推荐系统是电子商务环境下过滤过载信息的有效工具,但只向用户推荐商品的传统二维推荐方法并不适用于C2C(Customer to Customer)电商情境。在C2C在线情境中,商品的供应者不止一个,消费者不但需要筛选商品,而且需要筛选卖家。针对这一需求,本文提出了一种新的个性化三维推荐方法,同时考虑C2C在线情境下买家、卖家和商品三者之间的相关性,并为买家提供卖家和商品的组合推荐。该方法包括四个阶段:首先基于卖家特征计算卖家相似度;其次依据卖家相似性和销售关系对三维推荐空间中的历史评分数据进行补充,降低其稀疏性;然后依据推导出的商品评分计算买家相似度,寻找具有相似商品偏好的最近邻;最后通过一个三维预测模型,计算买家对"卖家和商品"组合的未知评分,并根据预测评分进行推荐。通过基于淘宝网的真实数据实验,证实在C2C情境中本文提出的三维推荐方法比传统二维推荐方法更加有效。
个人对个人电子商务(customer to customer,C2C)是目前主流的电子商务模式之一,为解决C2C电子商务网站中特殊的推荐问题,对传统的二维协同过滤方法进行了扩展,提出了能进行卖家和商品组合推荐的三维协同过滤推荐方法,并在此基础上设计了C2C电子商务推荐系统,阐述了该系统的基本架构和推荐过程中的关键运算。该系统利用卖家属性计算卖家相似度,并依据销售关系和卖家相似度对评分数据集进行填充,以解决三维评分数据的稀疏问题;采用协同过滤思想,利用历史评分计算买家相似度,获取最近邻并预测未知评分,最终将预测评分最高的卖家和商品组合推荐给目标买家。实验结果表明,该系统具有较好的推荐效果。
