鄒坤

摘 ?要： 傳統(tǒng)電子商務(wù)自動(dòng)推薦系統(tǒng)與用戶的實(shí)際喜好不同，推薦后成交量低。針對上述問題，在無線網(wǎng)絡(luò)的基礎(chǔ)上，設(shè)計(jì)了一種新的電子商務(wù)商品自動(dòng)推薦系統(tǒng)，系統(tǒng)硬件主要由信息采集器、信息儲(chǔ)存分析器、商品分析器、商品推薦器四部分組成，通過數(shù)據(jù)預(yù)處理建立分散類，得到目標(biāo)用戶所在區(qū)域，計(jì)算相似度，實(shí)現(xiàn)商品個(gè)性化推薦系統(tǒng)軟件程序設(shè)計(jì)。為檢測系統(tǒng)效果，設(shè)計(jì)了對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，無線網(wǎng)絡(luò)的電子商務(wù)商品自動(dòng)推薦系統(tǒng)能夠根據(jù)用戶喜好推薦有效商品，提高成交量。

關(guān)鍵詞： 自動(dòng)推薦系統(tǒng); 商品推薦; 電子商務(wù); 無線網(wǎng)絡(luò); 相似度計(jì)算; 對比實(shí)驗(yàn)設(shè)計(jì)

中圖分類號(hào)： TN911?34; TP181 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）07?0082?04

E?commerce commodity automatic recommendation system based on wireless network

ZOU Kun

（Yinxing Hospitality Management College， Chengdu University of Information Technology， Chengdu 611743， China）

Abstract： The commodities recommended by the traditional E?commerce automatic recommendation systems deviate from the actual user preference， so the transaction volume of the recommended commodities is low. For this reason， a new E?commerce commodity automatic recommendation system is designed on the basis of wireless network. The system hardware is mainly composed of information collector， information storage analyzer， commodity analyzer and commodity recommender. The data preprocessing and decentralized classification establishment are used to obtain the region of target users， similarity calculation and personalized commodity recommendation to realize the design of system software program. A contrast experiment is designed to detect the effect of the system. The results show that the E?commerce commodity automatic recommendation system based on wireless network can recommend effective commodities according to user preference and increase the transaction volume.

Keywords： automatic recommendation system; commodity recommendation; E?commerce; wireless network; similarity calculation; contrast experiment design

0 ?引 ?言

隨著社會(huì)的不斷進(jìn)步，人們進(jìn)入了信息時(shí)代。無線網(wǎng)絡(luò)的層層覆蓋和商務(wù)模式的不斷創(chuàng)新，使電子商務(wù)應(yīng)運(yùn)而生，電子商務(wù)已經(jīng)成為了人們生活中不可或缺的一部分。電子商務(wù)的產(chǎn)生和發(fā)展，改變了人們原有的購物方式，擺脫了傳統(tǒng)購物方式的約束，讓人們可以做到足不出戶輕松購物。電子商務(wù)實(shí)現(xiàn)了買家和貨源廠商的直接溝通，降低了交易成本，增添了商機(jī)，可以給企業(yè)和消費(fèi)者帶來非常大的利益[1]。

近年來，電子商務(wù)規(guī)模不斷增大，各種網(wǎng)購軟件相繼出現(xiàn)，大量商品任用戶挑選，讓用戶有了更多的選擇。但是在這個(gè)信息爆炸的時(shí)代，面對大量的商品資源，用戶如何在短時(shí)間內(nèi)快速篩選出自己真正喜歡的商品已經(jīng)成為一大難題，用戶需要瀏覽大量的無關(guān)商品后，才能尋找到自己真正需要的商品[2]。面對如此多的信息，用戶很容易感到迷茫，找不到自己想購買的商品[3]。所以，目前亟需要一個(gè)工具來幫助用戶找到他們真正感興趣的商品。從用戶的個(gè)人喜好出發(fā)，對商家和商品進(jìn)行比較，選擇出最適合用戶的商品，并把這些商品一一呈現(xiàn)在用戶眼前，保證用戶順利購買商品，提高用戶的購物體驗(yàn)。

為了達(dá)到以上目的，本文提出無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了用戶的個(gè)性化推薦，根據(jù)每個(gè)用戶各自的喜好和可能存在的需求，推薦出用戶感興趣的商品，快速地完成購買過程，節(jié)約用戶的時(shí)間，提升用戶的網(wǎng)絡(luò)購物體驗(yàn)，提高成交率，同時(shí)，通過獲取用戶的一些基本信息，了解用戶的喜好和需求，從而推薦給用戶可能感興趣的商品，不僅提高了電子商務(wù)商品的銷量，而且增加了電子商務(wù)網(wǎng)站的效益，在一定程度上滿足了用戶的需求。

1 ?系統(tǒng)的硬件設(shè)計(jì)

無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)以消費(fèi)者為對象，根據(jù)不同消費(fèi)者的興趣愛好、個(gè)人習(xí)慣給予不同的商品推薦，讓消費(fèi)者的購物體驗(yàn)得到提升[4]。為實(shí)現(xiàn)個(gè)性化、需求化商品推薦，系統(tǒng)硬件主要由信息采集器、信息儲(chǔ)存分析器、商品分析器、商品推薦器四部分組成[5]。系統(tǒng)硬件結(jié)構(gòu)如圖1所示。

這四部分共同協(xié)作，使無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)具備普遍適應(yīng)性，可以給所有用戶提供獨(dú)有的服務(wù)[6]。本系統(tǒng)遵循計(jì)算機(jī)數(shù)據(jù)處理推薦原則，保證各個(gè)流程的緊密銜接，具備高度超耦合特點(diǎn)，高度超耦合特點(diǎn)可以保證系統(tǒng)的快速調(diào)整，滿足消費(fèi)者對購買物品不斷更新的需求[7]。

1.1 ?信息采集器

無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)以用戶為對象，獲得用戶的興趣愛好。每個(gè)用戶在不同年齡不同時(shí)間會(huì)對不同的商品感興趣，數(shù)據(jù)的迅速增加給信息獲取帶來了巨大的難題。信息采集器從各個(gè)角度出發(fā)，建立了一套完整的信息獲取流程，做到了隨數(shù)據(jù)信息改變發(fā)生流動(dòng)性改變，對于用戶信息收集主要包括隱性收集和顯性收集。顯性收集主要包括用戶的年齡、經(jīng)濟(jì)收入水平、工作崗位等[8]。

不同年紀(jì)的人會(huì)喜歡不一樣的商品。年輕人追求時(shí)尚，喜歡潮牌，常常喜歡當(dāng)下最熱門的商品。老年人就比較喜歡實(shí)用的，因此，不同年齡段的人群所喜歡的商品類型也不一樣。男性和女性在購物方面有很大的不同。女性用戶經(jīng)常是在瀏覽物品過程中購買商品，只要女性用戶覺得商品符合自己的審美，自己喜歡就會(huì)買下。而男性消費(fèi)者相對女性就會(huì)理性一些，男性一般都是有目的地進(jìn)行瀏覽。也就是說，當(dāng)男性用戶對商品有需求時(shí)，他們才會(huì)去瀏覽商品，并購買自己最滿意的商品。

經(jīng)濟(jì)收入水平在很大程度上限制了用戶的消費(fèi)。經(jīng)濟(jì)收入水平越高，購買商品的頻率就會(huì)越高，經(jīng)濟(jì)收入水平越低，購買商品的頻率就會(huì)越低。不同工作崗位的人會(huì)有不同類型的商品需求，例如，老師可能就會(huì)經(jīng)常需要購買水性筆[9]。

此外，系統(tǒng)還會(huì)定期向用戶下發(fā)一些問卷調(diào)查，來掌握用戶的偏好，這些都屬于信息的顯性收集。信息的隱性收集主要是記錄用戶行為[10]。用戶的訂單表、好友表、商品評價(jià)、商品收藏、商品瀏覽及瀏覽時(shí)間、商品搜索以及所購買的商品的價(jià)格品牌等都是信息的隱性收集對象。了解這些主要是為了分析用戶的喜好和需求。信息采集器模塊分析如圖2所示。

1.2 ?信息儲(chǔ)存分析器

由于用戶的歷史購買記錄和經(jīng)常瀏覽商品的記錄能直接反映出用戶的興趣愛好和需求，所以信息儲(chǔ)存分析器主要是把用戶的歷史購買記錄和經(jīng)常瀏覽商品的記錄儲(chǔ)存下來便于時(shí)時(shí)更新，做到流動(dòng)性改變[11]。數(shù)據(jù)儲(chǔ)存表如表1所示。

根據(jù)信息采集器所掌握的用戶信息，信息儲(chǔ)存分析器將進(jìn)一步分析出用戶的類型，進(jìn)而了解用戶可能存在的商品需求、潛在喜歡的商品品牌、希望的商品價(jià)格、喜歡的商品種類。信息儲(chǔ)存分析器結(jié)構(gòu)如圖3所示。

1.3 ?商品分析器

商品分析器主要是在各個(gè)商家所賣的商品中找出共同點(diǎn)，并把相類似的商品歸為一類。這樣當(dāng)目標(biāo)用戶搜索某一件商品時(shí)，系統(tǒng)就可以及時(shí)地提供相同類型的商品，提升用戶的購買率[12]。商品分析器結(jié)構(gòu)如圖4所示。

1.4 ?商品推薦器

商品推薦器結(jié)構(gòu)如圖5所示。

商品推薦器主要是依據(jù)信息采集器和信息儲(chǔ)存分析器所得到的結(jié)果，將目標(biāo)用戶可能感興趣或有需求的商品推薦給目標(biāo)用戶[13]。其中，包括推薦畫面重新構(gòu)建、所占比重分析和個(gè)性化商品推薦三個(gè)部分。推薦畫面重新構(gòu)建主要是想擴(kuò)大推薦商品的范圍，不能完全依據(jù)用戶搜索的商品進(jìn)行推薦，還要給目標(biāo)用戶推薦一些目標(biāo)用戶購買商品時(shí)瀏覽過，經(jīng)常一起搭配購買的商品，這樣可以提高用戶的購買率，為商家提供最大的利潤，增加交易成功率。

商品推薦器所推薦的商品最主要的就是想引起目標(biāo)用戶的興趣，但除此之外，還要根據(jù)商品分析器得出來的商品信息把目標(biāo)用戶理想價(jià)格的商品推薦給目標(biāo)用戶，還要考慮商家店鋪的種種情況，把最合適的商品推薦給目標(biāo)用戶[14]。商品推薦必須要做到的就是個(gè)性化推薦，即針對不同的用戶推薦出適合他們的商品。

2 ?系統(tǒng)軟件設(shè)計(jì)

本系統(tǒng)采用Toui軟件收集用戶信息，在用戶登錄電子商務(wù)網(wǎng)站后，無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)首先就要收集用戶的信息。Toui軟件可以收集繁多冗雜的數(shù)據(jù)并將數(shù)據(jù)進(jìn)行篩選分類，留下最有價(jià)值的數(shù)據(jù)。Toui軟件具有自動(dòng)追蹤功能，一旦用戶登錄電子商務(wù)網(wǎng)站，Toui軟件就會(huì)追蹤記錄用戶的行為，得到用戶登錄過程的所有信息。為了準(zhǔn)確地分析出用戶的個(gè)人喜好和需求，采用三維捕捉軟件，三維捕捉軟件分析用戶心理的準(zhǔn)確度非常高。三維捕捉軟件具備學(xué)習(xí)人類的功能，可以根據(jù)所掌握的用戶信息，通過用戶的一些行為分析出用戶的喜好和可能存在的需求。三維捕捉軟件會(huì)不斷地學(xué)習(xí)心理理論知識(shí)，找出自己的不足并不斷完善更新，使無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)可以準(zhǔn)確地推薦出用戶感興趣或需要的商品。在設(shè)計(jì)軟件時(shí)，還引用了微克軟件，該軟件可以在目標(biāo)用戶和商品之間建立聯(lián)系，為實(shí)現(xiàn)個(gè)性化推薦做出了巨大貢獻(xiàn)。軟件具體工作流程如圖6所示。

在目標(biāo)用戶和商品之間建立一個(gè)微克函數(shù)，進(jìn)行計(jì)算，計(jì)算公式為：

[No（A）=Myb+Myb] （1）

式中：[My（b+）]表示在極長一段時(shí)間內(nèi)（以年為單位）有多少個(gè)用戶購買[b+]商品;[My（b）]表示在極長一段時(shí)間內(nèi)（以年為單位）有多少個(gè)用戶在購買[b+]商品的同時(shí)也購買了[b]商品，這樣就可以計(jì)算出[b]商品和[b+]商品之間的搭配對于目標(biāo)用戶的吸引程度。輸入用戶的各項(xiàng)商品喜愛程度，輸出推薦商品集。

Step1：數(shù)據(jù)初處理。把用戶輸入的商品喜愛程度數(shù)據(jù)分成不同階段，對數(shù)據(jù)進(jìn)行預(yù)處理。

Step2：建立分散類。將用戶各項(xiàng)商品喜愛程度用先進(jìn)的糊涂分散類技術(shù)進(jìn)行分散，分散后相似程度的高低就會(huì)決定用戶所在的位置，相似度高的用戶就會(huì)在同一區(qū)域中，相似程度低的用戶就不會(huì)在相同的區(qū)域內(nèi)。

Step3：得到目標(biāo)用戶所在區(qū)域。利用圓弧高等幾何高數(shù)計(jì)算目標(biāo)用戶所在的區(qū)域，目標(biāo)用戶所在的區(qū)域就是新的商品喜愛區(qū)域。

Step4：計(jì)算相似度。在目標(biāo)用戶所在的區(qū)域中引入反正弦相關(guān)函數(shù)計(jì)算用戶之間的相似度，相似度大的用戶相似程度就高。

Step5：商品個(gè)性化推薦。利用同一區(qū)域內(nèi)的[m]個(gè)用戶與目標(biāo)用戶[b]的商品喜愛數(shù)據(jù)的差值，計(jì)算出目標(biāo)用戶[b]對未購買商品的可能喜愛程度。

Step6：通過分散類技術(shù)對信息儲(chǔ)存分析器中的數(shù)據(jù)和商品分析器中分析的商品進(jìn)行比重分析，依照比重分析結(jié)果對商品進(jìn)行分散類分析，至此就完成了微克軟件的整個(gè)流程。這一過程實(shí)現(xiàn)了商品個(gè)性化推薦[15]。

3 ?仿真實(shí)驗(yàn)

為檢測無線網(wǎng)絡(luò)電子商務(wù)商品推薦系統(tǒng)的推薦效果，現(xiàn)與傳統(tǒng)電子商務(wù)商品推薦系統(tǒng)進(jìn)行對比實(shí)驗(yàn)，并分析實(shí)驗(yàn)結(jié)果。根據(jù)實(shí)驗(yàn)的設(shè)定，確定實(shí)驗(yàn)參數(shù)，如表2所示。

由圖7可知，在規(guī)定時(shí)間為10天時(shí)，本文系統(tǒng)推薦商品的成交數(shù)量為3 000件，而傳統(tǒng)系統(tǒng)推薦商品的成交數(shù)量僅為900件;規(guī)定時(shí)間為20天時(shí)，本文系統(tǒng)推薦商品的成交數(shù)量為3 900件，而傳統(tǒng)系統(tǒng)推薦商品的成交數(shù)量為1 100件;規(guī)定時(shí)間為一個(gè)月時(shí)，本文系統(tǒng)推薦商品成交的數(shù)量為4 250件，而傳統(tǒng)推薦系統(tǒng)商品的成交數(shù)量為1 250件。實(shí)驗(yàn)結(jié)果表明，無線網(wǎng)絡(luò)電子商務(wù)商品推薦系統(tǒng)商品的成交數(shù)量始終高于傳統(tǒng)電子商務(wù)商品推薦系統(tǒng)，由此可見，無線網(wǎng)絡(luò)電子商務(wù)商品推薦系統(tǒng)所推薦的商品真正受到了用戶的喜愛。

4 ?結(jié) ?語

本文設(shè)計(jì)的無線網(wǎng)絡(luò)電子商務(wù)商品自動(dòng)推薦系統(tǒng)建立了良好的用戶企業(yè)關(guān)系，真正了解了用戶的需求，讓用戶更加依賴于它，使用戶頻繁購買，大大提高了電子商務(wù)的利益。在未來的研究中，本文設(shè)計(jì)的無線網(wǎng)絡(luò)電子商務(wù)商品推薦系統(tǒng)會(huì)不斷完善，幫助用戶解決其他購物問題。

參考文獻(xiàn)

[1] 陳冬林，劉平峰.基于知識(shí)網(wǎng)格的電子商務(wù)推薦系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用研究，2018，23（12）：307?309.

[2] 王寧.一種基于BP神經(jīng)網(wǎng)絡(luò)的即時(shí)在線推薦系統(tǒng)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，19（7）：230?233.

[3] 劉鳳霞，孫家蓉.基于商品分類的電子商務(wù)推薦系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用與軟件，2017，66（5）：37?41.

[4] 景田，劉翠，壽晨鳴.基于Mahout的電子商務(wù)商品推薦系統(tǒng)[J].電腦知識(shí)與技術(shù)，2016，12（12）：291?292.

[5] 楊立力.個(gè)性化課程推薦中LFM自動(dòng)聚類算法研究[J].微型電腦應(yīng)用，2018，30（11）：28?31.

[6] 鎮(zhèn)濤.協(xié)同過濾技術(shù)在個(gè)性化資源推薦中的應(yīng)用[J].信息與電腦（理論版），2017，33（2）：39?40.

[7] 孫振宇.電子商務(wù)推薦系統(tǒng)應(yīng)用與設(shè)計(jì)[J].電子世界，2017，21（16）：174.

[8] 章訊，龍華，周芝民.基于標(biāo)簽改進(jìn)社交網(wǎng)絡(luò)好友推薦算法研究與應(yīng)用[J].信息技術(shù)，2017，25（6）：15?18.

[9] 周林軻，周順先.一種自適應(yīng)用戶興趣的推薦算法研究[J].微計(jì)算機(jī)信息，2017，25（3）：133?134.

[10] 謝厚亮，鄧衛(wèi)紅.基于Java的商品智能推薦系統(tǒng)設(shè)計(jì)[J].電腦編程技巧與維護(hù)，2017，22（20）：42?44.

[11] 閔敏.基于聚類協(xié)作過濾的商品個(gè)性化推薦系統(tǒng)的實(shí)現(xiàn)[J].制造業(yè)自動(dòng)化，2010，32（2）：157?160.

[12] 劉曉波.基于關(guān)聯(lián)規(guī)則的電子商務(wù)商品推薦系統(tǒng)研究[J].中國市場，2018，13（52）：78?79.

[13] 李京，姜衛(wèi)，張跟鵬，等.基于電子商務(wù)的個(gè)性化推薦系統(tǒng)研究[J].計(jì)算機(jī)與數(shù)字工程，2018，39（7）：93?97.

[14] 熊瑾.電子商務(wù)推薦系統(tǒng)[J].中國電子商務(wù)，2018，34（18）：24.

[15] 汪琪，王召義.電子商務(wù)推薦系統(tǒng)應(yīng)用與發(fā)展探析[J].河西學(xué)院學(xué)報(bào)，2017，33（5）：41?45.