基于RFMQ模型的零售企业个性化推荐模型与应用研究

发布时间：2021-05-27 09:31

　　本文解决的是零售企业个性化推荐问题,利用超市企业用户交易数据构建RFMQ模型的用户-商品评分矩阵,再利用关联规则算法提取商品关联关系,并将该关系与协同过滤模型融合。本研究通过零售企业交易数据集,对推荐模型进行验证,证明本推荐模型具有较高的推荐能力,对于零售企业商品推广营销具有借鉴和参考价值。 

【文章来源】：现代商业. 2019,(24)

【文章页数】：3 页

【文章目录】：
一、绪论
二、算法与模型基础
    (一)基于矩阵分解模型的协同过滤算法
    (二)RFMQ模型介绍
    (三)关联规则算法
三、推荐模型构建
    (一)数据整理及清洗
    (二)RFMQ模型构造用户-商品评分矩阵
    (三)利用关联规则挖掘商品关系
    (四)构建推荐模型并优化
四、实证研究
    (一)实验数据
    (二)数据清洗
    (三)评价指标
    (四)对比实验
五、结论与启示


【参考文献】：
期刊论文
[1]基于聚类优化的协同过滤个性化图书推荐[J]. 田磊,任国恒,王伟.  图书馆学研究. 2017(08)
[2]结合置信度和SVD的协同过滤算法[J]. 张超,秦永彬,黄瑞章.  计算机与数字工程. 2015(05)
[3]基于标签和协同过滤的个性化资源推荐[J]. 蔡强,韩东梅,李海生,胡耀光,陈谊.  计算机科学. 2014(01)



本文编号：3207329