14、鼓励在新场所消费的大数据推荐系统

鼓励在新场所消费的大数据推荐系统

1 引言

推荐系统能够将数据转化为有用的见解，让客户根据自己的偏好购买产品，以个性化和透明的方式帮助客户过滤信息。像 Netflix 这样知名的影视流媒体平台，会分析用户观看内容、时间、时长和使用设备等大量数据，然后基于分析结果为用户推荐内容。在经济领域，也有推荐系统的应用，比如西班牙有根据客户的时空动态来推荐商业场所的系统，银行利用客户交易数据和店铺访问信息，推荐客户可以使用银行卡消费的地方。

我们的目标是构建一个创新的推荐系统，鼓励拥有信用卡和借记卡的用户在之前未去过的商业场所消费。随着信用卡和借记卡使用的推广，客户的平均购物金额有所增加，这也是我们开展这项工作的动力之一。

2 相关工作

推荐系统的研究主要有四种方法：基于内容的过滤、协同过滤、基于人口统计的过滤和混合过滤。

2.1 基于内容的过滤

这种方法考虑用户的个人资料和过去的决策，通过物品之间的相似度来推荐与用户偏好最接近的物品。它依据物品属性进行推荐，需要用户已有的个人资料。不过，收集描述信息可能需要外部数据，这些数据可能难以获取，而且推荐结果往往过于专业化，缺乏新颖性和实用性。例如，Genome Musical Project 基于 400 个音乐特征推荐歌曲，使用了余弦相似度这种传统信息检索技术生成启发式推荐。

2.2 协同过滤

该方法考虑用户的过去行为，如物品评价或先前的购买记录，利用已知偏好预测未知偏好来进行推荐。它通过寻找有共同喜好的用户群体（邻域），为用户推荐邻域内用户评价较高但自己未评价过的物品。协同过滤不仅考虑产品属性，还结合用户行为，能推荐用户从未浏览过的