Académique Documents
Professionnel Documents
Culture Documents
6. Conclusion
Système de recommandation de produits
pour le commerce électronique
Lorsqu'un nouveau client sans historique d'achat visite pour la première fois
le site e-commerce, on lui recommande les produits les plus populaires
vendus sur le site de l'entreprise. Une fois qu'il a effectué un achat, le
système de recommandation se met à jour et recommande d'autres
produits en fonction de l'historique des achats et des évaluations fournies
par d'autres utilisateurs sur le site Web. Cette dernière partie est réalisée à
l'aide de techniques de filtrage collaboratif.
Système de recommandation - Partie I
Matrice : basée sur les produits vendus et les avis des utilisateurs
Une matrice est constituée de tous les détails possibles des préférences
(évaluations) des éléments utilisateur représentés sous forme de matrice. La
matrice d'utilité est rare car aucun des utilisateurs n'achèterait tous les
articles de la liste, par conséquent, la plupart des valeurs sont inconnues.
Système de recommandation - Partie II
Système de recommandation - Partie II
Comme prévu, la matrice obtenue ci-dessus est rare, j'ai rempli les valeurs
inconnues avec 0.
Système de recommandation - Partie II
Système de recommandation - Partie II
Numéro d'identification du produit Voici les 10 meilleurs produits à afficher par le système de recommandation
au client ci-dessus en fonction de l'historique d'achat des autres clients du site Web.
Système de recommandation - Partie
III
Pour une entreprise sans historique d'achat d'articles par l'utilisateur, un
système de recommandation basé sur un moteur de recherche peut être
conçu pour les utilisateurs. Les recommandations de produits peuvent être
basées sur une analyse textuelle de regroupement donnée dans la
description du produit
Dataset : jeu de données de Home Depot avec jeu de données produit.
Système de recommandation - Partie
III
Système de recommandation article à article basé sur la description du
produit
Applicable lorsque l'entreprise configure son site Web de commerce
électronique pour la première fois
Système de recommandation - Partie
III
Output
• Recommandation de produit basée sur le produit actuel sélectionné par l'utilisateur.
• Pour recommander un produit connexe basé sur, Fréquemment acheté ensemble.
Système de recommandation - Partie
III
Principaux mots de chaque groupe en fonction de la description du
produit
Système de recommandation - Partie
III
Principaux termes par cluster :
Cluster 0: Cluster 1: Cluster 2: Cluster 3: Cluster 4: Cluster 5: Cluster 6: Cluster 7: Cluster 8: Cluster 9:
concrete wood used door cutting wall light helps air post
stake patio trim lbs saw piece watt water ft fence
ft bamboo painted easy tool finish bulb easy water gate
coating natural 65 dog blade tile led snow unit ft
apply frame proposition nickel design design fixture handle room screen
epoxy outdoor nbsp solid cut use volt nozzle installation vinyl
drying rug residents roof pliers color bulbs year fan posts
sq size california plastic grip easy lighting features cooling aluminum
garage steel project house metal installation use tool use brackets
formula dining 32 adjustable non water power control easy spline
Prédire les clusters en fonction des mots clés de recherche
Système de recommandation - Partie
III
Système de recommandation - Partie
III
Une fois qu'un CLUSTER est identifié sur la base des mots de recherche de
l'utilisateur, le système de recommandation peut afficher des articles des groupes
de produits correspondants sur la base des descriptions de produits.
Conclusion