摘要
针对传统服装推荐算法中缺乏对消费者与服装特性的关注,以及预测结果缺乏针对性和有效性的问题,利用服装编码、时间间隔和欧氏距离等参数构建了消费者购物兴趣衰减模型,提出基于模拟评分的服装推荐改进算法.对比了模拟评分算法与基于奇异值分解的改进算法的预测值和真实值之间的平均绝对误差.结果表明:模拟评分算法预测评分的平均绝对误差为0.808,相对于基于奇异值分解的改进算法,误差降低了0.024,其中25％的个案的误差大于1,排除这部分个案后的平均绝对误差为0.632;通过对消费者进行回访分析发现,90％消费者的推荐准确率大于96％,只有10％的消费者的推荐准确率为60％～64％;导致误差较大的原因是这部分消费者的喜好发生变化,或是长期没有购买服装.
NETL
NSTL
维普
万方数据