I參考文獻(xiàn)[1] 王粵;黃俊;鄭小楠;李玲玲;.基于用戶興趣和評(píng)分差異的改進(jìn)混合推薦算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2021(10):138-144.[2] 陳昱霖;溫源;周洪宇;李佳奇;李晨;.基于混合推薦技術(shù)的新聞推薦系統(tǒng)[J].智能計(jì)算機(jī)與應(yīng)用,2022(01):143-148.[3] 夏子涵.基于數(shù)據(jù)挖掘的用戶重復(fù)購(gòu)買行為預(yù)測(cè)研究[D].大連理工大學(xué),2021(02).[4] 劉華真;王巍;谷壬倩;張屹晗;郝亞奇;.基于用戶瀏覽行為的個(gè)性化推薦研究綜述[J].計(jì)算機(jī)應(yīng)用研究,2021(08):34-43.[5] 代麗;樊粵湘;.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)時(shí)代,2019(06):13-15+19.[6] 王粵;黃俊;鄭小楠;李玲玲;.基于用戶興趣和評(píng)分差異的改進(jìn)混合推薦算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2021(10):138-144.[7] 張?jiān)铺?陳娜;.基于大數(shù)據(jù)技術(shù)的個(gè)性化推薦系統(tǒng)分析[J].信息與電腦(理論版),2021(15):102-104.[8] 常昊;楊盛泉;.基于協(xié)同過濾決策樹的商品推薦算法的研究[J].價(jià)值工程,2020(09):135-137.[9] 姚凱;涂平;陳宇新;蘇萌;.基于多源大數(shù)據(jù)的個(gè)性化推薦系統(tǒng)效果研究[J].管理科學(xué),2018(05):7-19.[10]黎超;.基于大數(shù)據(jù)的電商個(gè)性化推薦系統(tǒng)分析[J].商業(yè)經(jīng)濟(jì)研究,2019(02):71-74.[11]王永,趙旭輝,李曉光,等.一種面向協(xié)同過濾的快速最近鄰居搜索方法[J].計(jì)算機(jī)工程與應(yīng)用.2021,(17).DOI:10.3778/j.issn.1002-8331.2008-0407

.[12]廖國(guó)瓊,藍(lán)天明,黃曉梅,等.基于事件社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)綜述[J].軟件學(xué)報(bào).2021,(2).DOI:10.13328/ki.jos.006145

.[13]吳飛賢,段華斌,扈樂華,等.基于Spark的商品推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].辦公自動(dòng)化.2021,(3).[14]王永貴,李倩玉.基于KNN-GBDT的混合協(xié)同過濾推薦算法[J].計(jì)算機(jī)工程與應(yīng)用.2021,(9).DOI:10.3778/j.issn.1002-8331.2004-0123

.[15]張玉潔,董政,孟祥武.個(gè)性化廣告推薦系統(tǒng)及其應(yīng)用研究[J].計(jì)算機(jī)學(xué)報(bào).2021,(3).DOI:10.11897/SP.J.1016.2021.00531

.[16]黃顯琛.基于微服務(wù)架構(gòu)的系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].信息技術(shù)與信息化.2020,(11).16-17.DOI:10.3969/j.issn.1672-9528.2020.11.003

.[17]顧明星,黃偉建,黃遠(yuǎn),等.結(jié)合用戶聚類與改進(jìn)用戶相似性的協(xié)同過濾推薦[J].計(jì)算機(jī)工程與應(yīng)用.2020,(22).DOI:10.3778/j.issn.1002-8331.2006-0212

.[18]MingFangpeng;TanLiang;ChengXiaofan.HybridRecommendationSchemeBasedonDeepLearning[J].MathematicalProblemsinEngineering,2021.[19]MahamudulHasan;;FalguniRoy.AnItem–ItemCollaborativeFilteringRecommenderSystemUsingTrustandGenretoAddresstheCold-StartProblem[J].BigDataandCognitiveComputing,2019(3):39.[20]M.F.Faraone;;M.Gorgoglione;;C.Palmisano;;U.Panniello.Usingcontexttoimprovetheeffectivenessofsegmentationandtargetingine-commerce[J].ExpertSystemsWithApplications,2012(9):8439-8451.[21]Adiyansjah,AlexanderASGunawan,DerwinSuhartono.MusicRecommenderSystemBasedonGenreusingConvolutionalRecurrentNeuralNetworks[J].ProcediaComputerScience,2019,157.[22]FranciscoGarca-Snchez,RicardoColomo-Palacios,RafaelValencia-Garca.Asocial-semanticrecommendersystemforadvertisements[J].InformationProcessingandManagement,2020,57(2).[23]RajendraKumarRoul,KushagrArora.Aniftyreviewtotextsummarization-basedrecommendationsystemforelectronicproducts[J].SoftComputing,2019,23(24).[24]張志堅(jiān),王鵬,郭軍華,等.基于在線評(píng)論服務(wù)策略的電商供應(yīng)鏈決策.系統(tǒng)工程學(xué)報(bào),2021,36(2):227–239.[25]李琳,劉錦行,孟祥福,等.融合評(píng)分矩陣與評(píng)論文本的商品推薦模型.計(jì)算機(jī)學(xué)報(bào),2018,41(7):1559–1573.[26]王森,陳莉,張潔.基于項(xiàng)目模糊相似度的協(xié)同過濾推薦算法.計(jì)算機(jī)應(yīng)用研究,2021,38(3):696–701.[27]畢建武,劉洋,樊治平.依據(jù)在線評(píng)論的商品排序方法.系統(tǒng)工程學(xué)報(bào),2018,33(3):422–432[28]魯輝,張?zhí)A,何二寶,等.基于產(chǎn)品屬性及用戶偏好的個(gè)性化產(chǎn)品推薦方法.貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,35(1):87–92.[29]NilashiM,BinIbrahimO,IthninN.Hybridrecommendationapproachesformulti-criteriacollaborativefiltering.ExpertSystemswithApplications,2014,41(8):3879–3900.[30]FaraoneMF,GorgoglioneM,PalmisanoC,etal.Usingcontexttoimprovetheeffectivenesso