has been accelerating, consumers gradually began to pay attention to the efficiency of the purchase of clothing, and the demand for personalized clothing is also increasing. As a result, personalized clothing recommendation system for consumers and businesses are particularly important. Based on the K-NN (k-Nearest Neighbor) algorithm and the SVD (Singular Value Decomposition) algorithm, the paper constructs a clothing recommendation algorithm on the basis of local SVD++.

关键词: 智能推荐;服装推荐算法;加权矩阵;矩阵分解;协同过滤

Key words: intelligent recommendation;clothing recommendation algorithm;weighting matrix;matrix decomposition;collaborative filtering

中图分类号:TP311 文献标识码:A 文章编号:1006-4311(2018)10-0173-04

0 引言

网络技术的迅速发展以及互联网应用的普及,使人们的生活更加的方便,但同时也给人们带来了信息过载的问题,其中由于服装的种类和样式确实很多,给用户的选购带来了很大的困难,用户很难在海量的服装数据库中找到一款让自己满意的商品,这时候就需要在服装选购方面提供一些便利,让用户能够更快地、更方便地找到自己满意的商品。本文首先介绍矩阵分解方法和皮尔森相关系数,然后介绍了基于上述两种方法的K-NN (K Nearest Neighbors)算法和SVD (Singular Value Decomposition)++算法,指出了这两种推荐算法的原理和不足,接着根据服装特有的属性,结合现有的推荐系统算法,有针对性地结合服装推荐的特点,构建新的服装推荐算法。本文的创新之处在于把K-NN算法和SVD++算法结合在一起,可以避免用户-服装矩阵的稀疏问题和计算精度低等问题。推荐系统的应用可以帮助用户从繁杂的信息中获取所需信息,从而促进服装销售并吸引用户。

1 推荐系统的有关介绍


登录APP查看全文