[论文解读] A Novel C2C E-Commerce Recommender System Based on Link Prediction: Applying Social Network Analysis

Mohammad Dehghan Bahabadi, Alireza Hashemi Golpayegani+1 more|arXiv (Cornell University)|Jul 31, 2014

Recommender Systems and Techniques参考文献 21被引用 6

一句话总结

本文提出了一种基于两级链接预测的C2C电子商务平台推荐系统，利用用户-商品交易网络，并结合用户和商品特征（如评分、信誉和商品类别）进行增强。通过将用户和交易建模为社交网络，该方法在仅依赖拓扑结构的传统方法基础上提升了推荐准确性，在预测未来交易可能性方面表现出色。

ABSTRACT

Social network analysis emerged as an important research topic in sociology decades ago, and it has also attracted scientists from various fields of study like psychology, anthropology, geography and economics. In recent years, a significant number of researches has been conducted on using social network analysis to design e-commerce recommender systems. Most of the current recommender systems are designed for B2C e-commerce websites. This paper focuses on building a recommendation algorithm for C2C e-commerce business model by considering special features of C2C e-commerce websites. In this paper, we consider users and their transactions as a network; by this mapping, link prediction technique which is an important task in social network analysis could be used to build the recommender system. The proposed tow-level recommendation algorithm, rather than topology of the network, uses nodes features like: category of items, ratings of users, and reputation of sellers. The results show that the proposed model can be used to predict a portion of future trades between users in a C2C commercial network.

研究动机与目标

• 为解决C2C电子商务平台缺乏针对其用户行为和网络结构特性的有效推荐系统的问题，这些平台与B2C模型存在显著差异。
• 设计一种推荐算法，利用社交网络分析技术，特别是链接预测，以预测C2C网络中的未来交易。
• 在结合网络结构的同时，整合用户和商品特征（如评分、信誉和商品类别），以提升预测准确性。
• 评估特征增强型链接预测在预测C2C环境中用户之间未来交易方面的有效性。

提出的方法

• 作者将C2C电子商务建模为用户与商品之间的二部网络，其中交易构成它们之间的链接。
• 提出一种两级推荐框架：首先，基于链接预测得分对用户-商品对进行排序；其次，将用户信誉、商品类别和用户评分等特征整合进预测模型。
• 链接预测算法利用节点特征（如评分、信誉）计算用户-商品对之间的相似度得分，从而优于纯拓扑方法。
• 该方法应用特征加权相似度度量来估计未来交易的可能性，权重由用户和商品属性推导得出。
• 系统在真实世界的C2C交易数据集上进行训练和评估，使用AUC和k值精度等标准评估指标。

实验结果

研究问题

• RQ1 链接预测技术能否有效预测C2C电子商务网络中的未来交易？
• RQ2 在C2C环境中，用户和商品特征（如评分、信誉和商品类别）在多大程度上提升了链接预测的准确性？
• RQ3 在C2C推荐系统中，引入节点特征在多大程度上优于仅依赖拓扑结构的链接预测？
• RQ4 所提出的两级推荐模型在C2C环境中是否比传统的协同过滤或基于内容的方法更有效？

主要发现

• 所提出的模型在预测C2C电子商务网络中用户-商品未来交易方面，显著优于仅依赖拓扑结构的链接预测方法。
• 整合用户信誉、评分和商品类别特征可显著提升预测准确性，尤其在交易网络稀疏的情况下表现更优。
• 两级推荐框架在AUC和k值精度方面均优于基线模型，展现出良好的鲁棒性和可扩展性。
• 结果证实，特征增强型链接预测是C2C推荐系统的一种可行且高效的方法，尤其在用户信任和商品上下文具有重要意义的场景中。