Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Advanced Network, Monitoring and Controls
Band 5 (2020): Heft 3 (January 2020)
Uneingeschränkter Zugang
Research on Commodity Mixed Recommendation Algorithm
Hao Chang
Hao Chang
und
Shengquan Yang
Shengquan Yang
| 14. Okt. 2020
International Journal of Advanced Network, Monitoring and Controls
Band 5 (2020): Heft 3 (January 2020)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
14. Okt. 2020
Seitenbereich:
1 - 8
DOI:
https://doi.org/10.21307/ijanmc-2020-021
Schlüsselwörter
E-Commerce
,
Recommendation Algorithm
,
Decision Tree
,
Collaborative Filtering
© 2020 Hao Chang et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Hierarchical model diagram
Figure 2.
Schematic diagram of algorithm fusion process
Figure 3.
The relationship between decision tree and result in random forest model
Figure 4.
The relationship between the number of features and the results in the random forest model
Figure 5.
The relationship between the recommended number of collaborative filtering algorithms and the result
Figure 6.
Time comparison chart
RI VALUE TABLE
n
1
2
3
4
5
6
7
8
9
10
11
RI
0
0
0.58
0.90
1.12
1.24
1.32
1.41
1.45
1.49
1.51
EXPERIMENTAL RESULTS OF FUSION ALGORITHM
Accuracy
Recall rate
F measure
7.33
7.42
7.35
RANDOM FOREST MODEL FINAL EXPERIMENTAL RESULTS
Accuracy
Recall rate
F measure
7.19
7.21
7.20
USER BEHAVIOR WEIGHT
Interaction type
weight
Click
0.08
Collection
0.12
Add to cart
0.30
Buy
0.50