基于全域市场数据感知的终端客户推荐

• 作者: 何利力 张星
• 来源期刊: 计算机系统应用
• 关键词: 全域市场 客户价值 矩阵分解 耦合对象相似度 推荐算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 136-143
• 页数: 8页
• 字数: 7204字
• 语种: 中文

摘要

终端客户推荐系统是大型制造商终端营销的一种有效工具.如何在互联网+环境下通过采集全域市场数据,设计一个寻找最佳目标客户的推荐方法成为了一项挑战.为解决这一问题,本文提出一种基于全域市场数据感知的终端客户推荐方法(GMF).即采用全域分析的思想对全国范围内的客户数据进行预处理,建立全方位,多角度的评估指标,得到目标客户价值.然后通过域子空间分解的方法,在域子空间中对数据进行分解分析,得到某一区域内的客户评价标准,将二者分析结果进行有效融合,通过计算耦合对象相似度,并筛选出最相似的TopN个数据作为最佳目标客户结果集.在大型制造商营销活动所生成的数据集上的实验结果表明:本文提出的推荐算法其性能明显优于当前主流的协同过滤算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何利力	浙江理工大学信息学院	93	289	8.0	13.0
2	张星	浙江理工大学信息学院	2	0	0.0	0.0