張欣悅

（深圳技師學院 信息技術系，廣東 深圳 518000）

1 電子商務推薦系統(tǒng)的概念

電子商務推薦系統(tǒng)定義為：利用電子商務網(wǎng)站向用戶提供商品信息和建議，幫助客戶決定應該購買什么產(chǎn)品，模擬銷售人員幫助客戶完成購買過程。它是一個基于客戶網(wǎng)上購物的以商品為推薦對象的個性化推薦系統(tǒng)，為客戶推薦符合其興趣愛好的商品。分析客戶的消費偏向，向每個客戶具有針對性地推薦的產(chǎn)品，幫助客戶從龐大的商品目錄中挑選真正適合自己需要的商品。電子商務推薦系統(tǒng)在幫助了客戶，提高了客戶對商務活動的滿意度。同時，還能將電子商務網(wǎng)站的瀏覽者轉變?yōu)橘徺I者，提高電子商務網(wǎng)站的交叉銷售能力，提高客戶對電子商務網(wǎng)站的忠誠度，從而換來對電子商務站點的進一步支持。

2 電子商務推薦系統(tǒng)的關鍵技術分析

電子商務推薦系統(tǒng)主要由三大部分構成：輸入模塊、推薦方法模塊和輸出模塊。輸入模塊用來接受用戶的輸入信息，用戶的輸入信息中最重要的是用戶對項目的評價(rating)數(shù)據(jù)；推薦方法模塊用來根據(jù)一定的算法和用戶數(shù)據(jù)，得出對目標用戶的推薦，該模塊是整個推薦系統(tǒng)的核心部分，個性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶。

電子商務推薦系統(tǒng)使用的技術主要有：內(nèi)容推薦技術、關聯(lián)規(guī)則，聚類，Horting圖，協(xié)同過濾技術等。

2.1 基于關聯(lián)規(guī)則的推薦技術

關聯(lián)規(guī)則可以尋找在同一個事件中出現(xiàn)的不同項的相關性，比如在客戶所購買不同商品之間的相關性。利用這些關聯(lián)，就可以得到客戶的購買特性，并根據(jù)發(fā)現(xiàn)的這些規(guī)律采取有效的行動。這對店鋪的市場定位、商品的采購等決策問題都有重大的指導意義。同時，也能為商品推薦提供幫助。

關聯(lián)規(guī)則的目標是在數(shù)據(jù)項目中找出所有的并發(fā)關系，這種關系也稱為關聯(lián)。關聯(lián)規(guī)則有三個度量。支持度反映在交易數(shù)據(jù)中發(fā)現(xiàn)該規(guī)則的頻繁程度，置信度說明當“如果”部分為真時“那么”部分也為真的頻繁程度[2]。比如手機一外殼規(guī)則，其支持度為15%表明15%的客戶同時購買了手機和外殼，置信度為85%表明在所有購買手機的客戶中，有85%的人也購買了外殼。而提升度反映在預測結果方面，規(guī)則比只是首先假設該結果會好多少，它是關于該規(guī)則工作情況的很好度量。這了挖掘出有意義的關聯(lián)規(guī)則，一般都需要提供最小支持度和最小置信度。

i）找出事務數(shù)據(jù)庫中所有大于等于用戶指定的最小支持度的頻繁項集；

ii）利用頻繁項集生成所有的關聯(lián)規(guī)則，根據(jù)用戶設定的最小置信度進行取舍，最后得到強關聯(lián)規(guī)則。

（1）關聯(lián)規(guī)則的定義：關聯(lián)規(guī)則就是在一個交易數(shù)據(jù)庫中統(tǒng)計購買了商品集X的交易中有多大比例的交易同時購買了商品集Y，得到的關聯(lián)規(guī)則表示為：X=＞Y[s%,c%]

s表示關聯(lián)規(guī)則的支持度，c表示關聯(lián)規(guī)則的置信度。

關聯(lián)規(guī)則的發(fā)現(xiàn)算法很多，如Apriori，AprioriTid，DHP，F(xiàn)P-tree等。

（2）關聯(lián)規(guī)則的算法過程

i）使用關聯(lián)規(guī)則發(fā)現(xiàn)算法找出所有滿足最小支持度和最小置信度的關聯(lián)規(guī)則R；

為破解高校科技成果轉化中的關鍵問題和難點，推動高校科技成果轉化，浙江省開展了建設高?？萍冀?jīng)紀人制度試點工作，高?？萍冀?jīng)紀人主要負責對技術轉移項目進行正確的評估和論證，為企業(yè)和學校提供、傳遞技術轉移供需信息，組織并參與技術成果的商業(yè)化應用和產(chǎn)業(yè)化活動，對技術轉移活動進行全過程管理［5］。

ii）找出R中所有被客戶支持的關聯(lián)規(guī)則R1，即關聯(lián)規(guī)則左邊的所有商品都被客戶購買；

iii）找出被關聯(lián)規(guī)則R1所預測并且沒有被客戶所購買的所有商品P。

根據(jù)P中商品在關聯(lián)規(guī)則R1中的置信度排序，如果某商品被多個規(guī)則預測，則取置信度最大者作為排序依據(jù)，挑選前N個商品作為算法輸出。

2.2 基于最近鄰居的協(xié)同過濾技術

通過比較用戶之間喜好的相似性，使用統(tǒng)計技術尋找與目標客戶有相同喜好的鄰居；然后根據(jù)目標客戶多個鄰居的觀點產(chǎn)生向目標客戶的推薦。

基于最近鄰居的協(xié)同過濾算法主要分為三個階段：

（1）對用戶已經(jīng)購買的商品進行建模

用m*n階客戶-商品矩陣表示，Ri,j=1，如果第i個客戶購買了第j件商品；Ri,j=0，如果第i個客戶沒有購買第j件商品。

通過奇異值分解將m*n階客戶-商品矩陣變換為m*k階矩陣，這種表示稱為降維表示，可以部分解決原始表示存在的稀疏性、縮放性和同義詞問題。

（2）尋找目標客戶所對應的鄰居

鄰居形成階段：關鍵在于計算客戶之間的相似性。

目標客戶：對于每個客戶u，找到它的l個鄰居N={N1,N2,…,Nl}，使得 sim(u,N1)最大，sim(u,N2)次之，……。

（3）從目標客戶的鄰居中產(chǎn)生N項產(chǎn)品推薦

由目標客戶的鄰居產(chǎn)生N件商品推薦，可以采用如下兩種不同方法產(chǎn)生推薦：

i）最頻繁項目推薦：掃描目標客戶每一個鄰居的購買數(shù)據(jù)，對其購買的商品進行計數(shù)，選擇出現(xiàn)頻率最高且目標客戶沒有購買的前N件商品最為推薦結果；

ii）基于關聯(lián)的推薦：類似于前面介紹的基于關聯(lián)規(guī)則的推薦算法，只是將目標客戶的鄰居作為算法的輸入。

2.3 基于內(nèi)容的推薦技術

基于內(nèi)容的推薦起源于信息檢索領域，它利用資源和用戶興趣的相似性來過濾信息。首先分析項目的內(nèi)容，根據(jù)用戶評價過的項目建立用戶的興趣模型，即用戶描述文件。根據(jù)用戶描述文件的不同又可以分為基于向量空間模型的推薦、基于關鍵詞分類的推薦、基于領域分類的推薦和基于潛在語義索引的推薦。

為了更好地區(qū)別用戶興趣之間的差異，曾春等提出了一種基于概率模型的文本推薦方法，把用戶興趣文件表示為用戶對不同領域感興趣的概率,先建立一個領域分類模型，然后計算所有文檔和用戶在這個分類模型上的概率分布，用該概率分布來表達文檔和用戶興趣[2]?；趦?nèi)容的推薦利用資源和用戶興趣的相似性來過濾信息。首先分析項目的內(nèi)容，根據(jù)用戶評價過的項目建立用戶的興趣模型，即用戶描述文件。根據(jù)用戶描述文件的不同又可以分為基于向量空間模型的推薦、基于關鍵詞分類的推薦、基于領域分類的推薦和基于潛在語義索引的推薦。這種方式直接、簡單，推薦結果易于解釋?？梢泽w現(xiàn)用戶興趣的多樣性，而且由于用戶感興趣領域的個數(shù)遠小于關鍵詞的個數(shù)，算法的運算速度也得到了提高。

3 電子商務個性化推薦技術發(fā)展展望

傳統(tǒng)的協(xié)同過濾推薦技術根據(jù)用戶顯式評分產(chǎn)生推薦結果，不僅用戶使用不方便，而且不能有效地解決數(shù)據(jù)稀疏問題及最初評價問題等經(jīng)典問題。隨著www的發(fā)展，Web本身就是一種新數(shù)據(jù)源，在Web日志中積累了大量的有用的信息，因此可以通過Web挖掘技術來獲取用戶的隱式評分，所以未來的電子商務推薦系統(tǒng)應該利用盡可能多的信息，收集多種類型的數(shù)據(jù)，有效集成多種推薦技術，提供多種推薦功能，從而提供更加有效的個性化推薦服務。

目前的電子商務推薦系統(tǒng)主要面向用戶，未來電子商務系統(tǒng)除了為用戶作出個性化推薦服務外，還應集成企業(yè)資源計劃系統(tǒng)(ERP)、客戶關系管理系統(tǒng)(CRM)和供應鏈管理系統(tǒng)(SCM)等企業(yè)信息系統(tǒng)，以便將企業(yè)商務活動中產(chǎn)生的大量業(yè)務數(shù)據(jù)和顧客信息轉化為知識，增強其市場分析能力，共同為企業(yè)的產(chǎn)品定價、銷售、管理等提供決策支持，增強企業(yè)的市場競爭能力。

［1］劉建國，周濤，汪秉宏.個性化推薦系統(tǒng)的研究進展[J].自然科學進展，2009（01）.

［2］曾春,邢春曉,周立柱.基于內(nèi)容過濾的個性化搜索算法[J].軟件學報,2003,14(05):999-1004.