袁　源

(山西職業(yè)技術(shù)學(xué)院計(jì)算機(jī)系，山西 太原 030006)

?

電子商務(wù)中個性化推薦系統(tǒng)的實(shí)現(xiàn)技術(shù)研究

袁源

(山西職業(yè)技術(shù)學(xué)院計(jì)算機(jī)系，山西 太原 030006)

摘要：由于電子商務(wù)和信息規(guī)模的快速增長，信息量在不斷的加大，用戶面對這些海量的信息無法知道哪些是對自己有用的信息，信息過濾的重要手段之一就是推薦系統(tǒng)，通過對用戶行為的分析，個性化推薦系統(tǒng)就可以預(yù)測出用戶的喜好，使用戶能夠更輕松地找到所需要的信息，能夠自行在模擬狀態(tài)下通過銷售人員的幫助來完成所有的購買過程。

關(guān)鍵詞：電子商務(wù)；推薦算法；個性化服務(wù)；協(xié)同過濾

1個性化推薦系統(tǒng)的概念

在商務(wù)智能平臺中個性化推薦系統(tǒng)占主導(dǎo)地位，它挖掘了大量數(shù)據(jù)，從而為用戶提供個性化的決策支持以及信息服務(wù)。購物網(wǎng)站的個性化推薦系統(tǒng)為客戶智能推薦商品，這種基于用戶習(xí)慣的在線商品推薦算法就相當(dāng)于我們實(shí)際生活中的導(dǎo)購員，在了解客戶的基本需求以及偏愛的商品的特征后，就可以向用戶提供有價值的建議，算法基于信息：網(wǎng)購平臺客戶購買商品的歷史行為記錄。近幾年來，搜索引擎技術(shù)由于被廣泛應(yīng)用，其發(fā)展較快，比較有代表性的谷歌，百度等，由“信息爆炸”和“信息過載”引發(fā)的信息丟失問題，在一定程度上可以被緩解[1]。

但客戶對于個性化的要求越來越迫切，這種能夠?qū)崿F(xiàn)基于用戶習(xí)慣做出推薦的算法無論是在國內(nèi)還是國外，都有專業(yè)的研究機(jī)構(gòu)投入大量資源進(jìn)行相應(yīng)數(shù)學(xué)模型的研究。

2電商系統(tǒng)中個性化推薦算法原理

個性化推薦系統(tǒng)的運(yùn)行遵循輸入、處理和輸出的程序經(jīng)典處理流程。用戶基本信息模塊負(fù)責(zé)接受輸入信息、個性化推薦模塊負(fù)責(zé)處理信息和評價反饋模塊負(fù)責(zé)輸出信息，個性化推薦系統(tǒng)首先接受用戶輸入的注冊信息、用戶的行為記錄信息等，再按照使用的算法對得到的信息進(jìn)行篩選，最終將篩選的結(jié)果通過網(wǎng)站設(shè)定的模式推薦給用戶。

用戶喜好的信息主要來源于“輸入一處理一輸出”模式中輸入階段的用戶輸入的信息，這些信息直接影響網(wǎng)站最終給出的推薦效果，因此要脫離網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行篩選去噪，確定能夠?qū)崿F(xiàn)合理化推薦的物理結(jié)構(gòu)來進(jìn)行展現(xiàn)。依據(jù)用戶的習(xí)慣進(jìn)行推薦的流程的實(shí)現(xiàn)，還是脫離不了算法對于初期收集的存儲于系統(tǒng)中的數(shù)據(jù)的處理，包括修改、過濾、提取、傳遞等，最終實(shí)現(xiàn)通過網(wǎng)站平臺將適合的信息展現(xiàn)給用戶以便他們做出合理的選擇。一些網(wǎng)站還提供給用戶一些選項(xiàng)，用戶可以根據(jù)喜好來進(jìn)行選擇，例如可以通過選擇“收藏店鋪”、“收藏寶貝”、“我已經(jīng)擁有”、“不感興趣”等明確告訴系統(tǒng)自己對哪些商品感興趣。用戶是否能夠客觀的選擇對于推薦系統(tǒng)的優(yōu)化是非常關(guān)鍵的，系統(tǒng)通過這些反饋信息可以捕捉到用戶的興趣點(diǎn)以及興趣的動態(tài)變化，強(qiáng)化推薦算法的運(yùn)行效率與選擇精準(zhǔn)度，同時對用戶購買偏好模型進(jìn)行實(shí)時調(diào)整，在運(yùn)行過程中實(shí)現(xiàn)良性循環(huán)[2]。

3實(shí)現(xiàn)用戶個性化推薦系統(tǒng)的關(guān)鍵技術(shù)

3.1COOKIE緩存文件

Cookie是將少量的數(shù)據(jù)存儲到客戶的電腦存儲設(shè)備中，或可以使網(wǎng)站服務(wù)器在客戶的電腦中獲取數(shù)據(jù)的一種方法。它通過在客戶端PC上生成一個小文件，用于客戶端與服務(wù)器之間傳遞關(guān)鍵信息。當(dāng)你瀏覽某個網(wǎng)站時，網(wǎng)站的數(shù)據(jù)庫服務(wù)器可以通過它獲取你瀏覽過的網(wǎng)頁以及瀏覽的時間等信息，這時的Cookie文件就具有了日期和時間，同時就變相的減輕了各個電子商務(wù)網(wǎng)站的數(shù)據(jù)庫服務(wù)器的存儲壓力[3]。

當(dāng)你再次訪問該網(wǎng)站時，網(wǎng)站通過讀取客戶電腦中的Cookies，得知你的相關(guān)信息，就會因人而異地給出不同的首頁提示，包括登錄用戶的用戶名都會顯示出來，或者有些網(wǎng)站可以在兩周之內(nèi)直接登錄，因?yàn)槟愕挠脩裘皩?yīng)密碼系統(tǒng)可以從Cookies中獲得等等。這就好像我們的身份證，但當(dāng)你換電腦操作這樣的功能就不能實(shí)現(xiàn)。Cookies是每個用戶專屬的信息，只能有對應(yīng)網(wǎng)站的數(shù)據(jù)庫服務(wù)器來識別，所以它們會以不用名字存儲加以區(qū)分。這些不同網(wǎng)站的Cookies存儲在電腦的同一個文件夾中，但都經(jīng)過了加密技術(shù)的處理，我們即使打開也都是一些亂碼形式，不用擔(dān)心重要信息的丟失。

當(dāng)前，絕大部分互聯(lián)網(wǎng)廣告推薦技術(shù)都是以cookies技術(shù)為核心為構(gòu)建的，例如你通過瀏覽器搜索了某一類商品的信息，你的搜索信息會被記錄在cookies文件中，廣告報(bào)務(wù)商會通過分析這些cookies信息有針對性的向你推薦相類似的產(chǎn)品。

3.2聚類分析算法

人們常說“物以類聚，人以群分”，聚類就是這樣的一種行為。聚類分析的分類就是依據(jù)不同分類標(biāo)準(zhǔn)進(jìn)行信息的劃分，就像按照膚色分為白人、黑人和黃種人，按照職業(yè)分為工人、農(nóng)民、知識分子?，F(xiàn)實(shí)生活中，人們都是通過聚類模式來區(qū)分不同的實(shí)物，包括一些程序設(shè)計(jì)語言中都會用到類的概念進(jìn)行程序代碼的封裝。聚類分析就是依據(jù)對象的共同點(diǎn)進(jìn)行分類，將相似度較高的對象放在一起，它們的共同點(diǎn)就是與其它類區(qū)分的關(guān)鍵。所以在應(yīng)用中，一個類的對象就被看做一個整體。在數(shù)據(jù)挖掘技術(shù)中會用到聚類算法，它可以使個性化推薦系統(tǒng)在客戶群中將客戶進(jìn)行分類對待，劃分出不同的客戶群，繼而可以確定他們不同的購買模式作出合理的推薦[4]。

3.3基于內(nèi)容的過濾技術(shù)

基于內(nèi)容的過濾主要是通過各種方法(包括機(jī)械學(xué)習(xí)等)從事例中得到用戶的興趣情況，并將相似的物品推薦給用戶。它以獲得的物品的內(nèi)容信息(包括物品特征信息和項(xiàng)目內(nèi)容信息)為基礎(chǔ)進(jìn)行信息過濾，找到這些物品之間的相關(guān)性，不需要搜集用戶的評價意見以及行為信息，而是它不涉及冷啟動和稀疏問題，它通過對物品的信息進(jìn)行分析以及建模，從而進(jìn)行推薦。如果物品信息完整度以及全面度較高，則推薦質(zhì)量就會相對高一些，這樣才能吸引更多的客戶。但是這種推薦對于物品相似度的分析完全依賴于物品自身的一些特征，離不開用戶以往的一些行為記錄、喜好歷史。

3.4協(xié)同過濾介紹

協(xié)同過濾通過對用戶登錄網(wǎng)站的瀏覽記錄以及行為記錄產(chǎn)生的信息進(jìn)行分析過濾，得到用戶的興趣喜好，然后將具有相同喜好的用戶進(jìn)行分類，對于目標(biāo)用戶就可以找到與他興趣喜好最相近的鄰居用戶，從而預(yù)測目標(biāo)用戶還有可能的喜好，給出目標(biāo)用戶最準(zhǔn)確的個性化推薦。

這種過濾方式既可以基于用戶過濾又可以基于商品進(jìn)行過濾，第一種過濾的方式就是按照用戶的興趣和對商品的喜好，將用戶進(jìn)行分片，使他們成為“鄰居”，讓這些鄰居之間互通有無，交換彼此的感興趣的商品的信息給當(dāng)前用戶。而劃分鄰居的量尺就是他們之間對商品的偏好，通過用戶A對商品的喜好找到鄰居用戶B，根據(jù)他們之間相似喜好的程度，計(jì)算出當(dāng)前用戶暫未涉及的商品并給出推薦。而第二種過濾的方式與第一種方式類似，區(qū)別就是從商品的角度出發(fā)，對于A用戶基于他對商品的喜好再找到類似的商品，并結(jié)合A用戶的歷史行為信息推薦商品，所以，劃分商品的量尺就是商品之間的相似度，找到A用戶喜好商品的類似商品之后，按照該用戶歷史行為推薦商品。

4結(jié)論

隨著我國電子商務(wù)信息化建設(shè)快速發(fā)展，如何為用戶提供更加準(zhǔn)確、高效、便捷的信息化服務(wù)成為電子商務(wù)建設(shè)中的一個重要任務(wù)。個性化推薦系統(tǒng)在獲取用戶的瀏覽偏好與歷史購物信息的基礎(chǔ)上，模擬導(dǎo)購流程與用戶進(jìn)行直接交互，幫助用戶找到所需要的商品，它是解決用戶對信息過濾問題的最好的也是最有效的方法。通過對用戶行為的分析，個性化推薦系統(tǒng)就可以預(yù)測出用戶的喜好，使用戶能夠更輕松地找到他們所需要的不同的信息，用戶能夠自行在模擬狀態(tài)下通過銷售人員的幫助來完成所有的購買過程。通過對用戶行為的分析，個性化推薦系統(tǒng)就可以預(yù)測出用戶的喜好，使用戶能夠更輕松地找到他們所需要的不同的信息。

參考文獻(xiàn)

[1]蔣翀.電子商務(wù)個性化推薦系統(tǒng)研究[D].長沙：中南大學(xué),2009：10-33.

[2]邢春曉，高風(fēng)榮，戰(zhàn)思南，等.適應(yīng)用戶興趣變化的協(xié)同過濾推薦算法[J].計(jì)算機(jī)研究與發(fā)展,2007,44(2):296-301.

[3]張光衛(wèi)，李德毅，李鵬，等.基于云模型的協(xié)同過濾推薦算法[J].軟件學(xué)報(bào),2007,18(10):2403-2411.

[4]張守志，許彥.一個個性化服務(wù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].小型微型計(jì)算機(jī),2003,24(12):2155-2158.

收稿日期：2015-12-24

作者簡介：袁源(1978- )，女，山西大同人，助教，碩士，研究方向：計(jì)算機(jī)軟件及網(wǎng)絡(luò)。

文章編號：1674- 4578(2016)02- 0089- 02

中圖分類號：TP311

文獻(xiàn)標(biāo)識碼：A

Research on the Realization Technology of Personalized Recommendation System in Electronic Commerce

Yuan Yuan

(DepartmentofComputerScience,ShanxiPolytechicCollege,TaiyuanShanxi030006,China)

Abstract:Due to the rapid growth of e-commerce and the scale of information, the amount of information is constantly increasing. Facing these vast amounts of information, users can not know what is useful for their own information, so the information filtering is one of the important means of recommendation system. Through the analysis on user behavior, the personalized recommendation system can predict the user’s preferences, and users can easily find the information needed to complete all the purchase process through the help of sales staff in the simulation state.

Key words:electronic commerce; recommendation algorithm; personalized service; collaborative filtering