下一个购物篮推荐系统算法研究∗

王伟玉

（1.中国科学院计算技术研究所 北京 100190）（2.中国科学院大学 北京 100190）

1 引言

推荐系统主要根据用户的历史行为记录来分析并挖掘用户的兴趣偏好，预测用户的行为，从而对用户做出相应推荐。推荐系统在网络和电子商务领域得到了广泛应用。

电商平台会产生并记录下海量的用户购物行为数据，这些行为数据通常是按照时间顺序被记录下来，因此可以从中挖掘时序、用户偏好等有价值的特征用于为用户提供个性化推荐。但在现实生活中，用户一般是在不同时间（可能为某时间点或较短时间段）购买一系列的商品。由于时间间隔较短，这些购物行为通常无明显的时序特征。另一方面，对于用户的拼单行为，很多购物行为会同时发生，这些购物行为就不能按时序进行分析。所以，需要将用户购物历史数据按时间顺序切分到不同的购物篮，把购物篮内的商品当作一个整体，忽略内部的时间顺序，只研究购物篮之间的时间顺序［1］。

推荐系统的大多相关研究侧重于把每个商品看作独立整体，对其单独进行推荐，未考虑商品间的时序相关性。但在真实情况中，用户的购物篮里往往同时含有几件商品，它们很可能是有联系的，而非彼此独立。有研究表明用户购物篮中的商品会影响其下一个购物篮中的商品，即用户的历史交易记录对用户的下次购买行为有较强的关联性。

下一个购物篮推荐［2～3］（next basket recommen⁃dation）就是基于上述背景提出的，在推荐系统中，已成为备受关注且有重大意义的任务。……