/2

电子商务网站智能推荐服务模型模型体验

模型简介 技术文档 购买咨询
互联网 0 442 0 ¥399

电子商务网站智能推荐服务模型

一、模型应用

某法律服务网站,致力于为用户提供丰富的法律信息与专业咨询服务,并为律师与律师事务所提供卓有成效的互联网整合营销解决方案。随着其网站访问量增大,其数据信息量也在大幅增长。用户在面对大量信息时无法及时从中获得自己需要的信息,对信息的使用效率越来越低。为用户提供个性化的服务,并且建立网站与用户之间的密切关系,让用户对推荐系统产生依赖,从而建立稳定的企业忠实顾客群,实现客户链式反应增值,提高消费者满意度。通过提高服务效率帮助消费者节约交易成本等,制定有针对性的营销战略方针,促进企业长期稳定高速发展。

目前网站上已经存在部分推荐,比如:当访问主页时可以在婚姻栏目发现如下热点推荐,如下图所示:

1.png

2.png


当用户访问网站页面时,系统会记录用户访问网站的日志,其中记录了用户IP、用户访问的时间、访问内容等多项属性的记录,如何依据这些数据实现以下目标?

  • 按地域研究用户访问时间、访问内容、访问次数等分析主题,深入了解用户对访问网站的行为和目的及关心的内容。

  • 借助大量的用户的访问记录,发现用户的访问行为习惯,对不同需求的用户进行相关的服务页面的推荐。

二、实现流程

本用例的目标是需要对用户进行推荐,即以一定的方式将用户与物品(本例指网页)建立联系。为了更好的帮助用户从海量的数据中快速发现感兴趣的网页,在目前相对单一的推荐系统上进行补充,采用协同过滤算法进行推荐,其推荐原理下图所示。


 3.png

由于用户访问网站的数据记录很大,如果对数据不进行分类处理,对所有记录直接采用推荐系统进行推荐,这样会存在以下问题:1、数据量太大意味着物品数与用户数很多,在模型构建用户与物品的稀疏矩阵时,出现设备内存空间不够的情况,并且模型计算需要消耗大量的时间。2、用户区别很大,不同的用户关注信息不一样,因此即使能够得到推荐结果,其推荐效果也会不好。为了避免出现上述问题,需要对其进行分类处理与分析。正常的情况下,需要对用户的兴趣爱好以及需求进行分类。因用户访问记录中,没有记录用户访问网页时间的长短,因此不容易判断用户兴趣爱好。因此本例根据用户浏览的网页信息进行分类处理,主要采用以下方法处理:以用户浏览网页的类型进行分类,然后对每个类型中的内容进行推荐。

采用上述的分析方法与思路,结合本例的原始数据以及分析目标,可获得整个分析的流程图,如下图所示。其分析过程主要包含以下内容:

  1. 从系统中获取用户访问网站的原始记录。

  2. 对数据进行多纬度分析,用户访问内容,流失用户分析以及用户分类等分析。

  3. 对数据进行预处理,包含数据去重,数据筛选,数据分类等处理过程。

  4. 以用户访问html后缀的网页为关键条件,对数据进行处理。

  5. 对比多种推荐算法进行推荐,通过模型评价,得到比较好的智能推荐模型。通过模型对样本数据进行预测,获得推荐结果。

4.png


三、核心技术

  • PyMySQL

  • 数据预处理

  • 协同过滤算法

  • 基于物品协同过滤模型的建立与评价

四、你可以将本模型用于

  • 教与学:可落地操作、学生参与度高、交互性强;

  • 科研:将协同过滤算法与具体行业应用结合,为科学研究提供素材;

  •  生产:将模型改进后直接用于实际生产环境:智能推荐。

五、运行环境

windows/linux/mac OS,64位操作系统,CPU:4GB(GPU更好),Python3.5或以上。

六、资源展示

5.png

7.png

您尚未登录,请登录后购买! 【马上登录

评论已有 0

模型资源列表

电子商务网站智能推荐服务模型

相关模型推荐

联系我们

电话:(020)22205718

热线:40068-40020

地址:广州黄埔区开泰大道36号

邮编:510000

电邮:services@tipdm.com