李加軍

(廣州華商學(xué)院，數(shù)據(jù)科學(xué)學(xué)院，廣東，廣州 511300)

0 引言

隨著互聯(lián)網(wǎng)技術(shù)的不斷成熟和推廣，互聯(lián)網(wǎng)已經(jīng)進入了人們生活、工作、學(xué)習(xí)、消費等多個領(lǐng)域，其中電子商務(wù)是互聯(lián)網(wǎng)技術(shù)的一個重要應(yīng)用成果。為了滿足用戶對信息的需求，每天有大量的電子商務(wù)呈現(xiàn)在用戶面前，盡管電子商務(wù)信息很多，但用戶真正感興趣的電子商務(wù)信息很少，如何及時、準確有效地獲取用戶感興趣的電子商務(wù)信息十分重要[1]。當(dāng)前獲取用戶感興趣信息有2種途徑：一種是信息檢索系統(tǒng)，主要通過百度等搜索引擎，由于用戶對信息需求具有多元化和個性化特點，搜索引擎系統(tǒng)無法滿足用戶個性化服務(wù)信息要求[2]；另一種就是智能推薦系統(tǒng)，該系統(tǒng)可以根據(jù)用戶的興趣、特征、瀏覽記錄推薦給用戶其愛好的商品，可以對用戶個性化信息進行過濾服務(wù)，是當(dāng)前電子商務(wù)實際應(yīng)用一個重要的研究方向[3-4]。

由于很多企業(yè)發(fā)現(xiàn)了電子商務(wù)智能推薦可以提高產(chǎn)品銷量，提高企業(yè)的經(jīng)濟利益，因此國內(nèi)外企業(yè)、學(xué)者和專家對電子商務(wù)智能推薦問題進行了深入、廣泛的研究，出現(xiàn)了許多有效的電子商務(wù)智能推薦方法[5-7]。其中一些發(fā)達國家對電子商務(wù)智能推薦問題研究時間比較長，技術(shù)比較成熟，如亞馬遜電子商務(wù)網(wǎng)站開發(fā)的電子商務(wù)智能推薦方法。盡管國內(nèi)的電子商務(wù)智能推薦研究開展的時間稍晚，但發(fā)展速度很快，如阿里巴巴旗下淘寶網(wǎng)開發(fā)的電子商務(wù)智能推薦方法等。但在實際應(yīng)用過程中，當(dāng)前電子商務(wù)智能推薦方法還存在一些不足，如數(shù)據(jù)稀疏問題、冷啟動問題等，使得電子商務(wù)智能推薦結(jié)果不穩(wěn)定，有時電子商務(wù)智能推薦誤差比較大，推薦結(jié)果難以滿足用戶真正需求[8-10]。

為了解決當(dāng)前電子商務(wù)推薦系統(tǒng)存在的缺陷，提出一種基于協(xié)同過濾的電子商務(wù)智能推薦方法。首先收集電子商務(wù)相關(guān)信息，建立用戶評分矩陣，然后根據(jù)用戶間的相性度進行電子商務(wù)智能推薦，最后通過具體電子商務(wù)推薦對比測試，驗證本文方法的有效性和優(yōu)越性。

1 基于協(xié)同過濾的電子商務(wù)智能推薦方法

1.1 電子商務(wù)智能推薦系統(tǒng)的總體結(jié)構(gòu)

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，當(dāng)前已經(jīng)進入了一個電子商務(wù)信息過載時代，這無論對于消費用戶或者生產(chǎn)者而言，都面臨巨大的挑戰(zhàn)。對于電子商務(wù)來說，信息就是商品，而用戶就是消費者，電子商務(wù)推薦系統(tǒng)對商品和消費者之間的聯(lián)系進行挖掘，給用戶推薦真正需要的商品，是解決信息過載問題的重要工具。電子商務(wù)智能推薦系統(tǒng)的總體結(jié)構(gòu)如圖1所示。

圖1 電子商務(wù)智能推薦方法的工作原理

1.2 電子商務(wù)智能推薦系統(tǒng)的模塊功能

對圖1的電子商務(wù)智能推薦系統(tǒng)的總體結(jié)構(gòu)進行分析可以發(fā)現(xiàn)，其主要包含用戶群體、獲取用戶偏好、用戶偏好信息庫、協(xié)同過濾推薦、推薦用戶偏好信息等。它們主要功能如下。

(1)用戶群體：主要對用戶的點擊、搜索、瀏覽、購買等行為進行分析，將用戶劃分為不同的群體。

(2)獲取用戶偏好模塊：主要根據(jù)用戶群體中的信息，對每類用戶的偏好或者感興趣的物品進行分析和評價，產(chǎn)生用戶偏好信息。

(3)用戶偏好信息庫：主要負責(zé)以用戶偏好信息格式進行轉(zhuǎn)換，并且保存在用戶偏好信息庫中，構(gòu)建用戶偏好信息數(shù)據(jù)庫。

(4)推薦用戶偏好信息模塊：主要用于獲取推薦對象的相關(guān)偏好信息，如可能感興趣的物品。

(5)協(xié)同過濾推薦模塊：其為電子商務(wù)智能推薦最為重要的關(guān)鍵模塊，可以根據(jù)協(xié)同過濾推薦算法分析用戶和電子商務(wù)商品間的映射關(guān)系，計算相似度，根據(jù)相似度產(chǎn)生電子商務(wù)推薦結(jié)果。

1.3 協(xié)同過濾推薦算法

協(xié)同過濾算法是當(dāng)前電子商務(wù)推薦最為流行的算法，其工作原理為：首先分析電子商務(wù)用戶的歷史行為數(shù)據(jù)，根據(jù)分析結(jié)果建立用戶偏好模型，計算相似度，然后根據(jù)相似度獲得目標用戶的近鄰用戶，最后根據(jù)近鄰用戶的偏好實現(xiàn)目標用戶的電子商品推薦。

1.3.1 建立用戶-商品評分矩陣

設(shè)電子商務(wù)推薦系統(tǒng)中的用戶集合為U={U1,U2,U3,…，Us}，s表示用戶數(shù)量，商品集合為I={I1,I2,I3,…,It}，t表示商品數(shù)量，通常情況下，每一個用戶對每一種商品的偏好是已知，這樣可以建立用戶-商品評分矩陣，具體如表1所示，表中Ra,j表示Ua對Ik的評分，即用戶對商品的偏好程度。

1.3.2 計算用戶之間的相似度

相似度可以采用商品相似度或者用戶相似度，本文根據(jù)用戶-商品評分矩陣計算用戶之間的相似度。表1中，每一行可以看作是一個用戶對所有商品的評價向量，當(dāng)前用戶相似度計算方法有余弦相似度和Pearson相關(guān)系數(shù)兩種，本文選擇余弦相似度計算用戶之間的相似度，具體過程如下。

表1 用戶-商品評分矩陣

(1)Ra,k和Rb,k分別為Ua和Ub對商品Ik的評分值，Ra和Rb表示評分向量，那么余弦相似度計算式為

(1)

Sim(Ua,Ub)值越大，表示Ua和Ub間的偏好程度越高。

(2)

1.3.3 電子商務(wù)智能推薦結(jié)果

對于目標用戶Um，根據(jù)相似度對近鄰用戶進行搜索，選擇與目標用戶偏好相近的k個近鄰用戶，建立目標用戶的最近鄰集合S(Um)。根據(jù)最近鄰集合得到目標用戶對商品Ij的評分，根據(jù)評分給目標用戶推薦多個商品，目標用戶對商品Ij的評分具體計算公式如下

(3)

1.4 基于協(xié)同過濾的電子商務(wù)智能推薦流程

基于協(xié)同過濾的電子商務(wù)智能推薦流程見圖2。從圖2可以發(fā)現(xiàn)：首先收集電子商務(wù)用戶相關(guān)信息，并對信息進行預(yù)處理，然后計算電子商務(wù)用戶對項目的評分，構(gòu)建電子商務(wù)用戶評分矩陣，最后采用余弦夾角算法根據(jù)用戶評分矩陣計算用戶之間的相性度，基于用戶相似度進行電子商務(wù)智能推薦。

圖2 基于協(xié)同過濾的電子商務(wù)智能推薦流程

2 仿真實驗

2.1 實驗對象

為了測試基于協(xié)同過濾的電子商務(wù)智能推薦效果，選擇以某電子商務(wù)購物平臺的訂單數(shù)據(jù)集作為實驗對象，該數(shù)據(jù)集包括1 000個用戶，在不同時間的2 000條訂單數(shù)據(jù)，商品種類為1 400種，用戶評分值集合為(1,2,3,4,5)，采用Java編程語言實現(xiàn)協(xié)同過濾推薦算法。為了使本文電子商務(wù)智能推薦方法的實驗結(jié)果更具說服力，選擇文獻[9]和文獻[10]的電子商務(wù)智能推薦方法進行對比測試。選擇電子商務(wù)智能推薦精度、召回率，以及商品新穎度、商品流行度作為實驗結(jié)果的評價指標。

設(shè)N表示推薦的商品數(shù)，M表示用戶喜歡的商品數(shù)，電子商務(wù)智能推薦精度、召回率的計算式如：

(4)

(5)

N=Ntr+Nfr，M=Ntr+Nfn

(6)

式中，Ntr表示推薦的商品，同時用戶很喜歡；Nfr表示推薦的商品，但是用戶不喜歡；Ntr表示用戶很喜歡，但是沒有推薦；Nfn表示用戶不喜歡，也沒推薦。

2.2 電子商務(wù)推薦精度、召回率

計算3種方法的電子商務(wù)推薦精度、召回率，具體如圖3和圖4所示。對圖3、圖4的電子商務(wù)推薦精度、召回率進行分析可以發(fā)現(xiàn)，本文方法的電子商務(wù)推薦精度、召回率遠高于對比方法，提高了電子商務(wù)推薦準確性，降低了電子商務(wù)推薦錯誤率，獲得了理想的電子商務(wù)推薦結(jié)果，可以滿足用戶的個性化需求。

圖3 不同方法的電子商務(wù)推薦推薦精對比

圖4 不同電子商務(wù)推薦方法的召回率對比

2.3 商品新穎度和流行度分析

對于一個電子商務(wù)智能推薦系統(tǒng)而言，其應(yīng)該可以對商品的新穎度和流行度進行分析，從而為用戶推薦一些新穎度和流行度較高的商品，以對商品銷售起著促進效果，實驗結(jié)果如圖5、圖6所示。對圖5和圖6的新穎度和流行度進行分析可以發(fā)現(xiàn)，隨著用戶對商品的評分次數(shù)不斷增加，商品的新穎度和流行度就逐漸增加，相對于對比方法，本文方法的新穎度和流行度分析結(jié)果更加科學(xué)、合理，在為用戶提供個性化推薦列表的同時，能夠?qū)ι唐愤M行更加精準的推薦，具有明顯的優(yōu)越性。

圖5 不同電子商務(wù)推薦方法的商品新穎度對比

圖6 不同電子商務(wù)推薦方法的商品流行度對比

3 總結(jié)

電子商務(wù)是當(dāng)前研究的熱點，其中電子商務(wù)智能推薦系統(tǒng)是電子商務(wù)實際應(yīng)用中的一項關(guān)鍵技術(shù)，為了提高電子商務(wù)智能推薦的準確性，解決當(dāng)前電子商務(wù)智能推薦過程存在的一些難題，提出基于協(xié)同過濾的電子商務(wù)智能推薦方法，并在相同情況下與其他電子商務(wù)智能推薦方法在相同環(huán)境下進行了對比測試，結(jié)果表明，本文方法是一種精度高的電子商務(wù)智能推薦技術(shù)，能夠幫助用戶找到自己需要的商品，具有十分廣泛的應(yīng)用前景。