Enriching User Shopping History: Empowering E-commerce with a Hierarchical Recommendation System

推荐系统可以通过分析用户购物历史提供准确的推荐。更丰富的用户历史会导致更准确的推荐。然而，在实际应用中，用户更喜欢物品价格最低的电商平台。换句话说，大多数用户同时从多个电商平台购物；用户的购物历史的不同部分在不同的电商平台之间共享。因此，在本研究中，我们假设任何电商平台都有用户历史的完整记录，但只能访问其中的一些部分。如果推荐系统能够首先预测缺失的部分并适当地丰富用户的购物历史，就可以更准确地推荐下一个物品。我们的推荐系统利用用户购物历史来提高预测准确性。所提出的方法在NDCG@10和HR@10方面都显示出了显著的改进。

如何利用用户的购物历史提高推荐系统的准确性，尤其是在用户同时使用多个电商平台的情况下？

提出一种基于用户购物历史的推荐系统，通过预测缺失的购物历史并将其补充到用户购物历史中，以提高推荐准确性。

实验结果表明，该推荐系统在NDCG@10和HR@10方面都有显著的提升。论文提供了详细的实验设计和数据集介绍，并开源了代码。

近年来，推荐系统领域有很多相关研究，如《Neural Collaborative Filtering》、《Deep Learning based Recommender System: A Survey and New Perspectives》等。