◆左 英

?

網(wǎng)上書(shū)店主動(dòng)推送書(shū)籍的預(yù)測(cè)算法設(shè)計(jì)

◆左 英

（長(zhǎng)沙市電子工業(yè)學(xué)校 湖南 410008）

本文提出了一種網(wǎng)上書(shū)店預(yù)測(cè)客戶(hù)需求的算法，用偽代碼描述了如何主動(dòng)地向客戶(hù)“推”送頁(yè)面。

網(wǎng)絡(luò)書(shū)店；推送；客戶(hù)喜愛(ài)度；預(yù)測(cè)算法

0 引言

在網(wǎng)絡(luò)書(shū)店首頁(yè)中，雖然有很多類(lèi)別的圖書(shū)展示在客戶(hù)眼前，但客戶(hù)對(duì)書(shū)店首頁(yè)中展示的書(shū)籍并不感興趣，他可能要花一些時(shí)間才能找到自己真正感興趣的書(shū)籍。這將浪費(fèi)客戶(hù)很多時(shí)間和精力。我們能否采取一種有效的措施把這種客戶(hù)在信息豐富的網(wǎng)頁(yè)中“拉”內(nèi)容的方式改變成向客戶(hù)主動(dòng)“推”送網(wǎng)頁(yè)的方式呢？為了實(shí)現(xiàn)這種信息的“推”送技術(shù)，作者認(rèn)為首先要知道客戶(hù)可能對(duì)哪些類(lèi)別的書(shū)籍感興趣，然后要了解客戶(hù)經(jīng)常瀏覽哪些類(lèi)別的圖書(shū)、已經(jīng)購(gòu)買(mǎi)了哪些類(lèi)別的圖書(shū)等問(wèn)題，最后才能根據(jù)自己掌握的一些客戶(hù)信息和喜愛(ài)向其“推”送某些書(shū)籍。

本預(yù)測(cè)算法其基本思想是分別為客戶(hù)可能感興趣書(shū)籍所屬的大類(lèi)別（客戶(hù)注冊(cè)時(shí)的需求）和購(gòu)買(mǎi)書(shū)籍時(shí)所定位的精細(xì)類(lèi)別增加一個(gè)可信度和喜愛(ài)度，這兩個(gè)值可分別反映出客戶(hù)對(duì)書(shū)的粗度需求和細(xì)度需求。其中，可信度的值反映出客戶(hù)對(duì)喜歡書(shū)所屬的大類(lèi)別可信程度，值越高，代表客戶(hù)對(duì)此類(lèi)別的書(shū)越感興趣。喜愛(ài)度是用來(lái)描述對(duì)精細(xì)類(lèi)別所喜愛(ài)的程度，值越高，代表客戶(hù)對(duì)此類(lèi)別的書(shū)越感興趣。當(dāng)客戶(hù)有著不同的書(shū)籍瀏覽行為、不同的購(gòu)買(mǎi)行為時(shí)，可信度和喜愛(ài)度的值也會(huì)隨之發(fā)生變化。也就是說(shuō)可信度和喜愛(ài)度值的變化記錄著客戶(hù)的動(dòng)態(tài)需求。

１ 主動(dòng)推送書(shū)箱算法設(shè)計(jì)[1]

1.1 標(biāo)記[2]

為了行文方便，特使用以下符號(hào)：

（1）Base-x: x∈{1,2,3,…n},字符串變量，當(dāng)客戶(hù)注冊(cè)時(shí)，將提取喜愛(ài)圖書(shū)的粗度分類(lèi)代碼存放于此變量下，x為自增變量，步長(zhǎng)為1。

（2） Favor-x: x∈{1,2,3,…n},字符串變量，用來(lái)記錄客戶(hù)購(gòu)買(mǎi)圖書(shū)的精細(xì)類(lèi)別，x為自增變量，步長(zhǎng)為1。

（3）Value(Base-x):可信度，代表著客戶(hù)對(duì)某一大類(lèi)書(shū)是否關(guān)注的可信程度。

（4）Value(Favor-x):喜愛(ài)度，客戶(hù)對(duì)精細(xì)圖書(shū)類(lèi)別的喜歡程度，值越大，表明客戶(hù)對(duì)此類(lèi)圖書(shū)的喜歡度越高，該值會(huì)隨著客戶(hù)需求的變化而變化(值增加或減少)。

（5）BASE-X：符合一定條件的Base-x集合。如BASE-X={Base-1,Base-2…}。

（6）FAVOR-X：符合一定條件的Favor-x集合。如FAVOE-X={Favor1,Favor4…}。

（7） MIN_BASE:可信度的初值。

（8）MAX_BASE:可信度的最大值。

（9）MIN_FAVOR:喜愛(ài)度的初值。

（10） MAX_FAVOR:喜愛(ài)度的最大值。

1.2 客戶(hù)注冊(cè)時(shí)對(duì)可信度的評(píng)定[3]

客戶(hù)注冊(cè)時(shí)，會(huì)選擇自己所感興趣的幾類(lèi)書(shū)，此時(shí)將每大類(lèi)書(shū)的表示代碼分別用Base-1,Base-2,Base-3...記錄著，并將其對(duì)應(yīng)的可信度賦予初始值MIN_BASE，即Value(Base-x)=MIN_BASE。

1.3 瀏覽書(shū)籍時(shí)可信度和喜愛(ài)度的評(píng)定算法[4]

客戶(hù)在購(gòu)買(mǎi)一本書(shū)時(shí)，往往會(huì)事先上網(wǎng)瀏覽多本書(shū)籍以做選擇，那么當(dāng)注冊(cè)客戶(hù)在網(wǎng)上瀏覽書(shū)籍時(shí)，我們使他感興趣書(shū)籍類(lèi)別（通過(guò)注冊(cè)或購(gòu)買(mǎi)了書(shū)籍時(shí)所得到的記錄）的可信度和喜愛(ài)度也跟著發(fā)生變化，以動(dòng)態(tài)的預(yù)測(cè)客戶(hù)的需求。算法描述[5]如下所示：

（1）客戶(hù)在瀏覽書(shū)籍時(shí)，首先看該書(shū)籍的大類(lèi)別是否在BASE-X的集合中（該集合中的初始值是從客戶(hù)在注冊(cè)過(guò)程中填寫(xiě)的資料所確定的），如果在，則將瀏覽書(shū)籍的可信度加A（A為客戶(hù)在瀏覽書(shū)籍時(shí)可信度、喜愛(ài)度增加的數(shù)值，該值可由系統(tǒng)設(shè)計(jì)者根據(jù)需要來(lái)設(shè)定）。即：Value(Base-x)+A，其中Base-x對(duì)應(yīng)著客戶(hù)正在瀏覽書(shū)籍的類(lèi)別符號(hào)。如果不在，對(duì)其不進(jìn)行操作。

（2）當(dāng)加完書(shū)籍大類(lèi)別的可信度值時(shí)會(huì)對(duì)其值進(jìn)行判斷是否大于MAX_BASE，如果大于則將該值設(shè)為最大值MAX_BASE，如果沒(méi)有則保留改變的值進(jìn)行下一步操作。

（3）判斷該書(shū)是否在客戶(hù)的精細(xì)分類(lèi)中有記錄，如果有，則將其喜愛(ài)度加A，即Value(Favor-x)+A，其中Favor-x對(duì)應(yīng)著客戶(hù)正在瀏覽書(shū)籍的細(xì)類(lèi)別符號(hào)。

（4）當(dāng)加完書(shū)籍細(xì)類(lèi)別的喜愛(ài)度值時(shí)會(huì)對(duì)其值進(jìn)行判斷是否大于MAX_FAVOR，如果大于則將該值設(shè)為最大值MAX_FAOVR，如果沒(méi)有則保留改變的值進(jìn)行下一步操作。

（5）判斷是否繼續(xù)瀏覽圖書(shū)，若是，則重復(fù)以上過(guò)程。

1.4 購(gòu)買(mǎi)書(shū)籍時(shí)可信度的評(píng)定算法

購(gòu)買(mǎi)書(shū)籍時(shí)可信度的評(píng)定算法如下所示：

（1）首先判斷客戶(hù)是否要購(gòu)買(mǎi)圖書(shū)，如果購(gòu)買(mǎi)，看購(gòu)買(mǎi)圖書(shū)的大類(lèi)別在BASE-X中是否有記錄，如果沒(méi)有記錄，表明客戶(hù)在注冊(cè)時(shí)并沒(méi)有選擇喜愛(ài)該類(lèi)別的書(shū)，系統(tǒng)將自動(dòng)將購(gòu)買(mǎi)書(shū)籍的大類(lèi)別加入BASE-X中，并將該類(lèi)記錄的可信度的值設(shè)為初始值MIN_BASE，如果該類(lèi)別的書(shū)籍有記錄，則進(jìn)入下一步。

（2）系統(tǒng)判斷客戶(hù)是不是第N次（N次是指第2次或第2次以上，如果是第1次購(gòu)買(mǎi)則不算N次）購(gòu)買(mǎi)圖書(shū)，如果客戶(hù)連續(xù)多次購(gòu)買(mǎi)某類(lèi)圖書(shū)則表明他一定對(duì)此類(lèi)圖書(shū)很感興趣，那么該類(lèi)圖書(shū)的類(lèi)別的可信度應(yīng)成倍的加值。

（3）若不是N次購(gòu)買(mǎi)，則將Val(Base-x)+B。

（4）判斷Value(Base-x)>MAX_BASE是否成立，如果成立，將Value(Base-x)的值設(shè)為MAX_BASE，否則繼續(xù)。

（5）將記錄在BASE-X中其他類(lèi)別書(shū)籍的可信度均減B（購(gòu)買(mǎi)書(shū)籍類(lèi)別除外）。

（6）判斷是否在BASE-X記錄中存在任一項(xiàng)Value(Base-y)<0（表示客戶(hù)對(duì)此類(lèi)書(shū)的信用度已降至最低），若是，則刪除該記錄。

1.5 購(gòu)買(mǎi)書(shū)籍時(shí)喜愛(ài)度的評(píng)定算法

(1)首先判斷客戶(hù)是否要購(gòu)買(mǎi)圖書(shū)，如果該類(lèi)別的書(shū)籍有記錄，則進(jìn)入下一步。若沒(méi)有，則直接進(jìn)入結(jié)束。如果購(gòu)買(mǎi)，看購(gòu)買(mǎi)圖書(shū)的大類(lèi)別是否在FAVOR-X中是否有記錄，如果沒(méi)有記錄，表明客戶(hù)還沒(méi)有購(gòu)買(mǎi)過(guò)這種類(lèi)型的書(shū)籍，系統(tǒng)將自動(dòng)購(gòu)買(mǎi)書(shū)籍的精細(xì)類(lèi)別加入FAVOR中，以便于以后精細(xì)的需求預(yù)測(cè)，并將該類(lèi)記錄的喜愛(ài)度的值Favor設(shè)為Value(Base-x)+MIN_FAVOR，此處Favor的值是在可信度的基礎(chǔ)上加MIN_FAVOR而得，若該類(lèi)書(shū)的可信度越高，則代表客戶(hù)對(duì)該大類(lèi)的關(guān)注程度越高，那么對(duì)該書(shū)的喜愛(ài)度評(píng)定也應(yīng)越高，也就是說(shuō)此處喜愛(ài)度的評(píng)定值取決于此類(lèi)書(shū)可信度值的高低。

(2) 系統(tǒng)判斷客戶(hù)是不是N次（N次是指第2次或第2次以上，如果是第1次購(gòu)買(mǎi)則不算N次）購(gòu)買(mǎi)圖書(shū)，如果客戶(hù)多次購(gòu)買(mǎi)某類(lèi)圖書(shū)則表明他一定對(duì)此類(lèi)圖書(shū)很感興趣，那么該類(lèi)圖書(shū)的類(lèi)別的可信度應(yīng)成倍的加值。比如，當(dāng)客戶(hù)第二次購(gòu)買(mǎi)時(shí)Value(Favor-x)+B*2，當(dāng)客戶(hù)第三次購(gòu)買(mǎi)時(shí)則Value(Favor-x)+B*3，當(dāng)客戶(hù)連續(xù)第四次購(gòu)買(mǎi)時(shí)則Value(Favor-x)+B*4，這種成倍增加可信度的方法可以更好地體現(xiàn)出客戶(hù)對(duì)某類(lèi)書(shū)和關(guān)注。

(3) 若不是N次購(gòu)買(mǎi)，則將Value(Favor-x)+B

(4) 判斷Value(Favor-x)>MAX_FAVOR是否成立，如果成立，將Value(Favor-x)的值設(shè)為MAX_FAVOR，否則繼續(xù)。

(5)將記錄在FAVOR-X中其他類(lèi)別書(shū)籍的可信度均減B（購(gòu)買(mǎi)書(shū)籍類(lèi)別除外）。

(6)判斷是否在FAVOR-X記錄中存在任一項(xiàng)Value(Favor-y)<0（表示客戶(hù)對(duì)此類(lèi)書(shū)的喜愛(ài)度已降至最低），若是，則刪除該記錄，然后進(jìn)入下一步，若沒(méi)有，直接進(jìn)入下一步。

2 算法分析

(1)動(dòng)態(tài)的預(yù)測(cè)客戶(hù)的需求

該算法使用可信度和喜愛(ài)度值的大小來(lái)表示客戶(hù)對(duì)某類(lèi)書(shū)籍的關(guān)注程度，可信度為粗度的預(yù)測(cè)，而喜愛(ài)度為細(xì)度的預(yù)測(cè)。它們的值會(huì)隨著客戶(hù)瀏覽圖書(shū)的行為而增加，也會(huì)隨著客戶(hù)購(gòu)買(mǎi)的行為而增加或減少。當(dāng)客戶(hù)在網(wǎng)絡(luò)書(shū)店中多次瀏覽某種類(lèi)別的書(shū)籍時(shí)，該書(shū)籍的可信度值也就越高，而當(dāng)客戶(hù)多次購(gòu)買(mǎi)同類(lèi)型的書(shū)籍時(shí)，它的喜愛(ài)度值也會(huì)隨之增加，若某一客戶(hù)多次購(gòu)買(mǎi)同一種類(lèi)別的書(shū)籍時(shí)，表明他一定對(duì)這種類(lèi)別的書(shū)籍很感興趣，此時(shí)，可信度和喜歡度的值也是成倍增加以體現(xiàn)出客戶(hù)對(duì)該種類(lèi)型書(shū)籍的喜愛(ài)。相反，若客戶(hù)從不瀏覽或購(gòu)買(mǎi)某種類(lèi)型的書(shū)籍，那么該書(shū)籍的可信度和喜愛(ài)度的值也會(huì)隨之減少，表明客戶(hù)對(duì)此類(lèi)書(shū)籍并不感興趣。通過(guò)對(duì)可信度和喜愛(ài)度的增加與減少能夠反映出客戶(hù)動(dòng)態(tài)需求。

(2)先“粗”后“細(xì)”的預(yù)測(cè)方式

算法首先從客戶(hù)的注冊(cè)信息中獲取客戶(hù)的粗度需求進(jìn)行粗度預(yù)測(cè)，當(dāng)客戶(hù)購(gòu)買(mǎi)一本書(shū)時(shí)，系統(tǒng)會(huì)記錄下該書(shū)籍的詳細(xì)分類(lèi)標(biāo)識(shí)，作為細(xì)度預(yù)測(cè)需求的依據(jù)。細(xì)度預(yù)測(cè)是建立在客戶(hù)粗度預(yù)測(cè)的基礎(chǔ)之上。比如，當(dāng)客戶(hù)首次購(gòu)買(mǎi)某書(shū)籍時(shí)，對(duì)其喜愛(ài)度值的評(píng)價(jià)是建立在粗度需求上的，即喜愛(ài)度值為可信度的值加上喜愛(ài)度的初值，也就是說(shuō)，如果某類(lèi)書(shū)的可信度值越高，那么它的喜愛(ài)度值就會(huì)越高。

(3)自動(dòng)修正客戶(hù)的需求

系統(tǒng)能夠根據(jù)可信度及喜愛(ài)度的值來(lái)自動(dòng)刪除客戶(hù)不感興趣的書(shū)籍類(lèi)型。比如，客戶(hù)在注冊(cè)時(shí)隨便選擇了一種可能感興趣的書(shū)籍類(lèi)別（計(jì)算機(jī)—數(shù)據(jù)庫(kù)類(lèi)），但客戶(hù)每次購(gòu)買(mǎi)書(shū)籍時(shí)并沒(méi)有購(gòu)買(mǎi)此類(lèi)書(shū)籍。系統(tǒng)首先會(huì)給粗度預(yù)測(cè)的可信度賦初值為MIN_BASE，如果客戶(hù)在購(gòu)書(shū)過(guò)程中沒(méi)有購(gòu)買(mǎi)此類(lèi)別的書(shū)籍時(shí)，每次將自動(dòng)扣除B，當(dāng)其初值MIN_BASE被扣得小于0時(shí)，系統(tǒng)會(huì)自動(dòng)刪除客戶(hù)對(duì)此類(lèi)書(shū)籍的關(guān)注記錄。而當(dāng)客戶(hù)購(gòu)買(mǎi)了一本并沒(méi)有在注冊(cè)時(shí)填寫(xiě)的所喜歡的書(shū)籍類(lèi)別時(shí)，系統(tǒng)會(huì)自動(dòng)添加至數(shù)據(jù)庫(kù)。對(duì)喜愛(ài)度值的評(píng)定也是同樣的道理，當(dāng)喜愛(ài)度的值小于0時(shí)，系統(tǒng)也會(huì)自動(dòng)刪除該記錄。

(4)對(duì)可信度和喜愛(ài)度的值進(jìn)行了合理的范圍限定

默認(rèn)時(shí)可信度的初值為MIN_BASE，喜愛(ài)度的初值為MIN_FAVOR?？尚哦鹊淖罡咧禐镸AX_BASE，喜愛(ài)度的最高值為MAX_FAVOR。MIN_BASE、MIN_FAVOR、MAX_BASE和MZA_FAVOR的值設(shè)計(jì)者可以根據(jù)實(shí)際情況而定。比如說(shuō)，將MIN_BASE=2，MIN_FAVOR=3，那么將初值賦2和3是考慮到若客戶(hù)連續(xù)N次沒(méi)有購(gòu)買(mǎi)和瀏覽該類(lèi)別的書(shū)時(shí)，可信度的值每次扣B（B的取值也可由設(shè)計(jì)者根據(jù)實(shí)際情況而定），喜愛(ài)度的值每次扣B，它們的值將分別下降至小于0，這樣可以斷定客戶(hù)對(duì)此類(lèi)別的書(shū)籍不感興趣，從而將其從數(shù)據(jù)庫(kù)記錄中刪除。

[1]張饒學(xué).主動(dòng)服務(wù)概念、結(jié)構(gòu)與實(shí)現(xiàn)[M].科學(xué)出版社，2015.

[2]Benatallah B.Casati F,ToumaniF.2004.Web service conversion modeling:a cornerstone for e-business automation[J].IEEE Internet Computing,8(1):46-54.

[3]Vinoski S.2004.More Web services notifications[J].IEEE Internet Computing,8(3):90-93.

[4]Angela Yochem, David Carlson, Tad Stephens著.謝俊譯. J2EE應(yīng)用與BEA WEBLOGIC SERVER[M].電子工業(yè)出版社，2013.

[5]徐慧慧.JBuilder編程技術(shù)與實(shí)例[M].人民郵電出版社，2016.