淺析電子商務(wù)推薦系統

[摘 要] 隨著(zhù)互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，商品推薦系統逐漸成為電子商務(wù)IT技術(shù)的一個(gè)重要研究?jì)热�，越�?lái)越多地 受到研究者的關(guān)注。本文探討了電子商務(wù)系統的構成、研究?jì)热�、研究現狀，分析了目前有的推薦系統存在的缺陷和題目，提出了未來(lái)電子商務(wù)推薦系統研究的發(fā)展方向。
　　[關(guān)鍵詞] 電子商務(wù)；推薦系統；協(xié)作過(guò)濾；個(gè)性化推薦
　
　　
　　隨著(zhù)互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，商品推薦系統逐漸成為電子商務(wù)IT 技術(shù)的一個(gè)重要研究?jì)热�，越�?lái)越多地得到研究者的關(guān)注。目前，幾乎所有大型的電子商務(wù)系統，如Amazon、CDNOW、eBay、當當網(wǎng)上書(shū)店等，都不同程度地使用了各種形式的推薦系統。
　　而且現在電子商務(wù)系統規模的進(jìn)一步擴大，用戶(hù)數目和項目數據急劇增加，迫切需要相應信息檢索技術(shù)產(chǎn)生。商品個(gè)性化推薦技術(shù)，尤其是協(xié)同過(guò)濾技術(shù)，構成了現有電子商務(wù)個(gè)性化推薦系統的基礎。在這里，之所以夸大個(gè)性化，是由于需要推薦系統能為每個(gè)用戶(hù)推薦適合他們偏好和愛(ài)好的產(chǎn)品，而不是千篇一律的推薦。
　　
　　一、電子商務(wù)推薦系統及構成
　　
　　電子商務(wù)推薦系統(Recommendation Systems for E-Commerce)定義是：“它是利用電子商務(wù)網(wǎng)站向客戶(hù)提供商品信息和建議，幫助用戶(hù)決定應該購買(mǎi)什么產(chǎn)品，模擬銷(xiāo)售職員幫助客戶(hù)完成購買(mǎi)過(guò)程”。
　　推薦系統面對的是用戶(hù)(user)，任務(wù)是為用戶(hù)提供對項目(item)的推薦。用戶(hù)是指推薦系統的使用者，也就是電子商務(wù)活動(dòng)中的客戶(hù)。項目是被推薦的對象，是指電子商務(wù)活動(dòng)中提供給客戶(hù)選擇的產(chǎn)品和服務(wù)，也就是終極推薦系統返回給用戶(hù)的推薦內容。在一個(gè)電子商務(wù)活動(dòng)中，用戶(hù)數和項目數是非常多的。推薦系統面對確當前用戶(hù)，稱(chēng)為目標用戶(hù)或者活動(dòng)用戶(hù)。推薦系統確當前工作，就是為根據一定的算法，給出對目標用戶(hù)的推薦項目。
　　電子商務(wù)推薦系統主要由三大部分構成：輸進(jìn)模塊、推薦方法模塊和輸出模塊。輸進(jìn)模塊用來(lái)接受用戶(hù)的輸進(jìn)信息，用戶(hù)的輸進(jìn)信息中最重要的是用戶(hù)對項目的評價(jià)(rating)數據；推薦方法模塊用來(lái)根據一定算法，根據用戶(hù)數據，得出對目標用戶(hù)的推薦，該模塊是整個(gè)推薦系統的核心部分，個(gè)性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶(hù)。
　　根據項目的特點(diǎn)，目前主要有兩種類(lèi)型的推薦系統，一種是以網(wǎng)頁(yè)為對象的個(gè)性化推薦系統，主要采用Web數據挖掘的方法與技術(shù)，為用戶(hù)推薦符合其愛(ài)好愛(ài)好的網(wǎng)頁(yè)；另一種是網(wǎng)上購物環(huán)境下的、以商品為推薦對象的個(gè)性化推薦系統，為用戶(hù)推薦符合其愛(ài)好愛(ài)好的各類(lèi)產(chǎn)品，如各種書(shū)籍，音像等，這種推薦系統也稱(chēng)電子商務(wù)個(gè)性化推薦系統。
　　
　　二、電子商務(wù)個(gè)性化推薦系統的作用
　　
　　電子商務(wù)推薦系統的最大的優(yōu)點(diǎn)在于它能收集用戶(hù)愛(ài)好資料并根據用戶(hù)愛(ài)好偏好為用戶(hù)主動(dòng)作出個(gè)性化的推薦，也就是說(shuō)，當用戶(hù)每次輸進(jìn)用戶(hù)名和密碼登錄電子商務(wù)網(wǎng)站后，推薦系統就會(huì )按照目標用戶(hù)偏好程度的高低推薦用戶(hù)最喜愛(ài)的N個(gè)產(chǎn)品，而且系統給出的推薦是實(shí)時(shí)更新的，也就是說(shuō)當系統中的產(chǎn)品庫和用戶(hù)愛(ài)好資料發(fā)生改變時(shí)，給出的推薦序列會(huì )自動(dòng)改變，大大方便了用戶(hù)，也進(jìn)步了企業(yè)的服務(wù)水平。
　　總體說(shuō)來(lái)，電子商務(wù)推薦系統的作用主要表現在以下幾個(gè)方面：一方面，使用戶(hù)從無(wú)窮的網(wǎng)絡(luò )資源和商品世界中解脫出來(lái)，大大節約了用戶(hù)采購商品的時(shí)間和本錢(qián)；與此同時(shí)，推薦系統的個(gè)性化推薦服務(wù)，進(jìn)步了客戶(hù)對電子商務(wù)網(wǎng)站的忠誠度(Building Loyalty)，將更多的電子商務(wù)網(wǎng)站瀏覽者轉變?yōu)樯唐返馁徺I(mǎi)者，從而進(jìn)步電子商務(wù)網(wǎng)站的交叉銷(xiāo)售能力(Cross-Selling)，為電子商務(wù)企業(yè)贏(yíng)得了更多的發(fā)展機會(huì )。
　　研究表明，在基于電子商務(wù)的銷(xiāo)售行業(yè)使用個(gè)性化推薦系統后，能進(jìn)步銷(xiāo)售額2%-8%，尤其在書(shū)籍、電影、CD音像、日用百貨等產(chǎn)品相對較為低廉且商品種類(lèi)繁多的行業(yè)，以及用戶(hù)使用個(gè)性化推薦系統的程度高的行業(yè)，推薦系統能大大進(jìn)步企業(yè)的銷(xiāo)售額。
　　電子商務(wù)推薦系統和銷(xiāo)售系統(Marketing Systems)、供給鏈決策支持系統(Supply-Chain Decision-Support Systems)既相似又有不同。銷(xiāo)售系統是幫助銷(xiāo)售職員如何把產(chǎn)品銷(xiāo)售出往；推薦系統終極目的幫助用戶(hù)，輔助用戶(hù)購買(mǎi)什么產(chǎn)品做出決策。供給鏈決策支持系統是幫助生產(chǎn)者決定什么時(shí)候生產(chǎn)多少什么產(chǎn)品，以及倉庫應該存貯多少各類(lèi)產(chǎn)品，其終極目的是為企業(yè)生產(chǎn)者服務(wù)的，而同樣推薦系統是面向用戶(hù)的系統。
　　
　　三、電子商務(wù)個(gè)性化推薦系統的研究?jì)热?
　　
　　電子商務(wù)個(gè)性化推薦的研究有四方面的題目：首先，要解決推薦系統的信息來(lái)源題目——推薦系統的基礎是用戶(hù)愛(ài)好資料信息，如何在電子商務(wù)環(huán)境下盡可能獲得更多用戶(hù)的相關(guān)信息，并以合適的形式表示是進(jìn)行個(gè)性化推薦的條件；其次，要實(shí)現被顧客接受和認可的個(gè)性化推薦，設計正確、高效率的個(gè)性化推薦算法是核心；另外，要讓推薦系統為廣大用戶(hù)所接受，必須對推薦系統作出客觀(guān)、綜合的評價(jià)，尤其要留意從正確率、個(gè)性化、安全性、用戶(hù)滿(mǎn)足度等多方面進(jìn)行評價(jià)；推薦系統的應用是終極研究的落腳點(diǎn)，推薦系統不僅能為用戶(hù)提供完全個(gè)性化購物環(huán)境，更應為企業(yè)的銷(xiāo)售決策和客戶(hù)關(guān)系治理提供支持。
　　在電子商務(wù)環(huán)境下，用戶(hù)信息收集表示是電子商務(wù)個(gè)性化推薦的基礎。根據當前對電子商務(wù)環(huán)境下用戶(hù)信息收集表示的研究來(lái)看，主要著(zhù)眼于研究如何有效地收集能反映用戶(hù)愛(ài)好偏好的信息，以及如何通過(guò)網(wǎng)絡(luò )數據挖掘等的方法更自動(dòng)化地收集用戶(hù)的隱式信息，解決用戶(hù)信息收集過(guò)多的依靠于顯式評價(jià)數據的題目。
　　個(gè)性化推薦技術(shù)是電子商務(wù)自動(dòng)化推薦系統的核心題目。目前的推薦技術(shù)有協(xié)同過(guò)濾推薦(包括基于用戶(hù)的和基于項目的)、基于用戶(hù)人口統計信息的推薦、基于內容的推薦、基于效用的推薦、基于知識的推薦、基于規則的推薦等等。協(xié)同過(guò)濾推薦是個(gè)性化推薦中研究和應用最多的方法，廣泛應用于電子商務(wù)網(wǎng)站、數字圖書(shū)館、網(wǎng)頁(yè)搜索、新聞過(guò)濾等，著(zhù)名的推薦系統有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其條件假設是存在具有相似愛(ài)好愛(ài)好的用戶(hù)群，每個(gè)用戶(hù)都有與其愛(ài)好愛(ài)好相似的鄰居用戶(hù)。猜測用戶(hù)對某一項目的偏好是根據鄰居用戶(hù)對該項目的偏好程度計算的，也就是說(shuō)假如其鄰居用戶(hù)喜愛(ài)某項目，則該用戶(hù)也很可能會(huì )喜愛(ài)該項目。協(xié)同過(guò)濾最大優(yōu)點(diǎn)是不需要分析對象的特征屬性，所以對推薦對象沒(méi)有特殊的要求，能處理非結構化的復雜對象，如音樂(lè )、電影等。
　　對推薦系統總體性能的評價(jià)是推薦系統研究的重要組成部分。目前大都只是采用正確率、召回率等評判標準對推薦算法進(jìn)行評價(jià)，并沒(méi)有真正意義上的、提升到對整個(gè)推薦系統進(jìn)行的評價(jià)，尤其缺乏從個(gè)性化程度、持久性程度、系統的安全性以及用戶(hù)接受程度等多方面對推薦系統進(jìn)行綜合的評價(jià)。
　　
　　四、研究現狀
　　
　　推薦行為產(chǎn)品或其它項目的軟件代理已經(jīng)在很多應用中使用在電子商務(wù)領(lǐng)域，為了增加購買(mǎi)經(jīng)驗并滿(mǎn)足客戶(hù)需求，已經(jīng)推出了充分利用消費者的訪(fǎng)問(wèn)和購買(mǎi)行為的推薦系統。推薦者通常通過(guò)給用戶(hù)展示他們可能感愛(ài)好的產(chǎn)品或服務(wù)來(lái)促進(jìn)購買(mǎi)。例如，諸如Amazon.com就是通過(guò)利用偏好或其他用戶(hù)購買(mǎi)信息來(lái)先容書(shū)籍或者其它產(chǎn)品給用戶(hù)的推薦系統。然而，使用的技術(shù)相當簡(jiǎn)單，而且并非很精確和有效�；�本上，程序將當前客戶(hù)購買(mǎi)的一系列產(chǎn)品與其他客戶(hù)購買(mǎi)的一系列產(chǎn)品作比較，選擇客戶(hù)購買(mǎi)較多的產(chǎn)品與當前客戶(hù)購買(mǎi)的產(chǎn)品集合的交集，最后從中選出一些尚未被客戶(hù)所購買(mǎi)而仍然在顧客購物籃中的產(chǎn)品，并將它們作為推薦列表呈現給客戶(hù)。該技術(shù)也用于類(lèi)似于協(xié)作過(guò)濾的文本文檔的信息抽取。電影或音樂(lè )唱片的推薦，例如Moviefrnder.com，通過(guò)預知一個(gè)人的偏好與其他人偏好的線(xiàn)性權重集合，并運用協(xié)作過(guò)濾技術(shù)來(lái)實(shí)現。 　　對于推薦系統的研究可分為三個(gè)種類(lèi)：技術(shù)系統開(kāi)發(fā)研究，用戶(hù)行為研究和隱私題目研究。其中技術(shù)系統開(kāi)發(fā)是重點(diǎn)。目前各種推薦技術(shù)，例如數據挖掘，代理和推理，都已經(jīng)應用到了推薦系統中�，F存的推薦系統從廣義上可以劃分為基于規則的系統和信息過(guò)濾系統。信息過(guò)濾系統又可分為基于內容過(guò)濾的系統和協(xié)作過(guò)濾系統兩種。
　　基于規則的系統，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他們答應系統治理員根據用戶(hù)的靜態(tài)特征和和動(dòng)態(tài)屬性來(lái)制定規則，一個(gè)規則本質(zhì)上是一個(gè)if-then語(yǔ)句，規則決定了在不同的情況下提供不同的服務(wù)�；�于規則的系統，其優(yōu)點(diǎn)是簡(jiǎn)單、直接，缺點(diǎn)是規則質(zhì)量很難保證，而且不能動(dòng)態(tài)更新。此外，隨著(zhù)規則的數目增多，系統將變得越來(lái)越難以治理。
　　基于內容過(guò)濾的系統，例如：Personal WebWather， SysKill

【淺析電子商務(wù)系統】相關(guān)文章：

淺析綜合績(jì)效測評系統03-14

淺析旅游與電子商務(wù)的融合03-15

電子商務(wù)系統審計03-20

淺析硬盤(pán)播出系統的應用及維護03-18

淺析集成制造系統的技術(shù)構成03-17

淺析電子商務(wù)下的物流模式03-22

ＪＡＶＡ實(shí)現電子商務(wù)系統03-22

淺析網(wǎng)絡(luò )招生錄取系統的設計與實(shí)現03-29

淺析自動(dòng)控制系統12-11