用户交易数据不足情况下的商品关联规则扩展与应用

摘要

在电子商务环境下,如何有效地对商品进行推荐具有重要意义。然而传统的关联规则推荐算法往往需要大量的用户交易数据作为支撑,对交易数据不足的商品,比如刚上架不久的新品却无法生成关联规则。从相似性的角度出发,引入商品文本信息,以关联规则推荐算法中经典的Apriori算法为基础,通过构建商品间相似度矩阵,提出一个基于商品相似度的关联规则扩展方法,从而实现对用户交易数据不足的商品生成可靠的关联规则推荐。最后以淘宝平台上的真实数据为例,验证该方法的有效性和实用性。