吳曉燕　鄧小清　成淑萍

摘 要：隨著電子商務事業(yè)的快速發(fā)展，越來越多的人們開始進行網(wǎng)上購物等一系列線上活動，但由于搜索系統(tǒng)的滯后，導致了網(wǎng)絡交易成功率的下降。交互式遺傳算法可根據(jù)用戶輸入的初始關(guān)鍵字進行多層遞階編碼，通過不斷的解碼、變異和交叉算子實現(xiàn)滿意解的搜索，具有較為顯著的運用效果。本文從交互式遺傳算法的操作入手，分析和研究了交互式遺傳算法在電子商務平臺中的搜索應用。

關(guān)鍵詞：遺傳算法；交互式遺傳算法；電子購物；商品搜索

在數(shù)字化時代的發(fā)展背景下，電子商務正以蓬勃的速度崛起并發(fā)展，但在其發(fā)展過程中，也出現(xiàn)了較多問題?，F(xiàn)階段的網(wǎng)絡信息資源較大，其以幾何級數(shù)的速度增長，越來越多的商品信息進入人們的視野。也正因為網(wǎng)絡信息的繁雜，導致用戶在找尋所需商品時猶如大海撈針。電子商務所面臨的首要問題是如何讓用戶方便快捷的尋找到自己所需的商品。

1 交互式遺傳算法

用戶在交互式遺傳算法中可根據(jù)自身需求和偏好，評價進化后的個體表現(xiàn)型，然后計算機便可榮國遺傳算子實現(xiàn)個體的變異和交叉操作。計算機會不斷重復此項操作，直到尋求到符合用戶需求的解。該算法在長時間的發(fā)展中已經(jīng)運用于數(shù)據(jù)挖掘、語音處理、人臉識別、樂曲創(chuàng)作、知識獲取、韻律控制和服裝設(shè)計等領(lǐng)域。該算法較傳統(tǒng)遺傳算法而言，具有個性化的特點，其需要用戶的參與，而用戶的不斷參與也決定了該算法的適應值。用戶在長時間的人機交互的作用下容易產(chǎn)生疲倦，故該算法的進化代數(shù)和種群規(guī)模都較小，使算法在復雜的優(yōu)化問題中難以應用，限制了該算法的發(fā)展。以用戶評價為基礎(chǔ)的個體信息通過適當?shù)臋C器學習方式，實現(xiàn)用戶認知模型的構(gòu)建。

2 交互式遺傳算法因子操作

以交互式遺傳算法為基礎(chǔ)的個性化商品搜索就是在電子商務系統(tǒng)中引入交互式遺傳算法，系統(tǒng)可根據(jù)用戶的流浪的相關(guān)商品信息，縮小用戶所需商品的范圍，以便更好、更快、更全的尋求用戶所需商品。系統(tǒng)在搜索用戶所需數(shù)商品時，會對適應度函數(shù)進行動態(tài)調(diào)整，在多次進化操作的情況下尋求用戶所需信息資源。

2.1 個體編碼

交互式遺傳算法時以種群搜索為基礎(chǔ)而進行的，在解決系統(tǒng)的實際優(yōu)化問題時，需將問題明確的轉(zhuǎn)換為進化個體。當用戶在電子商務系統(tǒng)中輸入某些關(guān)鍵字時，系統(tǒng)會以現(xiàn)存數(shù)據(jù)為基礎(chǔ)進行挖掘和尋找，便可快速準確的獲取與關(guān)鍵詞相關(guān)連的信息內(nèi)容。本文對系統(tǒng)接收的關(guān)鍵字入手，編碼其相關(guān)的關(guān)聯(lián)詞，實現(xiàn)進化個體的構(gòu)建。

當用戶在電子商務系統(tǒng)中輸入所需商品的關(guān)鍵字時，系統(tǒng)內(nèi)統(tǒng)計數(shù)據(jù)會挖掘之前獲取的相關(guān)信息，根據(jù)關(guān)聯(lián)程度將關(guān)聯(lián)詞關(guān)聯(lián)信息導入至數(shù)據(jù)庫內(nèi)。二進制編碼具有便于操作和簡單直觀等特點，故本文采用二進制編碼的方式對信息內(nèi)容技術(shù)進行編碼：“1”代表系統(tǒng)選用此關(guān)鍵詞；“0”代表系統(tǒng)不選用此關(guān)鍵詞。在電子商務系統(tǒng)中，四級關(guān)鍵詞入微便可將信息內(nèi)容細致準確的表述出來。本文模擬的電子商務系統(tǒng)為四級及以下關(guān)聯(lián)詞情況。因為各級級關(guān)鍵詞都是緊密相連的，所以上層關(guān)聯(lián)詞決定了下層關(guān)聯(lián)詞的選擇。假設(shè)一級關(guān)聯(lián)詞為N1個，則第n個一級關(guān)聯(lián)詞包含 個二級關(guān)聯(lián)詞，而該二級關(guān)聯(lián)詞下共有 個三級關(guān)聯(lián)詞，向下延伸可知三級關(guān)聯(lián)詞下共有 個四級關(guān)聯(lián)詞。

2.2 解碼

各級關(guān)聯(lián)詞的排列序號決定了該層二進制碼的所處位置，在本文圖2中，“1”第一層中關(guān)聯(lián)詞的第一位，代表了“該結(jié)構(gòu)中第一層關(guān)聯(lián)詞對應的相關(guān)信息”，例如上述范文中的“女裝外套”。

排列該結(jié)構(gòu)中各層二進制編碼所顯示的關(guān)鍵詞序號，系統(tǒng)便可得到呈現(xiàn)給用戶的最終信息。圖1中，個體表現(xiàn)型解碼后表現(xiàn)為：“1 1 1 1”/“1 2 2 1 ”/“1 2 2 2”，整合解碼后的信息內(nèi)容，便可得到該商品的對應的關(guān)鍵詞組合。

將進化種群規(guī)模設(shè)置為M，用戶在系統(tǒng)中輸入關(guān)鍵詞時，上述編碼結(jié)構(gòu)便會對該關(guān)鍵字進行隨機初始化得到初始化種群。系統(tǒng)解碼該初始化種群，用圖片的形式將解碼后內(nèi)容發(fā)送給用戶，用戶再根據(jù)自身需求選擇所需商品，以用戶選擇為基礎(chǔ)的系統(tǒng)結(jié)構(gòu)可調(diào)整合適的個體適應值，便于遺傳操作的實施。

2.3 進化個體適應值估計

遺傳算法系統(tǒng)中的算子選擇是以進化個體適應值為基礎(chǔ)進行實施的，故遺傳操作正常進行的先決條件是得到進化個體適應值。以往的交互式遺傳算法主要通過用戶對個體表現(xiàn)的評分狀況得到進化個體適應值，而在現(xiàn)如今的電子商務系統(tǒng)中，用戶并不會直接對該模板進行評分，而是通過點擊其感興趣的內(nèi)容實現(xiàn)進化個體適應值的調(diào)整。

這里選取用戶的關(guān)注程度、訪問次數(shù)和收藏/保存這三種交互進行進行分析，當用戶將所需商品加入購物車便提示為購物成功。在第m個進化個體Xm表現(xiàn)型所對應的商品上進行關(guān)注程度、訪問次數(shù)和收藏/保存三種交互行為，分別表示為It（Xm），In（Xm）和Is（Xm）。其中In（Xm）是用戶點擊該商品的次數(shù)，該次數(shù)取整數(shù)值，即為In（Xm）；Is（Xm）為此用戶潛在的感興趣內(nèi)容，此數(shù)據(jù)由用戶的保存/收藏操作所決定，即為 ?，F(xiàn)有研究對 It（Xm）考慮為此用戶對該商品的關(guān)注事件，并未考慮該用戶對各商品關(guān)注的先后順序，以下為本文中對It（Xm）的計算方式。

系統(tǒng)以用戶初始關(guān)鍵詞為基礎(chǔ)進行信息相關(guān)度的匹配，將匹配后的數(shù)據(jù)提交給用戶。數(shù)據(jù)信息提交成功后，其內(nèi)部智能匹配功能可基于該信息實現(xiàn)后續(xù)智能搜索功能。假設(shè)用戶在舒適化呈現(xiàn)信息的t時刻點擊進入了第m個進化個體Xm所對應的商品表現(xiàn)型，則點擊后關(guān)注的時間為 （秒）。用戶在瀏覽相關(guān)信息時，會優(yōu)先關(guān)注其感興趣內(nèi)容，并點擊進入該商品表現(xiàn)型，而由于點擊時間的優(yōu)先則導致該商品表現(xiàn)型的訪問時間較長。故第m個進化個體在該情況下的關(guān)注度為 。

2.4 進化操作

以已得到的進化個體適應值為基礎(chǔ)，遺傳操作該進化種群，實現(xiàn)變異、交叉和選擇操作。本文通過2規(guī)模的聯(lián)賽選擇方式進行綜合操作。因遞階結(jié)構(gòu)中的二進制串為進化個體編碼，故在進行變異和交叉操作時需進行分層展開，而分層分布的交叉操作可保證其在同層間的有效性，換句話說，遞階結(jié)構(gòu)的編碼可使變異和交叉操作有意義。

首先，隨機配對進化種群中的個體，假設(shè)個體對配對后為 。單點交叉操作該個體集合中 N1層的編碼串，獲取新的2個編碼串后交叉操作該編碼串對應的 （激活后），在不斷的類推和交叉后達到最后一層。當數(shù)據(jù)達到最后一層時，按照合適的概率單點變異N1層的基因，進而變異選擇后的被激活下層基因。

當用戶選擇“刷新”、“返回”或“下一頁”時，系統(tǒng)會將最新生成的信息內(nèi)容推送給用戶。用戶通過不斷重復的遺傳操作、適應值估計和點擊操作便可尋找到自身所需信息。

3 交互式遺傳算法在電子商務平臺中的搜索應用

3.1 參數(shù)設(shè)置

設(shè)置本系統(tǒng)中第一層關(guān)聯(lián)詞為自動化控制類、電子信息類及計算機科學與技術(shù)類；第二層的關(guān)聯(lián)詞則為具體化的圖書名；第三層關(guān)聯(lián)詞則為各為各個圖書的價格；第四層關(guān)聯(lián)詞則為隱含的潛在關(guān)鍵詞。本文采用 實現(xiàn)個體適應值的估算，故本文算法種群可包含較大規(guī)模，在此設(shè)置為200，將交叉概率設(shè)置為85%，變異概率設(shè)置為2%。

3.2 實驗與仿真

本系統(tǒng)中查找的最終書目代表了用戶的最終查找意圖，在此系統(tǒng)中，用戶可根據(jù)進化環(huán)境選取符合需求的優(yōu)化目標，進而得到滿意的搜索結(jié)果。在不斷的人機交互過程中，最符合用戶需求的個體被稱為滿意解，系統(tǒng)在不斷的深化并增加滿意解數(shù)量，并將其推送給用戶。本系統(tǒng)中設(shè)置的關(guān)鍵字為：計算機類，圖書名為：《Web應用程序設(shè)計基礎(chǔ)》，參考價格為：30元。

分別采用傳統(tǒng)搜索方式和本文方式進行搜索對比，傳統(tǒng)搜索方式僅采用關(guān)鍵字匹配技術(shù)，本文搜索方式在關(guān)鍵字匹配的基礎(chǔ)上再引入交互式進化優(yōu)化算法。對兩組搜索方式尋找目標的成功率進行比較。經(jīng)對比分析發(fā)現(xiàn)，傳統(tǒng)搜索方式的獲取滿意解的幾率僅為55%，顯著低于本文方法獲取的滿意解幾率（85%）。故在有限時間內(nèi)，本文算法可快速有效的獲取用戶所需的滿意解。

4 結(jié)語

交互式遺傳算法的出現(xiàn)結(jié)合了遺傳算法的優(yōu)化能力和用戶的認知能力，以實現(xiàn)未能用顯式性能指標函數(shù)描述完成的優(yōu)化問題，對遺傳算法的運用范圍具有較大的擴寬作用。電子商務系統(tǒng)中引入交互式遺傳算法，可降低用戶的搜索耗時，提高系統(tǒng)內(nèi)的搜索成功率，在網(wǎng)絡交易成功率的提高上具有積極意義。

[參考文獻]

[1]齊巖，盧德唐.交互式遺傳算法在基于內(nèi)容的圖像檢索中的應用[J].中國圖象圖形學報，2004，9（1）：46-55.

[2]鄒木春.基于交互式遺傳算法和粗糙集的圖像檢索方法[J].計算機工程與設(shè)計，2007，28（9）：2086-2088.