Métodos de recomendación de paquetes teniendo en cuenta las diferencias en los datos de calificación de los...

Área de la Ciencia:

• El comercio electrónico
• Análisis de mercadotecnia
• Sistemas de recomendación

Sus antecedentes:

• El agrupamiento es una estrategia clave en el comercio electrónico, que beneficia tanto a los minoristas como a los consumidores.
• Las calificaciones de productos generadas por los usuarios son cruciales para comprender las preferencias y la satisfacción de los clientes.
• La escasez y la heterogeneidad de los datos plantean desafíos en los sistemas de recomendación de comercio electrónico.

Objetivo del estudio:

• Proponer un nuevo marco de recomendación de paquetes que aproveche las disparidades de calificación.
• Para capturar las preferencias de los usuarios y las demandas no satisfechas mediante el análisis de las diferencias de calificación.
• Mejorar la precisión de las recomendaciones de paquetes y la satisfacción del usuario en el comercio electrónico.

Principales métodos:

• Un método de recomendación en dos etapas que aborda la escasez y la heterogeneidad de los datos.
• Etapa uno: Descomposición profunda del valor singular con filtrado colaborativo para completar la matriz de calificación.
• Etapa dos: Una red de autoatención de gráficos de doble capa para modelar la insatisfacción del usuario y fusionar datos heterogéneos.

Principales resultados:

• Logró mejoras relativas del 3-6% en las métricas de ganancia acumulada descontada normalizada (NDCG) y de retiro.
• Se ha demostrado un aumento significativo de la satisfacción de los usuarios con los paquetes recomendados.
• Validación de la eficacia del análisis de las diferencias de calificación para mejorar las recomendaciones.

Conclusiones:

• Las disparidades de calificación ofrecen información valiosa sobre el comportamiento del usuario y las demandas latentes.
• El modelo de dos etapas propuesto mejora efectivamente el rendimiento de las recomendaciones de paquetes.
• El marco proporciona una herramienta valiosa para que los minoristas en línea mejoren la experiencia del cliente y las ventas.