随着线上支付技术与线下物流网络的日益成熟,团购电商的发展势头也变得愈加强劲,俨然是电子商务产业的下一个风口。然而团购电商场景相当复杂,不仅有买家与商品之间的购买关系,还有买家与买家之间的“拼团”关系,即多人一起合购同一种商品。在电子商务繁荣发展的今天,如何为电商买家推荐合适的商品这一问题已有深刻的研究,而如何为一个团购电商买家推荐恰当的合购者这一问题的研究却未曾展开。为此,本文对团购电商中的合购者推荐技术进行研究,并重点关注其中的弱相似合购者推荐问题,即在一次团购交易中,参与购买的不仅有强相似的合购者,还有弱相似的合购者,推荐合购者时还必须要考虑到这些弱相似合购者。本文先是提出了一个基于连接的合购者推荐方案PDSDNE(PathSim Diffused Structural Deep Network Embedding),将团购交易数据处理成交易网络形式,在交易网络中显式连接弱相似合购者与团购发起买家,以此使得发起团购买家关联到弱相似合购者,最终使用栈式自编码器嵌入表达交易网络,获得团购交易网络中商品、买家节点的嵌入向量,然后根据嵌入向量产生包括弱相似合购者在内的合购者推荐列表。为进一步提升推荐性能,本文从网络嵌入的另一个角度出发,提出一个基于近邻的合购者推荐方案cop2vec(co-purchaser to vector),cop2vec是一种更为平滑网络嵌入推荐方案,能够从网络中获得有利于弱相似合购者的向量表示,且不用添加额外的信息,不会对原始网络造成破坏。最后获得的嵌入向量能够产生更高准确率与召回率的合购者推荐列表。在系统实现方面,本文设计并实现了一个面向团购电商的推荐应用,使用Django进行开发,整个应用完整可用且良好的可视化效果。相较于传统的推荐方法,本文提出的推荐方法更能适应于团购电商场景,在一名买家发起团购时,本文方法能够有效地推荐包括弱相似者在内的其他人参与团购,这将会为团购电商平台上的买家带来更好的购物体验。