论文部分内容阅读
如今，推荐系统已成为一种与计算机学科和数据挖掘联系紧密的热门技术，在互联网行业中有着重要的地位。推荐系统可以挖掘用户偏好并向用户推荐商品，提高用户满意度和商家的收益。目前，线上个性化推荐技术已经日渐成熟，并成功在工业界得到广泛的应用。 由于数据累积不充分以及缺少合理推荐渠道等因素，线下个性化推荐还未得到学术界和工业界的广泛重视。近几年，随着线上支付手段的发展，人们线下消费会选择线上支付方式，这为线下个性化推荐累积了大量的有效数据。线下个性化推荐和传统线上个性化推荐（如:电影推荐和APP推荐）有着很大的不同，因此传统的个性化方法难以直接应用在线下推荐场景中。 本文首先介绍了个性化推荐的国内外研究现状，并分析了线下商铺推荐的特点以及线上线下物品推荐的不同之处，提出将自然语言处理中的word2vec算法应用到线下商铺推荐中，把用户当成单词，把在商铺消费过的用户集合当成段落，商铺ID即为段落ID，之后运用word2vec算法把用户表示成向量，再利用个性化推荐方法对用户进行商铺的个性化推荐，如:利用基于用户的协同过滤算法框架进行个性化推荐。实验结果表明，本文所采用的方法在各个评价指标上都大大优于传统个性化推荐方法。最后，本文从场景出发对热门用户和热门商铺进行优化，并引入地理位置信息对算法网络结构进行改善，使得算法有了更好的结果。