王新露 劉廣成

摘? 要：傳統(tǒng)個(gè)性化推薦應(yīng)用存在與用戶實(shí)際需求信息匹配度低的問題，為此設(shè)計(jì)了一種電子商務(wù)網(wǎng)站用戶體驗(yàn)信息個(gè)性化推薦方法。通過分析數(shù)據(jù)清洗工作流程，設(shè)計(jì)用戶體驗(yàn)信息個(gè)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(jì)算用戶個(gè)性推薦項(xiàng)目相似度。整合用戶對(duì)個(gè)性化推薦的反饋數(shù)據(jù)，提供用戶在網(wǎng)站體驗(yàn)的個(gè)性化信息，以此完成對(duì)用戶體驗(yàn)信息個(gè)性化推薦。此外，采用設(shè)計(jì)仿真實(shí)驗(yàn)的方式，驗(yàn)證了用戶經(jīng)過提出的個(gè)性化推薦后，在電子商務(wù)網(wǎng)站的平均瀏覽時(shí)長增多，證明推薦的個(gè)性化內(nèi)容與用戶的實(shí)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(yàn)信息;個(gè)性化推薦;應(yīng)用

中圖分類號(hào)：F713.36? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：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(shí)代發(fā)展，滿足不同社會(huì)群體的電商購物需求，提出一種整合用戶體驗(yàn)的信息個(gè)性化推薦方法。在大型電子商務(wù)網(wǎng)站中，已經(jīng)設(shè)計(jì)了相關(guān)個(gè)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(gè)性化推薦應(yīng)用設(shè)計(jì)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(gè)百分點(diǎn)。為此本文將從用戶體驗(yàn)信息層面出發(fā)，深入探究適應(yīng)信息時(shí)代發(fā)展的電子商務(wù)網(wǎng)站個(gè)性化推薦應(yīng)用設(shè)計(jì)。提高用戶對(duì)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(yàn)信息個(gè)性化推薦應(yīng)用設(shè)計(jì)

1.1 基于用戶體驗(yàn)信息設(shè)計(jì)個(gè)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(xiàng)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(xiàng)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(shí)對(duì)用戶文件實(shí)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(gè)性化推薦應(yīng)用，選擇引入個(gè)性化推薦應(yīng)用算法的方式。在訪談的基礎(chǔ)上，進(jìn)一步感知用戶在瀏覽電子商務(wù)網(wǎng)站的時(shí)長、訪問次數(shù)等信息。并從計(jì)算機(jī)角度深入研究用戶的相關(guān)瀏覽行為，個(gè)性化推薦應(yīng)用算法可用下述計(jì)算公式表示。

公式（1）中：a表示為用戶體驗(yàn)時(shí)間;b表示為用戶體驗(yàn)次數(shù);sim表示為電子商務(wù)用戶興趣項(xiàng)目;？琢表示為網(wǎng)站節(jié)點(diǎn)參數(shù);N表示為網(wǎng)站項(xiàng)目特征數(shù)據(jù);P表示為項(xiàng)目公共屬性。根據(jù)上述算法公式，掌握用戶對(duì)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(xiàng)目個(gè)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(gè)性化的適配程度。

1.2 用戶個(gè)性推薦項(xiàng)目相似度計(jì)算

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

根據(jù)上述計(jì)算公式，考慮到網(wǎng)站上不同項(xiàng)目之間存在余弦近似能力，同步分析不同項(xiàng)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(gè)性化定量;y表示為縱向個(gè)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(xiàng)目分項(xiàng)權(quán)重值。根據(jù)上述計(jì)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(yàn)信息個(gè)性化函數(shù)關(guān)系式。表示為：

公式（4）中：n表示為個(gè)性化項(xiàng)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(jì)算公式，劃分用戶體驗(yàn)項(xiàng)目層次，并細(xì)化項(xiàng)目中的節(jié)點(diǎn)信息。根據(jù)節(jié)點(diǎn)在網(wǎng)站的所處深度，計(jì)算兩個(gè)隨機(jī)節(jié)點(diǎn)信息的相似性。計(jì)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(yàn)信息中節(jié)點(diǎn)數(shù)量。根據(jù)上述計(jì)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(jì)算結(jié)果，自定義電子商務(wù)網(wǎng)站個(gè)性化網(wǎng)頁主題為？琢。當(dāng)使用者瀏覽一個(gè)指定網(wǎng)站時(shí)，使用者一定是基于某種檢索目標(biāo)來進(jìn)行瀏覽的，因此使用者也一定會(huì)結(jié)合網(wǎng)站提供的不同路徑進(jìn)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(shí)的興趣焦點(diǎn)。

同時(shí)，采用實(shí)體添加網(wǎng)頁標(biāo)注的方法提升網(wǎng)頁的主題個(gè)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(gè)性化信息[3]。結(jié)合云計(jì)算處理數(shù)據(jù)技術(shù)對(duì)網(wǎng)頁中的關(guān)鍵數(shù)據(jù)或信息進(jìn)行全方面檢索，側(cè)重于對(duì)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(dá)式如下所示。

公式（7）中：Wi表示為個(gè)性化主題？琢的關(guān)鍵詞匯，A、B表示為？琢的實(shí)體對(duì)應(yīng)屬性，A、B表示為對(duì)應(yīng)點(diǎn)ai、bi是實(shí)體屬性的擴(kuò)增形容詞。根據(jù)上述計(jì)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(duì)推薦的個(gè)性化信息反復(fù)修訂。當(dāng)用戶反饋滿意程度超過80%時(shí)，網(wǎng)站將深入用戶信息提供用戶個(gè)性化推薦，假定用戶滿意程度不足80%，重復(fù)上述相似度計(jì)算，直至找到與用戶興趣相匹配的個(gè)性化推薦項(xiàng)目，以此完成電子商務(wù)網(wǎng)站用戶體驗(yàn)信息個(gè)性化推薦。

2 實(shí)驗(yàn)論證分析

提出實(shí)驗(yàn)，選擇市場內(nèi)某電子商務(wù)網(wǎng)站為此次實(shí)驗(yàn)的對(duì)象。搭建仿真實(shí)驗(yàn)操作臺(tái)，設(shè)計(jì)以下仿真實(shí)驗(yàn)，選擇32位進(jìn)制的Windows17計(jì)算機(jī)操作系統(tǒng)，采用60～30MHz和2.40MHz的時(shí)鐘源為仿真實(shí)驗(yàn)臺(tái)提供256kb的在線運(yùn)行內(nèi)存，使用i7計(jì)算機(jī)運(yùn)行處理器，為電子商務(wù)網(wǎng)站的運(yùn)行提供穩(wěn)定的運(yùn)行平臺(tái)。隨機(jī)抽選20名電子商務(wù)網(wǎng)站注冊(cè)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(shí)長，先根據(jù)其中一組的用戶使用網(wǎng)站行為對(duì)其進(jìn)行個(gè)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(shí)長。再使用傳統(tǒng)的個(gè)性化推薦應(yīng)用實(shí)施相同的操作步驟，獲取另一組用戶的網(wǎng)站周在線時(shí)長，對(duì)比兩組用戶的周在線平均時(shí)長。并以此作為評(píng)價(jià)個(gè)性化推薦應(yīng)用實(shí)用性的依據(jù)。整理實(shí)驗(yàn)數(shù)據(jù)，將其繪制成統(tǒng)計(jì)圖，對(duì)數(shù)據(jù)進(jìn)行分析。

經(jīng)過本文設(shè)計(jì)的個(gè)性化推薦應(yīng)用，用戶在網(wǎng)站的周平均在線時(shí)長明顯提升，為此根據(jù)實(shí)驗(yàn)過程及實(shí)驗(yàn)中產(chǎn)生的實(shí)驗(yàn)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(jì)的電子商務(wù)網(wǎng)站用戶體驗(yàn)信息個(gè)性化推薦應(yīng)用，用戶在電子商務(wù)網(wǎng)站上的瀏覽時(shí)長增多，表明了本文設(shè)計(jì)推薦應(yīng)用為用戶提供的個(gè)性化推薦信息與用戶興趣的匹配程度更高，切合實(shí)際的滿足了不同社會(huì)群體對(duì)電子商務(wù)網(wǎng)站的信息定位需求，更具備實(shí)際應(yīng)用價(jià)值。

3 結(jié)束語

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

參考文獻(xiàn)：

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

109-115.

[2]黃逸珺，杜夢甜，傅玉婷.基于用戶感知的個(gè)性化推薦系統(tǒng)效果研究——以淘寶電商平臺(tái)為例[J].北京郵電大學(xué)學(xué)報(bào)（社會(huì)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(gè)性化推薦中的研究與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，2018，014（006）：244-246，253.