挖掘用户提供的照片以进行个性化产品推荐

随着社交媒体的出现和普及,用户愿意通过照片,评论,博客等分享他们的经验。 这些用户共享的社交媒体内容揭示了潜在的购物需求。 产品推荐器不仅限于电子商务网站,还可以扩展到社交媒体网站。 在本文中,我们提出了一种用于个性化产品推荐的新型分层用户兴趣挖掘(Huim)方法。 我们方法的输入内容包括用户提供的照片和用户生成的内容(UGC),其中包括用户注释的照片标签以及社交网站中其他用户的评论。 提议的方法包括四个步骤。 首先,我们充分利用图片的视觉信息和UGC来激发用户的兴趣。 其次,我们通过主题分布向量表示用户的兴趣,并应用我们提出的Huim来增强与兴趣相关的主题。 第三,我们还通过主题分布向量表示每个产品。 然后,我们测量用户和产品在主题空间中的相关性,并确定用户对每种产品的排名。 我们对Flickr用户和Bing Shopping的产品进行了一系列实验。 实验结果表明了该方法的有效性。