張金澤 天津現代職業(yè)技術學院

面向移動電商個性化推薦系統模型的研究

張金澤 天津現代職業(yè)技術學院

移動電商已成為消費形式主流，其個性化推薦系統的研究尤為重要，文章從建立模型的角度，分析輸入模塊、推薦處理模塊、輸出模塊三部分及系統過濾、內容推薦的應用。

移動電商；個性化推薦；協同過濾；內容推薦

1.移動電商的特殊要求

基于移動平臺的電商個性化推薦系統除了需要滿足傳統的軟件系統諸如系統性、實用性、安全性、易操作性和可擴展性的性能要求之外，還要考慮移動電商的特殊性帶來的影響。移動電商對電商個性化推薦系統的要求如下:

1.1 用戶興趣偏好的實時性

用戶的興趣偏好是不斷變化的，體現在系統中就是用戶評分數據隨著用戶的商品瀏覽、購買及評分等操作而改變。移動平臺賦予了電商的移動性特點，移動中的用戶更容易受到不同情境的影響，興趣變化程度更為突出。這就要求系統能夠及時捕獲用戶興趣的變化，把握用戶的實時興趣偏好，做出準確有效的推薦。

1.2 系統響應的快速性

移動電商面向的是使用移動終端進行網購的用戶，用戶在移動終端上對系統延時等待的忍耐程度要遠遠低于傳統的端，這就要求系統擁有較高的運算和傳輸效率，能夠快速響應用戶的要求，在最短的時間內為用戶提供準確、可靠的推薦結果。

1.3 大數據處理的適應性

移動平臺的便攜性使得用戶可隨時隨地瀏覽商品信息。沒有時間和地點的限制，用戶的訪問量和數據量將會大幅增加，這要求系統具備良好的大數據處理能力，在大數據、高并發(fā)情況下也能保證快速響應和有效處理。

2.推薦系統的模型

系統模型由三個部分組成：輸入模塊，推薦處理模塊以及輸出模塊構成。

2.1 輸入模塊

輸入模塊一般是客戶端或者瀏覽器與用戶進行交互，將用戶的交互信息收集并存儲起來，或者直接交給推薦處理模塊進行處理。不同類型的電商推薦系統，收集和處理的用戶信息各不相同，有的收集用戶的瀏覽頁面路徑，有的收集用戶的評價，這都會導致推薦結果的不同。電商推薦系統輸入模塊可以使用如下的信息：顧客注冊信息、用戶主動評分信息、用戶隱式瀏覽信息、用戶文本評價信息、關鍵字信息、用戶購買信息。

2.2 推薦處理模塊

推薦處理模塊是電商推薦系統模型的主體，具有承前啟后作用，接收輸入模塊的數據，將推薦結果交給輸出模塊。推薦處理模塊具體分成兩個部分：推薦建模和推薦引擎。推薦處理模塊可以使用不同的推薦算法，還可以使用結合的算法。

協同過濾系統是目前應用最為廣泛的個性化推薦系統,其中Grundy被認為是第一個投入應用的協同過濾系推薦工具。 Grundy系統可以建立用戶興趣模型,利用模型給每個用戶推薦相關的書籍。 Tapes2try郵件處理系統人工確定用戶之間的相似度, 隨著用戶數量的增加,其工作量將大大增加,而且準確度也會大打折扣。 GroupLens建立用戶信息群,群內的用戶可以發(fā)布自己的信息,依據社會信息過濾系統計算用戶之間的相似性,進而向群內的其他用戶進行協同推薦。 Ringo利用相同的社會信息過濾方法向用戶進行音樂推薦。其他利用協同過濾方法進行推薦的系統還有Amazon1com的書籍推薦系統,Jester的笑話推薦系統,Phoaks的www信息推薦系統等。

內容推薦許多改進算法已經被廣泛研究并且應用到標準的相關性計算和夾角余弦公式中。例如缺席投票(defaultvoting),事例引申(caseamplification)和加權優(yōu)勢內容推薦預測等。其中,缺席投票是基于記憶方法的一種擴展。如果用戶明確評分的產品數目很少,上面提到的算法得到的用戶相似度都不準確。原因在于這種相似性的計算是基于用戶x和y共同評過分的產品集合。實證數據表明,如果給一內容推薦些沒有打分的產品賦予一些缺省的打分值,那么預測分數的準確性將大幅度提高。Sarwar等提出應用相關性和夾角余弦方法計算產品之間的相似性。這個思想被Deshpande和Karypis推廣到基于產品相似性的top2N推薦算法中,即在進行推薦的時候只考慮相似度最高的N個產品,并非所有的產品。實驗證明這種方法不僅比傳統的基于用戶鄰居的推薦算法快1—2個數量級。

2.3 輸出模塊

輸出模塊就是把結果輸出給用戶。它也是與用戶的交互過程，對應于輸入模塊。經過推薦處理模塊的處理后，就需要用戶能夠看到推薦的結果電商推薦系統可以使用不同的方式呈現其推薦的結果，結果的類型也不同，電商推薦系統的輸出結果可以分為幾種形式：

（1）相關產品的輸出：推薦的結果就是商品的集合。典型的列表如 Top－N推薦列表或銷售排行列表。

（2）等級評分的輸出：對應于輸入數據的主動評分信息，用戶對商品打分，系統記錄并統計這些信息，推薦處理模塊生成用戶對該產品的綜合評分，幫助用戶判斷該產品的質量或者性能。

（3）電子郵件的輸出：其實和相關的產品輸出一樣，都是具體的商品集合。但是呈現方式不同。它不是直接呈現，而是通過電子郵件發(fā)給用戶。這種輸出的方式是站點與用戶之間的交互，可以定期吸引客戶到站點訪問，提高用戶忠誠度，減少用戶的丟失。

（4）文本評論的輸出：對應于輸入模塊的文本評論信息。當用戶瀏覽某個商品時，可以給出這些評價信息。根據這些評價信息可以輔助用戶了解該產品的性能，決定是否購買。

[1]鄧曉懿.移動電商個性化服務推薦方法研究[D].大連理工大學,2012.

[2]李鵬輝.基于移動平臺的電商個性化推薦系統研究：（碩士論文）.大連海事大學,2014.

張金澤（1982），男，天津人，職務：教師，研究方向：電商運營/信息技術。