袁　源

(山西職業(yè)技術(shù)學(xué)院計(jì)算機(jī)系，山西 太原 030006)

?

電子商務(wù)中個(gè)性化推薦系統(tǒng)的實(shí)現(xiàn)技術(shù)研究

袁源

(山西職業(yè)技術(shù)學(xué)院計(jì)算機(jī)系，山西 太原 030006)

摘要：由于電子商務(wù)和信息規(guī)模的快速增長(zhǎng)，信息量在不斷的加大，用戶(hù)面對(duì)這些海量的信息無(wú)法知道哪些是對(duì)自己有用的信息，信息過(guò)濾的重要手段之一就是推薦系統(tǒng)，通過(guò)對(duì)用戶(hù)行為的分析，個(gè)性化推薦系統(tǒng)就可以預(yù)測(cè)出用戶(hù)的喜好，使用戶(hù)能夠更輕松地找到所需要的信息，能夠自行在模擬狀態(tài)下通過(guò)銷(xiāo)售人員的幫助來(lái)完成所有的購(gòu)買(mǎi)過(guò)程。

關(guān)鍵詞：電子商務(wù)；推薦算法；個(gè)性化服務(wù)；協(xié)同過(guò)濾

1個(gè)性化推薦系統(tǒng)的概念

在商務(wù)智能平臺(tái)中個(gè)性化推薦系統(tǒng)占主導(dǎo)地位，它挖掘了大量數(shù)據(jù)，從而為用戶(hù)提供個(gè)性化的決策支持以及信息服務(wù)。購(gòu)物網(wǎng)站的個(gè)性化推薦系統(tǒng)為客戶(hù)智能推薦商品，這種基于用戶(hù)習(xí)慣的在線商品推薦算法就相當(dāng)于我們實(shí)際生活中的導(dǎo)購(gòu)員，在了解客戶(hù)的基本需求以及偏愛(ài)的商品的特征后，就可以向用戶(hù)提供有價(jià)值的建議，算法基于信息：網(wǎng)購(gòu)平臺(tái)客戶(hù)購(gòu)買(mǎi)商品的歷史行為記錄。近幾年來(lái)，搜索引擎技術(shù)由于被廣泛應(yīng)用，其發(fā)展較快，比較有代表性的谷歌，百度等，由“信息爆炸”和“信息過(guò)載”引發(fā)的信息丟失問(wèn)題，在一定程度上可以被緩解[1]。

但客戶(hù)對(duì)于個(gè)性化的要求越來(lái)越迫切，這種能夠?qū)崿F(xiàn)基于用戶(hù)習(xí)慣做出推薦的算法無(wú)論是在國(guó)內(nèi)還是國(guó)外，都有專(zhuān)業(yè)的研究機(jī)構(gòu)投入大量資源進(jìn)行相應(yīng)數(shù)學(xué)模型的研究。

2電商系統(tǒng)中個(gè)性化推薦算法原理

個(gè)性化推薦系統(tǒng)的運(yùn)行遵循輸入、處理和輸出的程序經(jīng)典處理流程。用戶(hù)基本信息模塊負(fù)責(zé)接受輸入信息、個(gè)性化推薦模塊負(fù)責(zé)處理信息和評(píng)價(jià)反饋模塊負(fù)責(zé)輸出信息，個(gè)性化推薦系統(tǒng)首先接受用戶(hù)輸入的注冊(cè)信息、用戶(hù)的行為記錄信息等，再按照使用的算法對(duì)得到的信息進(jìn)行篩選，最終將篩選的結(jié)果通過(guò)網(wǎng)站設(shè)定的模式推薦給用戶(hù)。

用戶(hù)喜好的信息主要來(lái)源于“輸入一處理一輸出”模式中輸入階段的用戶(hù)輸入的信息，這些信息直接影響網(wǎng)站最終給出的推薦效果，因此要脫離網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行篩選去噪，確定能夠?qū)崿F(xiàn)合理化推薦的物理結(jié)構(gòu)來(lái)進(jìn)行展現(xiàn)。依據(jù)用戶(hù)的習(xí)慣進(jìn)行推薦的流程的實(shí)現(xiàn)，還是脫離不了算法對(duì)于初期收集的存儲(chǔ)于系統(tǒng)中的數(shù)據(jù)的處理，包括修改、過(guò)濾、提取、傳遞等，最終實(shí)現(xiàn)通過(guò)網(wǎng)站平臺(tái)將適合的信息展現(xiàn)給用戶(hù)以便他們做出合理的選擇。一些網(wǎng)站還提供給用戶(hù)一些選項(xiàng)，用戶(hù)可以根據(jù)喜好來(lái)進(jìn)行選擇，例如可以通過(guò)選擇“收藏店鋪”、“收藏寶貝”、“我已經(jīng)擁有”、“不感興趣”等明確告訴系統(tǒng)自己對(duì)哪些商品感興趣。用戶(hù)是否能夠客觀的選擇對(duì)于推薦系統(tǒng)的優(yōu)化是非常關(guān)鍵的，系統(tǒng)通過(guò)這些反饋信息可以捕捉到用戶(hù)的興趣點(diǎn)以及興趣的動(dòng)態(tài)變化，強(qiáng)化推薦算法的運(yùn)行效率與選擇精準(zhǔn)度，同時(shí)對(duì)用戶(hù)購(gòu)買(mǎi)偏好模型進(jìn)行實(shí)時(shí)調(diào)整，在運(yùn)行過(guò)程中實(shí)現(xiàn)良性循環(huán)[2]。

3實(shí)現(xiàn)用戶(hù)個(gè)性化推薦系統(tǒng)的關(guān)鍵技術(shù)

3.1COOKIE緩存文件

Cookie是將少量的數(shù)據(jù)存儲(chǔ)到客戶(hù)的電腦存儲(chǔ)設(shè)備中，或可以使網(wǎng)站服務(wù)器在客戶(hù)的電腦中獲取數(shù)據(jù)的一種方法。它通過(guò)在客戶(hù)端PC上生成一個(gè)小文件，用于客戶(hù)端與服務(wù)器之間傳遞關(guān)鍵信息。當(dāng)你瀏覽某個(gè)網(wǎng)站時(shí)，網(wǎng)站的數(shù)據(jù)庫(kù)服務(wù)器可以通過(guò)它獲取你瀏覽過(guò)的網(wǎng)頁(yè)以及瀏覽的時(shí)間等信息，這時(shí)的Cookie文件就具有了日期和時(shí)間，同時(shí)就變相的減輕了各個(gè)電子商務(wù)網(wǎng)站的數(shù)據(jù)庫(kù)服務(wù)器的存儲(chǔ)壓力[3]。

當(dāng)你再次訪問(wèn)該網(wǎng)站時(shí)，網(wǎng)站通過(guò)讀取客戶(hù)電腦中的Cookies，得知你的相關(guān)信息，就會(huì)因人而異地給出不同的首頁(yè)提示，包括登錄用戶(hù)的用戶(hù)名都會(huì)顯示出來(lái)，或者有些網(wǎng)站可以在兩周之內(nèi)直接登錄，因?yàn)槟愕挠脩?hù)名及對(duì)應(yīng)密碼系統(tǒng)可以從Cookies中獲得等等。這就好像我們的身份證，但當(dāng)你換電腦操作這樣的功能就不能實(shí)現(xiàn)。Cookies是每個(gè)用戶(hù)專(zhuān)屬的信息，只能有對(duì)應(yīng)網(wǎng)站的數(shù)據(jù)庫(kù)服務(wù)器來(lái)識(shí)別，所以它們會(huì)以不用名字存儲(chǔ)加以區(qū)分。這些不同網(wǎng)站的Cookies存儲(chǔ)在電腦的同一個(gè)文件夾中，但都經(jīng)過(guò)了加密技術(shù)的處理，我們即使打開(kāi)也都是一些亂碼形式，不用擔(dān)心重要信息的丟失。

當(dāng)前，絕大部分互聯(lián)網(wǎng)廣告推薦技術(shù)都是以cookies技術(shù)為核心為構(gòu)建的，例如你通過(guò)瀏覽器搜索了某一類(lèi)商品的信息，你的搜索信息會(huì)被記錄在cookies文件中，廣告報(bào)務(wù)商會(huì)通過(guò)分析這些cookies信息有針對(duì)性的向你推薦相類(lèi)似的產(chǎn)品。

3.2聚類(lèi)分析算法

人們常說(shuō)“物以類(lèi)聚，人以群分”，聚類(lèi)就是這樣的一種行為。聚類(lèi)分析的分類(lèi)就是依據(jù)不同分類(lèi)標(biāo)準(zhǔn)進(jìn)行信息的劃分，就像按照膚色分為白人、黑人和黃種人，按照職業(yè)分為工人、農(nóng)民、知識(shí)分子?，F(xiàn)實(shí)生活中，人們都是通過(guò)聚類(lèi)模式來(lái)區(qū)分不同的實(shí)物，包括一些程序設(shè)計(jì)語(yǔ)言中都會(huì)用到類(lèi)的概念進(jìn)行程序代碼的封裝。聚類(lèi)分析就是依據(jù)對(duì)象的共同點(diǎn)進(jìn)行分類(lèi)，將相似度較高的對(duì)象放在一起，它們的共同點(diǎn)就是與其它類(lèi)區(qū)分的關(guān)鍵。所以在應(yīng)用中，一個(gè)類(lèi)的對(duì)象就被看做一個(gè)整體。在數(shù)據(jù)挖掘技術(shù)中會(huì)用到聚類(lèi)算法，它可以使個(gè)性化推薦系統(tǒng)在客戶(hù)群中將客戶(hù)進(jìn)行分類(lèi)對(duì)待，劃分出不同的客戶(hù)群，繼而可以確定他們不同的購(gòu)買(mǎi)模式作出合理的推薦[4]。

3.3基于內(nèi)容的過(guò)濾技術(shù)

基于內(nèi)容的過(guò)濾主要是通過(guò)各種方法(包括機(jī)械學(xué)習(xí)等)從事例中得到用戶(hù)的興趣情況，并將相似的物品推薦給用戶(hù)。它以獲得的物品的內(nèi)容信息(包括物品特征信息和項(xiàng)目?jī)?nèi)容信息)為基礎(chǔ)進(jìn)行信息過(guò)濾，找到這些物品之間的相關(guān)性，不需要搜集用戶(hù)的評(píng)價(jià)意見(jiàn)以及行為信息，而是它不涉及冷啟動(dòng)和稀疏問(wèn)題，它通過(guò)對(duì)物品的信息進(jìn)行分析以及建模，從而進(jìn)行推薦。如果物品信息完整度以及全面度較高，則推薦質(zhì)量就會(huì)相對(duì)高一些，這樣才能吸引更多的客戶(hù)。但是這種推薦對(duì)于物品相似度的分析完全依賴(lài)于物品自身的一些特征，離不開(kāi)用戶(hù)以往的一些行為記錄、喜好歷史。

3.4協(xié)同過(guò)濾介紹

協(xié)同過(guò)濾通過(guò)對(duì)用戶(hù)登錄網(wǎng)站的瀏覽記錄以及行為記錄產(chǎn)生的信息進(jìn)行分析過(guò)濾，得到用戶(hù)的興趣喜好，然后將具有相同喜好的用戶(hù)進(jìn)行分類(lèi)，對(duì)于目標(biāo)用戶(hù)就可以找到與他興趣喜好最相近的鄰居用戶(hù)，從而預(yù)測(cè)目標(biāo)用戶(hù)還有可能的喜好，給出目標(biāo)用戶(hù)最準(zhǔn)確的個(gè)性化推薦。

這種過(guò)濾方式既可以基于用戶(hù)過(guò)濾又可以基于商品進(jìn)行過(guò)濾，第一種過(guò)濾的方式就是按照用戶(hù)的興趣和對(duì)商品的喜好，將用戶(hù)進(jìn)行分片，使他們成為“鄰居”，讓這些鄰居之間互通有無(wú)，交換彼此的感興趣的商品的信息給當(dāng)前用戶(hù)。而劃分鄰居的量尺就是他們之間對(duì)商品的偏好，通過(guò)用戶(hù)A對(duì)商品的喜好找到鄰居用戶(hù)B，根據(jù)他們之間相似喜好的程度，計(jì)算出當(dāng)前用戶(hù)暫未涉及的商品并給出推薦。而第二種過(guò)濾的方式與第一種方式類(lèi)似，區(qū)別就是從商品的角度出發(fā)，對(duì)于A用戶(hù)基于他對(duì)商品的喜好再找到類(lèi)似的商品，并結(jié)合A用戶(hù)的歷史行為信息推薦商品，所以，劃分商品的量尺就是商品之間的相似度，找到A用戶(hù)喜好商品的類(lèi)似商品之后，按照該用戶(hù)歷史行為推薦商品。

4結(jié)論

隨著我國(guó)電子商務(wù)信息化建設(shè)快速發(fā)展，如何為用戶(hù)提供更加準(zhǔn)確、高效、便捷的信息化服務(wù)成為電子商務(wù)建設(shè)中的一個(gè)重要任務(wù)。個(gè)性化推薦系統(tǒng)在獲取用戶(hù)的瀏覽偏好與歷史購(gòu)物信息的基礎(chǔ)上，模擬導(dǎo)購(gòu)流程與用戶(hù)進(jìn)行直接交互，幫助用戶(hù)找到所需要的商品，它是解決用戶(hù)對(duì)信息過(guò)濾問(wèn)題的最好的也是最有效的方法。通過(guò)對(duì)用戶(hù)行為的分析，個(gè)性化推薦系統(tǒng)就可以預(yù)測(cè)出用戶(hù)的喜好，使用戶(hù)能夠更輕松地找到他們所需要的不同的信息，用戶(hù)能夠自行在模擬狀態(tài)下通過(guò)銷(xiāo)售人員的幫助來(lái)完成所有的購(gòu)買(mǎi)過(guò)程。通過(guò)對(duì)用戶(hù)行為的分析，個(gè)性化推薦系統(tǒng)就可以預(yù)測(cè)出用戶(hù)的喜好，使用戶(hù)能夠更輕松地找到他們所需要的不同的信息。

參考文獻(xiàn)

[1]蔣翀.電子商務(wù)個(gè)性化推薦系統(tǒng)研究[D].長(zhǎng)沙：中南大學(xué),2009：10-33.

[2]邢春曉，高風(fēng)榮，戰(zhàn)思南，等.適應(yīng)用戶(hù)興趣變化的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)研究與發(fā)展,2007,44(2):296-301.

[3]張光衛(wèi)，李德毅，李鵬，等.基于云模型的協(xié)同過(guò)濾推薦算法[J].軟件學(xué)報(bào),2007,18(10):2403-2411.

[4]張守志，許彥.一個(gè)個(gè)性化服務(wù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].小型微型計(jì)算機(jī),2003,24(12):2155-2158.

收稿日期：2015-12-24

作者簡(jiǎn)介：袁源(1978- )，女，山西大同人，助教，碩士，研究方向：計(jì)算機(jī)軟件及網(wǎng)絡(luò)。

文章編號(hào)：1674- 4578(2016)02- 0089- 02

中圖分類(lèi)號(hào)：TP311

文獻(xiàn)標(biāo)識(shí)碼：A

Research on the Realization Technology of Personalized Recommendation System in Electronic Commerce

Yuan Yuan

(DepartmentofComputerScience,ShanxiPolytechicCollege,TaiyuanShanxi030006,China)

Abstract:Due to the rapid growth of e-commerce and the scale of information, the amount of information is constantly increasing. Facing these vast amounts of information, users can not know what is useful for their own information, so the information filtering is one of the important means of recommendation system. Through the analysis on user behavior, the personalized recommendation system can predict the user’s preferences, and users can easily find the information needed to complete all the purchase process through the help of sales staff in the simulation state.

Key words:electronic commerce; recommendation algorithm; personalized service; collaborative filtering