25、基于RFM的商品偏好聚类推荐系统

基于RFM的商品偏好聚类推荐系统

1. 引言

随着普适网络环境的到来，使用智能手机、PDA和智能平板等智能便携设备随时随地享受无线互联网，已逐渐成为我们日常生活的一部分。在这种趋势下，个性化技术变得至关重要。客户希望推荐系统能代表他们推荐真正想要的商品，拥有智能推荐系统也成为了企业的商业策略。

利用最近购买时间（Recency）、购买频率（Frequency）、购买金额（Monetary）即RFM细分分析技术的个性化推荐系统，已经有了相关研究。通过基于RFM的商品偏好聚类，可以提高推荐的准确性，从而提出基于RFM的商品偏好聚类个性化推荐系统。

2. 相关工作

2.1 RFM

RFM通常用于数据库营销和直接营销，在本系统中，通过RFM评分来分析购买数据，以便推荐具有高购买可能性的商品。客户得分和商品得分将基于推荐系统的情况进行分析。RFM得分的计算公式如下：
[RFM = A \times R + B \times F + C \times M]
RFM得分与电子商务的兴趣相关，它可以作为确定互联网购物商城购买行为的基础因素，有助于通过个性化推荐购买真正想要的商品。为了找到具有高购买可能性的商品，需要对RFM方法进行分析，以反映商品的属性。在本文中，使用了客户数据和购买数据，其中购买次数占比为60.98%。

2.2 协同过滤

协同过滤是通过收集许多用户的偏好或品味信息，将过滤方法与用户的兴趣相关联。它有两种类型：
- 显式方法：使用用户的个人资料进行评分。
- 隐式方法：不使用用户的个人资料进行评分，而是使用用户的网络日志模式或购买历史数据来显示用户的