蔡银英

(重庆第二师范学院 数学与信息工程学院，重庆 400067)



电子商务网站的个性化“混合”推荐服务

蔡银英

(重庆第二师范学院 数学与信息工程学院，重庆 400067)

随着电子商务网站的快速发展，网络商品销售数量急剧增加，要提升用户网购的体验度，就必须为用户提供个性化的推荐服务。目前常用的个性化推荐算法有：基于内容的推荐算法、基于关联规则的推荐算法和基于协同过滤的推荐算法。在实际应用中，各算法都存在一定的局限，为了发挥各算法的优势，可以采用个性化的“混合”推荐服务。

电子商务网站；个性化推荐算法；混合推荐服务

中国互联网络信息中心发布的《第38次中国互联网络发展状况统计报告》显示，截至2016年6月，中国网民总规模达7.1亿，人均周上网时长26.5小时；网络购物用户规模达到4.48亿，较2015年底增加3448万，增长率为8.3%。2015年发布的同期数据显示，当年的网络购物用户较2014年增长3.5%。从这些数据可以看出，越来越多的网民喜欢通过网络购物平台采购所需商品，究其原因无非就是因为网络的便捷性与选择的多样性。而有需求就有发展，随着电子商务网站的急速发展，网络购物平台的商品数量呈现爆炸式增长，商品数量的急剧增加在为用户提供更多选择的同时，也增加了用户选到心仪商品的难度。如何帮助用户快速找到自己喜欢的物品，提升用户的使用感受就成了电子商务网站关注的热点。目前普遍采用的方法为搜索引擎，搜索引擎可以根据用户的搜索过滤大量的信息，但是返回结果是大众化的，仍然需要用户花费大量时间对返回结果进行浏览辨别。……