最终路径推荐流程,通过聚合用户历史路径数据聚合出K类用户,计算出不同簇类用户对N种商品的兴趣概率P,判别新用户属于哪一簇类的用户,推路径荐最短的阈值下兴趣度最高的路径为最优路径推荐给用户。
1. 导购路线规划需求
2. 基本寻优路径算法A*算法
3. 聚类算法层次聚类Hierarchical Clustering->谱聚类算法Spectral Clustering
- 特征值求解通过幂迭代
- 谱聚类底层K-means采用Geodesic K-means Clustering
通过聚合用户历史路径数据聚合出K类用户,计算出不同簇类用户对N种商品的兴趣概率P,判别新用户属于哪一簇类的用户,推路径荐最短的阈值下兴趣度最高的路径为最优路径推荐给用户。
最终路径推荐流程,通过聚合用户历史路径数据聚合出K类用户,计算出不同簇类用户对N种商品的兴趣概率P,判别新用户属于哪一簇类的用户,推路径荐最短的阈值下兴趣度最高的路径为最优路径推荐给用户。
1. 导购路线规划需求
2. 基本寻优路径算法A*算法
3. 聚类算法层次聚类Hierarchical Clustering->谱聚类算法Spectral Clustering
通过聚合用户历史路径数据聚合出K类用户,计算出不同簇类用户对N种商品的兴趣概率P,判别新用户属于哪一簇类的用户,推路径荐最短的阈值下兴趣度最高的路径为最优路径推荐给用户。