王新露 劉廣成

摘? 要：傳統(tǒng)個性化推薦應(yīng)用存在與用戶實際需求信息匹配度低的問題，為此設(shè)計了一種電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦方法。通過分析數(shù)據(jù)清洗工作流程，設(shè)計用戶體驗信息個性化推薦應(yīng)用算法，并根據(jù)用戶在網(wǎng)站上的相關(guān)行為，計算用戶個性推薦項目相似度。整合用戶對個性化推薦的反饋數(shù)據(jù)，提供用戶在網(wǎng)站體驗的個性化信息，以此完成對用戶體驗信息個性化推薦。此外，采用設(shè)計仿真實驗的方式，驗證了用戶經(jīng)過提出的個性化推薦后，在電子商務(wù)網(wǎng)站的平均瀏覽時長增多，證明推薦的個性化內(nèi)容與用戶的實際信息需求匹配度較高。

關(guān)鍵詞：電子商務(wù)網(wǎng)站;用戶體驗信息;個性化推薦;應(yīng)用

中圖分類號：F713.36? ? ? ?文獻標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2020）27-0184-02

Abstract： Traditional personalized recommendation applications have the problem of low matching with the actual needs of users， so a personalized recommendation method for user experience information of e-commerce websites is designed. By analyzing the work flow of data cleaning， the personalized recommendation application algorithm of user experience information is designed， and the similarity of user personality recommendation project is calculated according to the relevant behavior of users on the website. Integrate the feedback data of users on personalized recommendation， and provide personalized information of user experience on the website， so as to complete the personalized recommendation of user experience information. In addition， the design simulation experiment is used to verify that after the personalized recommendation， the average browsing time of the e-commerce website increases， which proves that the recommended personalized content matches the actual information needs of users.

Keywords： e-commerce website; user experience information; personalized recommendation; application

引言

在網(wǎng)站中常出現(xiàn)由于數(shù)據(jù)定位不準(zhǔn)確，造成的信息傳輸延誤問題。為了順應(yīng)時代發(fā)展，滿足不同社會群體的電商購物需求，提出一種整合用戶體驗的信息個性化推薦方法。在大型電子商務(wù)網(wǎng)站中，已經(jīng)設(shè)計了相關(guān)個性化推薦的線上檢索頁面，以此縮短使用者與海量信息數(shù)據(jù)的距離[1]。此前，已有大量市場調(diào)研數(shù)據(jù)表明，使用個性化推薦應(yīng)用設(shè)計的電子商務(wù)網(wǎng)站，每年商業(yè)額度平均上升了1.5～7.5個百分點。為此本文將從用戶體驗信息層面出發(fā)，深入探究適應(yīng)信息時代發(fā)展的電子商務(wù)網(wǎng)站個性化推薦應(yīng)用設(shè)計。提高用戶對網(wǎng)站使用的滿意程度，改善電子商務(wù)網(wǎng)站發(fā)展落后的現(xiàn)狀。

1 電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦應(yīng)用設(shè)計

1.1 基于用戶體驗信息設(shè)計個性化推薦應(yīng)用算法

為了解決不同用戶群體的不同需求，應(yīng)先明確電子商務(wù)網(wǎng)站中不同項目之間潛在的差異性。利用大數(shù)據(jù)技術(shù)導(dǎo)入用戶在網(wǎng)站中的日志文件，建立用戶推薦項目數(shù)據(jù)庫。選中用戶在網(wǎng)站中近一周的服務(wù)器日志[2]。同時對用戶文件實施數(shù)據(jù)清洗工作，挖掘具有相同特征屬性的文件信息。

將導(dǎo)出的文件統(tǒng)一后綴名為.Axd或.js，并生成新的URL字段。在完成數(shù)據(jù)清洗工作后，導(dǎo)出的數(shù)據(jù)具備一定特征表述能力。為了滿足用戶的個性化推薦應(yīng)用，選擇引入個性化推薦應(yīng)用算法的方式。在訪談的基礎(chǔ)上，進一步感知用戶在瀏覽電子商務(wù)網(wǎng)站的時長、訪問次數(shù)等信息。并從計算機角度深入研究用戶的相關(guān)瀏覽行為，個性化推薦應(yīng)用算法可用下述計算公式表示。

公式（1）中：a表示為用戶體驗時間;b表示為用戶體驗次數(shù);sim表示為電子商務(wù)用戶興趣項目;？琢表示為網(wǎng)站節(jié)點參數(shù);N表示為網(wǎng)站項目特征數(shù)據(jù);P表示為項目公共屬性。根據(jù)上述算法公式，掌握用戶對電子商務(wù)網(wǎng)站的基本認(rèn)知，并根據(jù)用戶在網(wǎng)站上的相關(guān)行為，判定項目個性化推薦的穩(wěn)定區(qū)間，以此提高導(dǎo)出數(shù)據(jù)與用戶個性化的適配程度。

1.2 用戶個性推薦項目相似度計算

應(yīng)用上述設(shè)計的用戶個性化信息推薦算法，可知每一個用戶的網(wǎng)站瀏覽信息都借用空間定量計算公式表達。為了進一步定位用戶的個性化需求，采用計算用戶個性化推薦項目相似度的方式，獲取個性化項目相關(guān)性信息。計算公式如下。

根據(jù)上述計算公式，考慮到網(wǎng)站上不同項目之間存在余弦近似能力，同步分析不同項目的權(quán)重表述能力，將公式（2）整理為如下。

公式（3）中：x表示為橫向個性化定量;y表示為縱向個性化定量;cos？茲表示為用戶在網(wǎng)站余弦近似能力;k表示為提取的用戶在網(wǎng)站檢索中的關(guān)鍵詞;w表示為項目分項權(quán)重值。根據(jù)上述計算公式，假定用戶為X，將其檢索的相關(guān)信息代入公式，可得到用戶體驗信息個性化函數(shù)關(guān)系式。表示為：

公式（4）中：n表示為個性化項目數(shù)量;i表示為檢索次數(shù);c表示為層次樹。按照函數(shù)計算公式，劃分用戶體驗項目層次，并細(xì)化項目中的節(jié)點信息。根據(jù)節(jié)點在網(wǎng)站的所處深度，計算兩個隨機節(jié)點信息的相似性。計算公式如下。

公式（5）（6）中：dis表示為用戶在電子商務(wù)網(wǎng)站的瀏覽深度;dep表示為用戶在電子商務(wù)網(wǎng)站的瀏覽次數(shù);f表示為用戶體驗信息中節(jié)點數(shù)量。根據(jù)上述計算公式，掌握用戶在網(wǎng)站的深度瀏覽情況，以此為用戶推薦提供信息支撐。

1.3 相關(guān)瀏覽網(wǎng)頁推薦

根據(jù)上述的計算結(jié)果，自定義電子商務(wù)網(wǎng)站個性化網(wǎng)頁主題為？琢。當(dāng)使用者瀏覽一個指定網(wǎng)站時，使用者一定是基于某種檢索目標(biāo)來進行瀏覽的，因此使用者也一定會結(jié)合網(wǎng)站提供的不同路徑進行指定的功能檢索，因此應(yīng)保持網(wǎng)頁的主題？琢與用戶的檢索目標(biāo)一致，才能提升用戶在瀏覽網(wǎng)頁時的興趣焦點。

同時，采用實體添加網(wǎng)頁標(biāo)注的方法提升網(wǎng)頁的主題個性化性能，定期根據(jù)用戶的瀏覽歷史與閱讀深度更新用戶檢索的個性化信息[3]。結(jié)合云計算處理數(shù)據(jù)技術(shù)對網(wǎng)頁中的關(guān)鍵數(shù)據(jù)或信息進行全方面檢索，側(cè)重于對網(wǎng)頁鏈接關(guān)系之間的分析，結(jié)合相關(guān)數(shù)據(jù)篩查方法，選定具有代表性的數(shù)據(jù)用戶表示網(wǎng)頁具有的特征，表達式如下所示。

公式（7）中：Wi表示為個性化主題？琢的關(guān)鍵詞匯，A、B表示為？琢的實體對應(yīng)屬性，A、B表示為對應(yīng)點ai、bi是實體屬性的擴增形容詞。根據(jù)上述計算公式，整合相關(guān)用戶信息，增設(shè)電子商務(wù)網(wǎng)站在線推薦模塊，允許用戶在網(wǎng)站上對推薦的個性化信息反復(fù)修訂。當(dāng)用戶反饋滿意程度超過80%時，網(wǎng)站將深入用戶信息提供用戶個性化推薦，假定用戶滿意程度不足80%，重復(fù)上述相似度計算，直至找到與用戶興趣相匹配的個性化推薦項目，以此完成電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦。

2 實驗論證分析

提出實驗，選擇市場內(nèi)某電子商務(wù)網(wǎng)站為此次實驗的對象。搭建仿真實驗操作臺，設(shè)計以下仿真實驗，選擇32位進制的Windows17計算機操作系統(tǒng)，采用60～30MHz和2.40MHz的時鐘源為仿真實驗臺提供256kb的在線運行內(nèi)存，使用i7計算機運行處理器，為電子商務(wù)網(wǎng)站的運行提供穩(wěn)定的運行平臺。隨機抽選20名電子商務(wù)網(wǎng)站注冊用戶，將其分為兩組，每組10名用戶，整合20名用戶近一周內(nèi)在網(wǎng)站上的瀏覽記錄與閱讀深度。獲取用戶前一周在電子商務(wù)網(wǎng)站的平均在線時長，先根據(jù)其中一組的用戶使用網(wǎng)站行為對其進行個性化網(wǎng)站應(yīng)用推薦，獲取在推薦后一周的用戶在網(wǎng)站的在線時長。再使用傳統(tǒng)的個性化推薦應(yīng)用實施相同的操作步驟，獲取另一組用戶的網(wǎng)站周在線時長，對比兩組用戶的周在線平均時長。并以此作為評價個性化推薦應(yīng)用實用性的依據(jù)。整理實驗數(shù)據(jù)，將其繪制成統(tǒng)計圖，對數(shù)據(jù)進行分析。

經(jīng)過本文設(shè)計的個性化推薦應(yīng)用，用戶在網(wǎng)站的周平均在線時長明顯提升，為此根據(jù)實驗過程及實驗中產(chǎn)生的實驗數(shù)據(jù)，可以得出下述結(jié)論：在相同網(wǎng)絡(luò)環(huán)境中，采用同樣的本文設(shè)計的電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦應(yīng)用，用戶在電子商務(wù)網(wǎng)站上的瀏覽時長增多，表明了本文設(shè)計推薦應(yīng)用為用戶提供的個性化推薦信息與用戶興趣的匹配程度更高，切合實際的滿足了不同社會群體對電子商務(wù)網(wǎng)站的信息定位需求，更具備實際應(yīng)用價值。

3 結(jié)束語

文章開展了電子商務(wù)網(wǎng)站用戶體驗信息個性化推薦應(yīng)用的設(shè)計，并采用設(shè)計實驗的方式，驗證了本文提出方法在實際應(yīng)用中，可提高用戶對網(wǎng)站的興趣度，以此證明本文研究更具有實際應(yīng)用價值。盡管此次研究可結(jié)合用戶的瀏覽歷史，提供用戶個性化信息，但該應(yīng)用方法的應(yīng)用仍處于初級階段，在一些方面仍有待深入研究。

參考文獻：

[1]李芳，劉新民，王松.個性化推薦的信息呈現(xiàn)、心理距離與消費者接受意愿——基于解釋水平理論的視角[J].企業(yè)經(jīng)濟，2018，37（05）：

109-115.

[2]黃逸珺，杜夢甜，傅玉婷.基于用戶感知的個性化推薦系統(tǒng)效果研究——以淘寶電商平臺為例[J].北京郵電大學(xué)學(xué)報（社會科學(xué)版），

2018，20（05）：28-35.

[3]耿曉利，王淑娟，陳曉鋒.Apriori算法在電商網(wǎng)站個性化推薦中的研究與實現(xiàn)[J].電腦知識與技術(shù)，2018，014（006）：244-246，253.