逻辑回归算法在电商大数据推荐系统中的应用研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Application of Logistic Regression Algorithm in Electronic Business Big Data Recommendation System 作者：潘正军 ; 赵莲芬 ; 王红勤 英文作者：PAN Zheng-jun;ZHAO Lian-fen;WANG Hong-qin;Department Of Software Engineering, South China Institute Of Software Engineering;Department Of Network Technology, South China Institute Of Software Engineering; 关键词：大数据 ; 电商推荐系统 ; 逻辑回归算法 英文关键词：Big data;;E-commerce recommendation system;;Logical regression algorithm 中文刊名：DNZS 英文刊名：Computer Knowledge and Technology 机构：广州大学华软软件学院软件工程系;广州大学华软软件学院网络技术系; 出版日期：2019-05-25 出版单位：电脑知识与技术 年：2019 期：v.15 基金：广东省教改项目(编号:粤教高函[2018]1号);; 广州大学华软软件学院科研项目(编号:ky201809,ky201725,ky201816) 语种：中文; 页：DNZS201915120 页数：4 CN：15 ISSN：34-1205/TP 分类号：297-300

摘要

针对电商用户大数据的特点,研究了基于品牌偏好预估的推荐算法,比较了关联规则推荐算法和逻辑回归算法在基于品牌流行度的推荐系统中的准确率、召回率和F1性能指标。实验表明,在特征工程比较完善的情况下,逻辑回归算法性能优于基于关联规则的推荐算法。
        According to the characteristics of big data of e-commerce users, this paper studies the recommendation algorithm based on brand preference prediction, and compares the accuracy, recall and F1 performance indicators of association rule recommendation algorithm and logistic regression algorithm in the recommendation system based on brand popularity. Experiments show that the performance of the logistic regression algorithm is better than that of the recommendation algorithm based on association rules when the feature engineering is relatively perfect.

引文

[1]吴翔宇.数据挖掘在电商客户行为忠诚度预测研究中的应用[D].兰州财经大学,2016.
    [2]唐志燕.基于用户收视行为特征的产品精准推荐研究[D].浙江工业大学,2017.
    [3]卢嘉颖.基于用户行为的电商推荐系统设计与实现[D].北京邮电大学,2017.
    [4]刘朋.混合个性化推荐方法研究[D].北方工业大学,2018.
    [5]李梦.考虑商品重复购买周期的推荐方法研究[D].武汉科技大学,2018.
    [6]刘军煜,贾修一.一种利用关联规则挖掘的多标记分类算法[J].软件学报,2017,28(11):2865-2878.
    [7]梅刚.基于用户聚类和隐语义模型的协同过滤推荐研究[D].海南大学,2018.
    [8]董书超.基于逻辑回归模型的广告点击率预估系统的设计与实现[D].哈尔滨工业大学,2016.
    [9]许腾腾.基于贝叶斯逻辑回归文本分类模型的改进及其应用[D].兰州财经大学,2018.
    [10]马雅从.基于特征组合的展示广告点击率预估模型研究[D].华南理工大学,2018.
    [11]钱超.基于特征优化的逻辑回归模型在广告点击率问题中的应用研究[D].华中师范大学,2018.