結構化學習應用於消費型商品推薦

摘要

近年來網路普及，電子商務網站發展成熟，隨之而生的推薦系統發展蔚為風潮，如何幫助消費者從成千上萬的商品中，找到他所需要的商品，並在最短時間內將「對的商品」在「對的時間」推薦給「對的人」，是很重要的。然而，推薦系統背後仰賴的是大量的數據和有效的分析，對於初創發展不久的企業來說是很大的問題。 本研究屬於消費型商品推薦，與以往推薦系統主要差異為「時間序列」以及「重複購買」，消費型商品與時間有很大的關係，而且會被使用者重複購買。論文中，我們透過設計使用者特徵、商品特徵、使用者與商品的交互特徵以及時間相關的特徵，將資料透過機器學習演算法訓練預測模型。我們以時間切分後的測試資料進行預測。實驗數據顯示在Top5的F-measure比去年研究高出66.38%，提供更有效的推薦系統。