Resumen

Los sistemas de recomendación son motores esenciales para ofrecer recomendaciones de productos a las empresas de comercio electrónico. La adopción exitosa de los sistemas de recomendación podría influir significativamente en el crecimiento de los objetivos de marketing. El filtrado colaborativo es un tipo de modelo de sistema de recomendación que utiliza las actividades de los clientes en el pasado, como las valoraciones. Desgraciadamente, el número de valoraciones recogidas de los clientes es escaso, ya que asciende a menos del 4%. El modelo de factor latente es un tipo de filtrado colaborativo que implica la factorización matricial para generar predicciones de valoraciones. Sin embargo, utilizar sólo la factorización matricial daría lugar a una recomendación inexacta. Varios modelos incluyen documentos de revisión de productos para aumentar la eficacia de su predicción de valoración. La mayoría de ellos utilizan métodos como TF-IDF y LDA para interpretar los documentos de revisión de productos. Sin embargo, los modelos tradicionales como LDA y TF-IDF presentan algunas deficiencias, ya que muestran una menor comprensión contextual del documento. Esta investigación integra la factorización matricial y los nuevos modelos para interpretar y comprender los documentos de revisión de productos utilizando LSTM y la incrustación de palabras. Según el informe del experimento, este modelo superó significativamente al modelo tradicional de factores latentes en más de un 16% de media y alcanzó un 1% de media según la métrica de evaluación RMSE, en comparación con el mejor rendimiento anterior. La visión contextual del documento de revisión del producto es un aspecto importante para mejorar el rendimiento en una matriz de valoración escasa. En el trabajo futuro, es necesario generar una visión contextual utilizando secuencias de palabras bidireccionales para aumentar el rendimiento de los sistemas de recomendación de comercio electrónico con problemas de datos dispersos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:documento de revisión de productos, modelo de factores latentes, factorización matricial, conocimiento contextual, filtrado colaborativo, predicción de calificación, sistema de recomendación, sistema de recomendación de comercio, crecimiento de la comercialización, número de calificación
• Keywords:products review document, latent factors model, matrix factorization, contextual insight, collaborative filtering, rating prediction, recommender system, commerce recommender system, growth of marketing, number of rating