基于序列模式的电子商务推荐系统综述
作者：Christie I.Ezeife，†和Hemni Karlapalepu†
温莎大学计算机科学学院，地址：401 Sunset Ave.，Windsor，ON N9B3P4，Canada
通信地址应为的作者。
†
这些作者对这项工作做出了同样的贡献。
算法2023，16（10），467；https://doi.org/10.3390/a16100467
接收日期：2023年8月17日/修订日期：2023.9月22日/接受日期：2023:9月23日/发布日期：2023-10月3日
（本文属于《智能推荐系统算法新趋势》特刊）
摘要
电子商务推荐系统通常处理大量的客户序列数据库，如历史购买或点击流序列。如果通过将客户点击和/或购买的顺序模式集成到协同过滤的用户-项目评级矩阵输入中来学习用户购买行为的复杂顺序模式，则可以提高推荐系统的准确性。这篇综述的重点是现有的基于顺序模式的电子商务推荐系统的算法。它对这些系统进行了全面和比较的性能分析，揭示了它们的方法、成就、局限性以及解决该领域更重要问题的潜力。综述表明，将历史购买和/或点击序列的顺序模式挖掘集成到用户-项目矩阵中进行协同过滤可以（i）提高推荐准确性，（ii）降低用户-项目评级数据的稀疏性，（iii）提高推荐的新颖性，以及（iv）提高推荐系统的可扩展性。
关键词：推荐系统；协同过滤；序列模式；电子商务；购买和点击流
