黄玉盛 祝迎春

摘要：随着5G移动通信技术、虚拟现实和增强现实等技术的应用与普及，电商相关领域中传统的单一推荐算法在应对日益增长的结构与非结构数据、多源数据的融合和用户需求多样等方面逐渐显露出不足之处。结合电商相关领域的现有特点与难点来进行推荐算法的选择和优化改进，混合推荐算法应运而生。首先，分析了传统单个基于二部图网络的、基于知识图谱的和基于神经网络推荐算法的特征和优缺点；其次，总结梳理了以上三种类型的混合推荐算法在电商相关领域的研究现状；最后，指出混合推荐算法在电商相关领域应用中遇到的困境、不足和未来应用研究方向，以期为混合推荐算法在电商相关领域的深入应用提供有力支持。

关键词：混合推荐算法；电商相关领域；二部图网络；知识图谱；神经网络

中图分类号：TP391.3      文献标识码：A

文章编号：1009-3044（2023）34-0004-05

开放科学（资源服务）标识码（OSID） ：

0 引言

近年来，随着互联网技术的快速发展、疫情影响和线下门店成本高等原因，电商直播凭借互动性强、投入成本低和用户观看粘性强等特点，让持续低迷的传统电商相关领域重新燃起了“战火”，一跃成为蓬勃发展的行业。在国家相关电商相关领域政策的加持下，电商直播成为新的电商热点。与此同时，电商相关领域也面临着一个重要的挑战，即消费者往往难以从众多商品中选择到最适合自己的商品，以实现精准地推荐商品，这也是行业上俗称的“信息过载”，而个性化推荐被认为是解决信息过载问题的最有效方法之一。……