摘要:随着电子商务技术的飞速发展,用户量剧增。利用使用者在电商平台上的浏览痕迹对用户行为进行分析,实现商品的精准推荐,已经成为电子商务的一个热点应用技术和领域。用户行为的有效分析强烈地依赖对用户属性、行为和期待数据画像的精准刻画。然而,就目前的方法和技术而言,在数据画像模型的表现能力和推荐算法的处理效率方面还有许多技术挑战。面对上述挑战,利用数据画像和数据画像概率分配模型等概念,提出基于贝叶斯网络的预测推荐算法,通过构建用户行为的先验概率计算可能产生消费的后验概率。对信用卡APP的真实浏览日志数据进行测试,验证了该算法的可行性和有效性。实验表明,基于贝叶斯网络的推荐算法有着高于传统营销模型的准确性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社。
计算机应用与软件杂志, 月刊,本刊重视学术导向,坚持科学性、学术性、先进性、创新性,刊载内容涉及的栏目:最新技术动态、综述、专家论坛、基金项目论文、学位论文、软件与数据库技术研究、应用技术与研究、网络与通信、图像处理与应用、多媒体技术应用、人工智能与识别、嵌入式软件与应用、算法、安全技术、信息技术交流及其他相关内容等。于1984年经新闻总署批准的正规刊物。