Context-Aware Recommender System with Dynamic Personalization

doi:10.1007/978-3-032-05545-3_27

Context-Aware Recommender System with Dynamic Personalization

2026-01-01

0

PRE

AI

DOI：10.1007/978-3-032-05545-3_27

原文链接

原文求助

摘要

En 中文

本文探讨了情境感知推荐系统（CARS）在提升电子商务平台用户体验方面的实现与影响。传统的推荐系统主要依赖过去的购买行为和浏览历史，往往难以提供及时且符合情境的相关推荐。CARS通过整合动态情境元素（如一天中的时间、地点、设备类型和用户偏好）来克服这一局限，从而提供定制化的产品推荐。本研究将CARS集成到H&M电子商务平台中，采用协同过滤与情境增强算法相结合的方法，以提高推荐准确性和用户参与度。根据A/B测试和用户反馈的结果，点击率（CTR）提升了20%，转化率提高了22%。这表明符合情境的推荐能更好地匹配用户的当前需求和偏好。此外，用户满意度增加了85%，由于展示更多相关且及时的产品，决策疲劳有所减轻。该研究指出了获取可靠情境数据以及平衡隐私担忧与动态个性化的挑战，但也强调了CARS为电子商务平台提供竞争优势的潜力。论文最后提出了未来研究方向，包括扩展系统以处理更大规模的数据集、整合更细致的情境输入（如用户情绪），以及探索增强现实和语音驱动推荐等先进交互方式。研究发现，CARS能够显著增强个性化、用户满意度和业务成果，为更响应式和以客户为中心的电子商务体验铺平道路。

Keyword:

Context-Aware Recommender Systems (CARS)

E-commerce

Personalization

User Experience

Collaborative Filtering

Real-Time Recommendations

User Satisfaction

Click-Through Rate (CTR)

Conversion Rate

Dynamic Personalization Privacy Concerns

Contextual Data

Adaptive Recommendation Strategies

Matrix Factorization

Deep Learning

Context-Aware Recommender System with Dynamic Personalization

摘要

期刊

机构

引用论文