Exploring demographic information in social media for product recommendation
Exploring demographic information in social media for product recommendation
复制标题
探索社交媒体中的人口统计信息以进行产品推荐
DOI：
10.1007/s10115-015-0897-5
复制
发表时间：
2015-10
影响因子：
2.7
通讯作者：
Li Xiaoming
中科院分区：
文献类型：
--
作者：
Zhao Xin;Li Sui;He Yulan;Wang Liwei;Wen Ji-Rong;Li Xiaoming
在许多电子商务网站中，产品推荐对于改善用户体验和促进销售至关重要。现有的产品推荐系统大多依赖于消费者的历史交易记录或网站浏览历史，以准确地预测在线用户对产品推荐的偏好。因此，它们受到特定电子商务网站上有限信息的限制。随着社交媒体平台的大量使用，现在可以从在线产品评论和由微博构建的社交网络中提取产品人口统计数据。此外，用户在社交媒体上的公开资料往往会显示他们的人口统计属性，如年龄、性别和教育程度。在本文中，我们建议利用从社交媒体中提取的产品和用户的人口统计信息进行产品推荐。具体来说，我们将推荐视为一个学习排名问题，它将来自产品和用户人口统计的特征作为输入。集成方法的基础上的梯度提升回归树的扩展，使其适合我们的推荐任务。我们进行了大量的实验，以获得定量和定性的评价结果。此外，我们还进行了用户研究，以衡量我们提出的推荐系统在现实世界中的部署的性能。所有的结果表明，我们的系统是更有效地产生推荐结果更好地匹配用户的喜好比竞争基线。
In many e-commerce Web sites, product recommendation is essential to improve user experience and boost sales. Most existing product recommender systems rely on historical transaction records or Web-site-browsing history of consumers in order to accurately predict online users’ preferences for product recommendation. As such, they are constrained by limited information available on specific e-commerce Web sites. With the prolific use of social media platforms, it now becomes possible to extract product demographics from online product reviews and social networks built from microblogs. Moreover, users’ public profiles available on social media often reveal their demographic attributes such as age, gender, and education. In this paper, we propose to leverage the demographic information of both products and users extracted from social media for product recommendation. In specific, we frame recommendation as a learning to rank problem which takes as input the features derived from both product and user demographics. An ensemble method based on the gradient-boosting regression trees is extended to make it suitable for our recommendation task. We have conducted extensive experiments to obtain both quantitative and qualitative evaluation results. Moreover, we have also conducted a user study to gauge the performance of our proposed recommender system in a real-world deployment. All the results show that our system is more effective in generating recommendation results better matching users’ preferences than the competitive baselines.
登录
查看更多内容
DOI：
--
发表时间：
2010-03
期刊：
--
影响因子：
--
作者：
Konstantinos Tsiptsis;A. Chorianopoulos
通讯作者：
Konstantinos Tsiptsis;A. Chorianopoulos
影响因子：
12.9
作者：
V. Zeithaml
通讯作者：
V. Zeithaml
DOI：
10.1145/1277741.1277845
发表时间：
2007-07
期刊：
--
影响因子：
--
作者：
Yang Liu;Xiangji Huang;Aijun An;Xiaohui Yu
通讯作者：
Yang Liu;Xiangji Huang;Aijun An;Xiaohui Yu
DOI：
10.1109/34.273716
发表时间：
1994-01-01
影响因子：
23.6
作者：
HO, TK;HULL, JJ;SRIHARI, SN
通讯作者：
SRIHARI, SN
影响因子：
12
作者：
Pazzani, MJ
通讯作者：
Pazzani, MJ