孙克雷， 邓仙荣（安徽理工大学 计算机科学与工程学院， 安徽淮南 232001）



一种改进的基于梯度提升回归算法的O2O电子商务推荐模型

孙克雷， 邓仙荣
（安徽理工大学 计算机科学与工程学院， 安徽淮南 232001）

摘要：位置属性对于线下消费的用户具有重要影响。为了有效提高个性化推荐精度，在对O2O电子商务特点进行用户特征分析的基础上，在推荐算法中引入当前时间参数和位置参数，提出了一种改进的基于梯度提升回归算法的O2O电子商务推荐模型。实验结果表明，改进的基于梯度提升回归算法的O2O电子商务推荐模型在实时性和准确性方面明显优于传统的推荐算法。

关键词：梯度提升回归树，位置服务，个性化推荐，行为日志分析

0　引　言

互联网的快速发展将人类带进了信息化时代，从根本上改变了个人生活和企业发展。对于个人而言，足不出户就可以买到所需要的商品或服务，让消费者享受到电子商务模式的便利；对于企业而言，互联网在企业和消费者之间建立了直接联系，为企业带来更大的商机。贝恩公司与阿里巴巴研究院联合开展的2015年度中国电商报告显示，2014年中国线上销售额已经达到2.9万亿，其中一线城市人均支出超过10万元，由此可见，O2O电子商务改变了消费者的消费模式。推荐系统是利用数据挖掘等技术，分析消费者在电子商务网站的访问行为，产生消费者感兴趣产品信息的推荐结果。

1　相关研究

O2O电子商务是基于大数据平台架构下的典型案例，关键问题是依据海量的商品数据和用户数据建立一个有效的推荐模型，目前流行的推荐模型主要有以下三种：