趙一格

在互聯(lián)網(wǎng)技術(shù)快速發(fā)展的時(shí)代，網(wǎng)絡(luò)購(gòu)物已逐漸成為大勢(shì)所趨。但由于近年來網(wǎng)上信息的迅猛出現(xiàn)，使得人們不能快速得到有效信息。而推薦系統(tǒng)的誕生和不斷進(jìn)化，極大地解決了電商服務(wù)平臺(tái)在運(yùn)行過程中出現(xiàn)的消費(fèi)者購(gòu)物效率低下的問題。為了更好的滿足客戶需求，一些電子商務(wù)購(gòu)物軟件還專門設(shè)計(jì)了“猜你喜歡”的相關(guān)推薦功能[1]。這是因?yàn)榧夹g(shù)人員將個(gè)性化推薦運(yùn)用在電商購(gòu)物網(wǎng)站中。通過使用推薦系統(tǒng)，用戶能根據(jù)需要更快速和準(zhǔn)確的找到對(duì)應(yīng)商品。因?yàn)檫@種推薦系統(tǒng)具有很強(qiáng)的實(shí)用性，所以這項(xiàng)技術(shù)在很多領(lǐng)域都有廣泛應(yīng)用[2]。

1 推薦系統(tǒng)的概述

1.1 推薦系統(tǒng)的概念

隨著互聯(lián)網(wǎng)和電子商務(wù)技術(shù)的日益成熟，個(gè)性化推薦逐步衍生。它是一個(gè)先進(jìn)的商業(yè)智能平臺(tái)，為用戶提供其所需的信息。電子商務(wù)系統(tǒng)的具體定義可以總結(jié)為：電子商務(wù)網(wǎng)站使用推薦系統(tǒng)將符合需求類型的商品信息提供給用戶，分析出適合其購(gòu)買的物品，使用戶的購(gòu)買體驗(yàn)更加完整。

1.2 推薦系統(tǒng)的發(fā)展歷程

1995—1997年有幾所著名的大學(xué)先后提出了個(gè)性化推薦系統(tǒng)的理論，但由于當(dāng)時(shí)的科技水平條件有限，一直停留在理論階段。推薦系統(tǒng)在當(dāng)時(shí)還只是一種設(shè)想。

通過科研人員的不斷努力，直到20世紀(jì)90年代，個(gè)性化推薦系統(tǒng)取得了飛速的進(jìn)展，德國(guó)Dresden技術(shù)大學(xué)的Tanja Joerding創(chuàng)新性地實(shí)現(xiàn)TELLIM——個(gè)性化電子商務(wù)的初步系統(tǒng)，這就標(biāo)志著個(gè)性化推薦系統(tǒng)逐步走向了現(xiàn)實(shí)。在此后的10多年間，多家學(xué)院和公司將個(gè)性化推薦系統(tǒng)實(shí)踐應(yīng)用到電子商務(wù)中。人們可以更加快捷高效地獲得商品信息。

隨著科技水平的不斷發(fā)展，個(gè)性化推薦系統(tǒng)不斷進(jìn)行完善。在21世紀(jì)初期，Google首次創(chuàng)新地加入了個(gè)性化元素。不再是著重分析使用者單一搜索的關(guān)鍵點(diǎn)，而是對(duì)用戶最近的瀏覽記錄進(jìn)行分析，通過這種手段可以更多了解用戶的愛好興趣，更加準(zhǔn)確地為用戶展現(xiàn)適合他們的信息。由此帶來的巨大經(jīng)濟(jì)效益推動(dòng)了電商服務(wù)的快速發(fā)展，2011年9月，李彥宏將推薦引擎與云計(jì)算和搜索引擎一起作為未來互聯(lián)網(wǎng)的重要發(fā)展戰(zhàn)略。百度將會(huì)不斷改進(jìn)技術(shù)，向個(gè)性化進(jìn)一步邁進(jìn)。在這個(gè)時(shí)期個(gè)性化推薦系統(tǒng)才真正成為一項(xiàng)重要的電商服務(wù)應(yīng)用技術(shù)。

2 電商網(wǎng)站中推薦技術(shù)的基本原理

為了提高消費(fèi)者的購(gòu)物效率，各大電商網(wǎng)站都將推薦系統(tǒng)應(yīng)用其中。推薦系統(tǒng)通過計(jì)算機(jī)技術(shù)將多種技術(shù)融合，其中主要的核心技術(shù)為基于內(nèi)容的推薦，協(xié)同過濾推薦和混合協(xié)同過濾推薦三大類。

2.1 基于內(nèi)容的推薦

基于內(nèi)容的推薦步驟可以概括為：首先給商品劃分一些屬性，然后根據(jù)商品的不同類別，向用戶推薦一些相同類型的商品。我們可以創(chuàng)設(shè)一種情景，例如：通過一些精準(zhǔn)的計(jì)算，會(huì)發(fā)現(xiàn)服裝1和服裝3較為相似，因?yàn)樗鼈兌紝儆谛蓍e一類。推薦系統(tǒng)還會(huì)發(fā)現(xiàn)用戶1喜歡服裝1，根據(jù)推薦算法可以得出，用戶1很可能對(duì)服裝3也感興趣。于是系統(tǒng)會(huì)將服裝3推薦給1。在實(shí)際應(yīng)用中，只根據(jù)內(nèi)容類型進(jìn)行推送顯然過于粗略，還需要進(jìn)行多方面考慮。

這種基于內(nèi)容（基于標(biāo)簽）的推薦技術(shù)可以對(duì)用戶興趣進(jìn)行的分類，還可以對(duì)網(wǎng)站中的商品進(jìn)行精細(xì)的屬性劃分，這樣可以更精準(zhǔn)地分析信息。但這種推薦技術(shù)在某些方面上有一定的局限性：必須分析資源的內(nèi)容信息，因此對(duì)音樂、圖像、視頻等信息不能深度分析；無法對(duì)某些信息進(jìn)行高質(zhì)量分析；無法提供實(shí)時(shí)新鮮的推薦等。但基于內(nèi)容的推薦仍然是一種基礎(chǔ)的算法。

2.2 協(xié)同過濾推薦

利用用戶的訪問記錄，根據(jù)用戶組群的相似性程度來向用戶推薦所需的產(chǎn)品，這種基于用戶的協(xié)同過濾推薦算法，其核心內(nèi)容是推薦系統(tǒng)根據(jù)用戶的喜好來選擇推薦的對(duì)象，對(duì)于一些類型的產(chǎn)品，用戶對(duì)某種類型的產(chǎn)品可能會(huì)具有更高的評(píng)價(jià)，相似的程度更高。因此，協(xié)同過濾推薦首先找到與目標(biāo)用戶興趣相似的用戶組，然后根據(jù)用戶組對(duì)商品的評(píng)估為目標(biāo)用戶進(jìn)行產(chǎn)品的推薦。

2.3 混合協(xié)同過濾推薦

在個(gè)性化推薦技術(shù)騰躍式發(fā)展的十多年之間，技術(shù)人員將許多的算法進(jìn)行比較，經(jīng)過大量的實(shí)踐驗(yàn)證，不難發(fā)現(xiàn)單一的推薦算法是不足以使系統(tǒng)具有完整性的，每一種推薦算法都存在一些不完美的地方。因此在這樣的情況下，解決每種推薦算法中存在的問題最好的解決辦法就是將各種基本算法綜合起來，其思路非常清晰，就是揚(yáng)長(zhǎng)避短。大多數(shù)電商購(gòu)物網(wǎng)站都是先利用基于內(nèi)容的推薦去解決一些問題，在獲得較多的用戶信息的基礎(chǔ)之上利用協(xié)同過濾等推薦技術(shù)向用戶推薦更多符合需求的商品并且還可以向用戶推薦潛在興趣商品。

3 推薦系統(tǒng)的不足及發(fā)展趨勢(shì)

3.1 推薦系統(tǒng)存在的不足

3.1.1 新用戶問題和冷啟動(dòng)問題

由表5可知，10 g的糖漿添加量甜度不夠，而15 g的糖漿添加量不能完全浸入到魚片內(nèi)部，添加糖漿25 g太多，偏甜，對(duì)質(zhì)構(gòu)也有影響，添加糖漿20 g適宜且鳳尾魚片的表面較光滑，有光澤，咸甜適中，無油膩感。

如果消費(fèi)者在一個(gè)購(gòu)物網(wǎng)站中成為新用戶，在使用初期因?yàn)殛P(guān)于該用戶的興趣數(shù)據(jù)比較少，電商網(wǎng)站很難依據(jù)個(gè)的人需求向用戶推薦商品。在初期推薦的效率比較低；個(gè)性化推薦系統(tǒng)是以擁有大量關(guān)于該用戶興趣數(shù)據(jù)為基礎(chǔ)，從而能夠自動(dòng)對(duì)商品或用戶進(jìn)行分類關(guān)聯(lián)。而對(duì)于沒有足夠多使用記錄的用戶，要讓其獲得優(yōu)質(zhì)的購(gòu)物體驗(yàn)則比較困難。因此，我們應(yīng)不斷創(chuàng)新來克服這個(gè)問題。

3.1.2 延伸性問題

當(dāng)商品的某種屬性產(chǎn)生改變時(shí)，相似度的計(jì)算的結(jié)果會(huì)發(fā)生不同程度的變化。這些商品由于屬性的變化會(huì)增加不同的類別，這會(huì)對(duì)系統(tǒng)進(jìn)行個(gè)性化推薦增加困難。

3.1.3 探索與利用問題

大部分的推薦系統(tǒng)給用戶推薦的是已知的興趣商品，而很少去推薦用戶有潛在興趣的商品。如電商購(gòu)物網(wǎng)站很難向客戶推薦商品的同時(shí)利用個(gè)性化推薦去發(fā)掘客戶的潛在興趣[3]。部分推薦系統(tǒng)可能不會(huì)根據(jù)興趣向用戶推薦，而用其他方式向消費(fèi)者進(jìn)行推薦，比如按時(shí)間順序推薦、隨機(jī)推薦等。這些探索與利用問題也是推薦系統(tǒng)前進(jìn)發(fā)展面臨的一項(xiàng)嚴(yán)峻挑戰(zhàn)。

3.1.4 計(jì)算性能問題

對(duì)于電商網(wǎng)站中的推薦技術(shù)而言，計(jì)算性能和反饋速度是為用戶提供良好用戶體驗(yàn)的關(guān)鍵性指標(biāo)。推薦算法在計(jì)算過程中需要耗費(fèi)大量的計(jì)算資源，如何提升推薦算法的效率應(yīng)給予高度的重視，并且應(yīng)在實(shí)際應(yīng)用中采取優(yōu)化措施。但推薦算法本身需要運(yùn)算加工海量數(shù)據(jù)，加工過程復(fù)雜，為提升運(yùn)算效率設(shè)置了很大的難題。基于這種情況，我們必須不斷創(chuàng)新設(shè)計(jì)出更加簡(jiǎn)潔高效的算法來減少計(jì)算資源的消耗，更快地為用戶提供推薦結(jié)果[4]。

3.2 個(gè)性化推薦的發(fā)展趨勢(shì)

因推薦系統(tǒng)具有很強(qiáng)的實(shí)用性，其便成為了工業(yè)界和學(xué)術(shù)界共同關(guān)注的熱點(diǎn)。學(xué)術(shù)界更專注于理論的分析，并追求更準(zhǔn)確的推薦算法。電商行業(yè)更注重實(shí)踐，尤其是用戶的個(gè)人體驗(yàn)。以最近幾年推薦系統(tǒng)的發(fā)展特點(diǎn)來看，可以將個(gè)性化推薦的發(fā)展趨勢(shì)大致概括為3點(diǎn)：1）在不斷將推薦系統(tǒng)精確度提高的同時(shí)，還需要注意用戶的體驗(yàn)。用戶需要的不只是滿足要求的商品，最主要的是合理的建議。優(yōu)質(zhì)的推薦理由可以提高用戶對(duì)購(gòu)物網(wǎng)站的信任度。比如電商購(gòu)物網(wǎng)站應(yīng)該向用戶推薦好評(píng)商品。2）對(duì)于數(shù)據(jù)稀疏性和冷啟動(dòng)等方面的問題，在操作中應(yīng)加入多方面的信息，例如交際信息，用戶愛好信息等。3）為了更精確的獲取用戶的興趣和物品的特征，應(yīng)引入深度的學(xué)習(xí)技術(shù)，比如利用CNN技術(shù)來處理。

4 結(jié)語

個(gè)性化推薦系統(tǒng)在電商購(gòu)物網(wǎng)站中的應(yīng)用，使人們的生活更加方便快捷，它的發(fā)展趨勢(shì)也是令人期待的[5]，但這種推薦技術(shù)仍然面臨著一些問題，這就需要科研人員不斷攻破技術(shù)難關(guān)。我相信在不久的將來一定能研制出更加智能的個(gè)性化推薦系統(tǒng)。