[精品]電子商務(wù)推薦系統(tǒng)研究

1、電了商務(wù)推薦系統(tǒng)研究摘 要：簡(jiǎn)要介紹了電子商務(wù)推薦系統(tǒng)的概念、作用及其組成模塊，系統(tǒng)介紹了基于協(xié) 同過(guò)濾的推薦技術(shù)、基于內(nèi)容的推薦技術(shù)、基于效用的推薦技術(shù)、基于知識(shí)的推薦技術(shù)、基 于用戶統(tǒng)計(jì)的推薦技術(shù)等六種推薦技術(shù)，并描述了電子商務(wù)推薦系統(tǒng)的工作流程，重點(diǎn)闡述 了未來(lái)電了商務(wù)推薦系統(tǒng)的研究方向。關(guān)鍵詞：推薦系統(tǒng)；電子商務(wù)；協(xié)同過(guò)濾一電子商務(wù)推薦系統(tǒng)概念及作用推特系統(tǒng)就是一個(gè)能夠在分析用八以往的使用行為的基礎(chǔ)上，能夠破解用戶需求并提出 建議的信息系統(tǒng)，該信息系統(tǒng)實(shí)際上市網(wǎng)站與用戶之間的一個(gè)行為對(duì)話系統(tǒng)。(劉杰決策支 持系統(tǒng)應(yīng)用的一個(gè)新領(lǐng)域：電了商務(wù)推薦系統(tǒng)管理學(xué)家2008 297-299)推薦系

2、統(tǒng)的有效 性取決于提供個(gè)性化服務(wù)的深度和能夠充分減少信息超載以及增加用戶的滿意度，它已經(jīng)成 為決策支持系統(tǒng)(decision support systemsdss)的一個(gè)重要的研究方向。resnick & varian在1997年給出了電了商務(wù)推薦系統(tǒng)(recommender systems)正式的 定義，指利用電子商務(wù)網(wǎng)站向客戶捉供商品信息和建議，幫助用戶決定應(yīng)該購(gòu)買什么產(chǎn)品， 模擬銷售人員幫助客丿'"完成購(gòu)買過(guò)程。(resnick, vcirian. recommender systems. coniniuni cat ion of the acm, 1997,4

3、0(3):56-58.)電子商務(wù)推薦系統(tǒng)最大的優(yōu)點(diǎn)在于它能收集用戶感興趣的資料， 并根據(jù)用戶興趣偏好主動(dòng)為用戶作出個(gè)性化推薦。電子商務(wù)推薦系統(tǒng)作用主要表現(xiàn)在以下幾 個(gè)方血：將電子商務(wù)網(wǎng)站-的瀏覽者轉(zhuǎn)變?yōu)橘?gòu)買者者(converting browsers into buyers)； 提高電子商務(wù)網(wǎng)站的交叉銷售能力(cross-sell)；減少消費(fèi)者成本(時(shí)間、資金等)，滿足 顧客需求，增加其滿意度；增加賣家產(chǎn)品瀏覽度，從而提高賣家收益。二電子商務(wù)推薦系統(tǒng)的組成推薦系統(tǒng)面對(duì)的是用戶(user),任務(wù)是為用戶提供對(duì)項(xiàng)目(item)的推薦。用戶是指推 薦系統(tǒng)的使用者，也就是電子商務(wù)活動(dòng)中的客八。項(xiàng)目是被

4、推薦的對(duì)象，是指電子商務(wù)活動(dòng) 屮捉供給客戶選擇的產(chǎn)品和服務(wù)，也就是最終推薦系統(tǒng)返回給用戶的推薦內(nèi)容。在一個(gè)電子 商務(wù)活動(dòng)屮，用戶數(shù)和項(xiàng)目數(shù)是非常多的。推薦系統(tǒng)而對(duì)的當(dāng)前用戶，稱為目標(biāo)用戶或者活 動(dòng)用戶。推薦系統(tǒng)的當(dāng)前工作，就是為根據(jù)一定的算法，給出對(duì)ii標(biāo)用戶的推薦項(xiàng)ii。電子商務(wù)推薦系統(tǒng)主耍由三大部分構(gòu)成：輸入模塊、推薦方法模塊和輸出模塊。輸入模 塊用來(lái)接受用戶的輸入信息，輸入主要來(lái)自個(gè)人和社團(tuán)群體兩部分。個(gè)人輸入主要指冃標(biāo)川 戶，即要求獲得推薦的人，為得到推薦必須對(duì)一些項(xiàng)口進(jìn)行評(píng)價(jià)，以表達(dá)白己的偏好，包括 隱式瀏覽輸入、顯式瀏覽輸入、關(guān)鍵詞和項(xiàng)目屬性輸入以及用八購(gòu)買歷史等；社團(tuán)群體輸入 主

5、要指集體形式的評(píng)價(jià)數(shù)據(jù)，包括項(xiàng)冃屬性、社團(tuán)購(gòu)買歷史、文本評(píng)價(jià)和等級(jí)評(píng)分等。其中 用戶的輸入信息中最重要的是用戶對(duì)項(xiàng)目的評(píng)價(jià)(rating)數(shù)據(jù)；推薦方法模塊用來(lái)根據(jù)一定算法，根據(jù)用戶數(shù)據(jù)，得出對(duì)目標(biāo)用戶的推薦，該模塊是整 個(gè)推薦系統(tǒng)的核心部分，個(gè)性化推薦方而的研究的很大一部分，都集中在找到好的推薦方法。輸岀模塊主要是指得到的推薦以何種形式反饋給用戶。主要的形式有：(余力，劉魯.電了 商務(wù)個(gè)性化推薦研究.計(jì)算機(jī)集成制造系統(tǒng).2004(10):1306-1309)建議(suggestion),分為單 個(gè)建議(single item)未排序建議列表(unordered list)和排序建議列表(or

6、dered list),典型的如 top-n:根據(jù)客八的喜好向客八推薦最可能吸引客八的n件產(chǎn)品；預(yù)測(cè)(prediction),系統(tǒng) 對(duì)給定項(xiàng)h的總體評(píng)分；個(gè)體評(píng)分(individual rat ing),輸出其他客戶對(duì)商品的個(gè)體評(píng)分； 評(píng)論(review ),輸出其他客戶對(duì)商品的文木評(píng)價(jià)。二電子商務(wù)推薦系統(tǒng)的關(guān)鍵技術(shù)電子商務(wù)系統(tǒng)根據(jù)其所采用推薦技術(shù)大致可以分為幾類：一是基丁協(xié)同過(guò)濾技術(shù)的推薦 系統(tǒng)，所采用的技術(shù)是協(xié)同過(guò)濾；二是基于內(nèi)容過(guò)濾的推薦系統(tǒng)，所采川的技術(shù)是信息過(guò)濾; 三是基于知識(shí)發(fā)現(xiàn)推薦系統(tǒng)，所采川的技術(shù)是知識(shí)發(fā)現(xiàn)，搜索與數(shù)據(jù)挖掘技術(shù)；四是一些非 主流推薦系統(tǒng)，比如棊丁統(tǒng)計(jì)、效用的推薦

7、系統(tǒng)，如貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)等。此外還有一 些組合技術(shù)和交互式推薦等。其中使用較多的是協(xié)同過(guò)濾，內(nèi)容過(guò)濾，知識(shí)發(fā)現(xiàn)等。如圖為 兒個(gè)主要的推薦技術(shù)示意圖1所示。圖1主要推薦技術(shù)及其使用資源1 基于協(xié)同過(guò)濾的推薦技術(shù)基于協(xié)同過(guò)濾的推薦時(shí)目前研究最多的個(gè)性化推薦技術(shù)，它根據(jù)其他川戶的觀點(diǎn)產(chǎn)生對(duì) 目標(biāo)用戶的推薦列表，推薦的個(gè)性化程度高。在協(xié)同過(guò)濾推薦系統(tǒng)屮，用戶描述的典型方法 是采用以商品及英評(píng)價(jià)為分雖的向量來(lái)表示，向量將隨著用戶與系統(tǒng)交互時(shí)間的增加而不斷 增大，協(xié)同過(guò)濾推薦的核心思想是認(rèn)為用戶傾向丁購(gòu)買具有和似意向的用戶群所購(gòu)買的商 品，因而它在預(yù)測(cè)某個(gè)川戶的商品購(gòu)買傾向時(shí)是根據(jù)一個(gè)用戶群的悄況而決

8、定的，現(xiàn)在著名 的基于系統(tǒng)過(guò)濾的推薦系統(tǒng)有g(shù)roup/net. tapesty等。協(xié)同過(guò)濾的最人優(yōu)點(diǎn)是對(duì)推薦對(duì)象沒 有特殊的要求，能處理非結(jié)構(gòu)化的復(fù)雜對(duì)象，如音樂、電影。協(xié)同過(guò)濾主要分為三類：一是 最近鄰協(xié)同過(guò)濾推薦；二是基于項(xiàng)冃的協(xié)同過(guò)濾推薦；三是基于模型的協(xié)同過(guò)濾推薦。最近鄰協(xié)同過(guò)濾推薦是當(dāng)前最成功的推薦技術(shù);基于項(xiàng)目的協(xié)同過(guò)濾推薦根據(jù)用戶對(duì)相 似項(xiàng)目的評(píng)分預(yù)測(cè)該用八対目標(biāo)項(xiàng)目的評(píng)分；基于模型的協(xié)同過(guò)濾推薦，先用歷史數(shù)據(jù)的都 一個(gè)模型,再用此模型進(jìn)行預(yù)測(cè)。基于模型的推薦廣泛采用的技術(shù)包括神經(jīng)網(wǎng)絡(luò)等學(xué)習(xí)技術(shù)。( ben j, konstan j a, john r. e-comnierce

9、recoinmendation applicationsr.university of minnersota,2001)潛在語(yǔ)義檢索和貝葉斯網(wǎng)絡(luò)，訓(xùn)練一個(gè)樣本得到模型。2. 基于內(nèi)容的推薦技術(shù)基于內(nèi)容的推薦時(shí)信息過(guò)濾的繼續(xù)和發(fā)展，商品通過(guò)相關(guān)特征的屬性來(lái)定義，系統(tǒng)基 于用戶評(píng)價(jià)對(duì)彖的特征學(xué)習(xí)用戶的興趣，依據(jù)用戶資料與待預(yù)測(cè)項(xiàng)冃的匹配程度進(jìn)行推薦。 基于內(nèi)容的土建需要進(jìn)行匹配計(jì)算，較多地丿應(yīng)用于可計(jì)算的文木領(lǐng)域，如瀏覽頁(yè)而的推薦, 新聞組小新聞推等，其缺點(diǎn)是不能為用戶發(fā)現(xiàn)新的感興趣的信息，只能推薦與用戶己有興趣 相似的信息。例如newsweedei新聞組過(guò)濾文本推薦系統(tǒng)就是釆用文本中的單詞作為文

10、本的 特征，系統(tǒng)通過(guò)學(xué)習(xí)用戶已評(píng)價(jià)過(guò)的商品特征來(lái)獲得對(duì)用八興趣的描述。用戶描述類型的產(chǎn)生取決于系統(tǒng)所釆川的學(xué)習(xí)方法，判定樹、神經(jīng)網(wǎng)絡(luò)、基于向量的表示等技術(shù)都可應(yīng)用于其中?；趦?nèi)容推薦的用戶描述是長(zhǎng)效型的，它將隨著系統(tǒng)對(duì)用戶偏 好的學(xué)習(xí)不斷更新。3. 基于效用的推薦技術(shù)基于效用的推薦建立在用八需要和可選集之間匹配的評(píng)估之上。通過(guò)計(jì)算商站對(duì)用八 的效用來(lái)做出推薦，英核心問題是如何為每一位用戶創(chuàng)造出合適的效用函數(shù)。某于效用的推 薦其用戶描述是系統(tǒng)為用戶創(chuàng)造的效用函數(shù)，采用受限制滿足技術(shù)來(lái)確定最佳匹配，它的優(yōu) 點(diǎn)是能在效用函數(shù)中考慮如何提供商的可靠性、產(chǎn)品的可獲取性和可用性等非產(chǎn)品因素。(黎 星星，黃

11、小琴，朱慶生.電子商務(wù)推薦系統(tǒng)研究卩.計(jì)算機(jī)工程與科學(xué),20()7.26(5):7-10.)4. 基于知識(shí)的推薦技術(shù)基于知識(shí)的推薦技術(shù)是通過(guò)判斷用戶的需要來(lái)做出推薦，它具冇特定商品滿足特定用 戶需要的知識(shí)，并由此推導(dǎo)出用戶需要l某一推薦物品的相互關(guān)系?；谥R(shí)的推薦其用戶 描述可以是支持這種推導(dǎo)的任何知識(shí)結(jié)構(gòu)，各方法因所用的知識(shí)的不同而有明顯的區(qū)別。5. 基于用戶統(tǒng)計(jì)的推薦技術(shù)基于用戶統(tǒng)計(jì)的推薦時(shí)根據(jù)用戶個(gè)人屬性對(duì)用戶分類，再基于類對(duì)類屮的用戶統(tǒng)計(jì)信 息進(jìn)行推薦。用戶個(gè)人信息可通過(guò)交互式對(duì)話來(lái)收集，可采用機(jī)學(xué)習(xí)來(lái)建立一個(gè)基于用戶統(tǒng) 計(jì)信息的分類器，永固的反應(yīng)為人工創(chuàng)建的模式庫(kù)和匹配。基丁用戶統(tǒng)

12、計(jì)的推薦系統(tǒng)與協(xié)同 過(guò)濾推薦系統(tǒng)實(shí)際使用的數(shù)據(jù)完全不同，其優(yōu)點(diǎn)在于不需要用戶評(píng)價(jià)丿力史數(shù)據(jù)。 三電子商務(wù)推存系統(tǒng)的工作流程雖然電子商務(wù)推薦系統(tǒng)的種類很多，所采用的推薦技術(shù)也不盡相同，但各種推薦系統(tǒng)工 作流程棊本相同。主要包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、形成推薦和結(jié)果顯示燈環(huán)節(jié)。(吳恒亮, 張巍巍.電了商務(wù)推薦系統(tǒng)屮推薦技術(shù)的比較研究.物流技術(shù).2009(11):57-59)電子商務(wù)推薦系 統(tǒng)的一般工作流程如圖2所示。顯式數(shù)據(jù)j包!(f*之 | !一1數(shù)據(jù)預(yù)處理1形成推薦一結(jié)果顯示用戶隱式數(shù)據(jù)！ 圖2電子商務(wù)推薦系統(tǒng)的工作原理1. 數(shù)據(jù)釆集數(shù)據(jù)釆集方式主要有兩種類型：顯式釆集和隱式釆集。其中，顯式采集

13、方式是指 推薦系統(tǒng)需要川戶顯式地輸入形成推薦所需要的信息,包括川戶信息、川戶對(duì)商品的評(píng)價(jià)等; 隱式采集方式是指推薦系統(tǒng)根據(jù)電子商務(wù)系統(tǒng)在川戶的購(gòu)物過(guò)程小白動(dòng)記錄的信息形式推 薦，比如用八瀏覽或者購(gòu)買了哪些商晶，以此來(lái)分析用八的行為特性，不需要用八輸入任何 信息。顯式方式獲得的數(shù)據(jù)通常比較準(zhǔn)確，但需要用戶顯式地輸入信息，數(shù)據(jù)采集比較困難。 隱式方式獲取數(shù)據(jù)的準(zhǔn)確性要低一些，且只能獲得用戶比較簡(jiǎn)單的評(píng)價(jià)，但采集數(shù)據(jù)相對(duì)比 較容易。在實(shí)際的電子商務(wù)推薦系統(tǒng)應(yīng)用中，針對(duì)用八和電子商務(wù)網(wǎng)站不同的需求，兩種方 式都有各口的應(yīng)用場(chǎng)合。2. 數(shù)據(jù)預(yù)處理數(shù)據(jù)采集階段所獲得的數(shù)據(jù)往往具有不同的存儲(chǔ)方式，而不同的推

14、薦技術(shù)所需求的數(shù) 據(jù)格式也不盡相同。因此，在形成推薦以前往往耍根據(jù)不同的推薦技術(shù)對(duì)不同類型的數(shù)據(jù)進(jìn) 行相應(yīng)的預(yù)處理，將其轉(zhuǎn)化成符合所使用推薦技術(shù)要求的格式。3. 形成推薦電子商務(wù)推薦系統(tǒng)完成了數(shù)據(jù)采集t作，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理之后，就可以利用各種 推薦方法進(jìn)行推薦了。形成推薦時(shí)電子商務(wù)推薦系統(tǒng)工作流程中最為關(guān)鍵的一個(gè)步驟。4. 結(jié)果顯示推薦結(jié)果形成示，接下來(lái)的任務(wù)就是如何把推薦結(jié)果呈現(xiàn)給用戶。不同的推薦結(jié)果顯 示時(shí)機(jī)和方法不盡相同，往往可以起到不同的推薦效果。結(jié)果顯示的途徑主要包括以下兒種:（1）將電子商務(wù)網(wǎng)站最熱銷的商品或者最新加入的商品以排行榜的形式顯示給用戶。（2）根據(jù)用戶的查詢操作和要求

15、形式推薦，并將推薦結(jié)果按照匹配程度或者用戶的感 興趣程度進(jìn)行排序，以列表或超鏈接的形式把推薦結(jié)果顯示給用戶。（3）向用戶提供其他用戶對(duì)用戶正在瀏覽商品的評(píng)價(jià)信息。（4）根據(jù)用戶的興趣愛好向當(dāng)前用戶推薦商品（5）向用戶推薦用戶購(gòu)物車中商品相關(guān)的商品（6）以電了郵件方式向用戶發(fā)送其可能感興趣的商品或者新加入系統(tǒng)的商品信息。 四電子商務(wù)推存系統(tǒng)目前存在的問題及解決方法推薦系統(tǒng)是電了商務(wù)系統(tǒng)屮最重要的技術(shù)之一，但隨著電了商務(wù)系統(tǒng)規(guī)模越來(lái)越人，推 薦系統(tǒng)也面臨著一系列挑戰(zhàn)，主要包括：推薦質(zhì)屋與實(shí)時(shí)性的矛盾、可擴(kuò)展性問題、數(shù)據(jù)稀 疏性問題等等。面對(duì)這些挑戰(zhàn)，在推薦算法的具體設(shè)計(jì)和實(shí)現(xiàn)上，以協(xié)同過(guò)濾技術(shù)為主

16、，在 克服其缺陷（數(shù)據(jù)矩陣的稀疏性、可擴(kuò)展性、最初評(píng)價(jià)問題等）的基礎(chǔ)上，結(jié)合其它技術(shù)，改 進(jìn)推薦系統(tǒng)的推薦質(zhì)量。未來(lái)電子商務(wù)推薦系統(tǒng)的研究熱點(diǎn)和方向有：1 對(duì)現(xiàn)有推薦算法的進(jìn)一步改進(jìn)盡管協(xié)同過(guò)濾是冃前在電了商務(wù)推薦系統(tǒng)中應(yīng)用較為成功的個(gè)性化推薦技術(shù)，但隨著站 點(diǎn)結(jié)構(gòu)、內(nèi)容復(fù)雜度和用戶數(shù)最、商品數(shù)最不斷增加，對(duì)推薦算法的運(yùn)算性能提出了更高更 新的要求，要求提高推薦算法的速度和準(zhǔn)確性，加強(qiáng)算法的推薦實(shí)時(shí)性，以使推薦系統(tǒng)能產(chǎn) 生更精確、實(shí)時(shí)的推薦。2. 多種數(shù)據(jù)多種技術(shù)的集成傳統(tǒng)的協(xié)同過(guò)濾推薦技術(shù)根據(jù)用八顯式評(píng)分產(chǎn)生推薦結(jié)來(lái)，不僅用八使用不方便，而且 不能冇效地解決數(shù)據(jù)稀疏問題及故初評(píng)價(jià)問題等經(jīng)典問

17、題。隨著www的發(fā)展，web木身就 是一種新數(shù)據(jù)源，在web日志中積累了大量的有用的信息，因此可以通過(guò)web挖掘技術(shù)來(lái) 獲取用八的隱式評(píng)分，所以未來(lái)的電子商務(wù)推薦系統(tǒng)應(yīng)該利用盡可能多的信息，收集多種類 型的數(shù)據(jù)，有效集成多種推薦技術(shù)，提供多種推薦功能，從而提供更加有效的個(gè)性化推薦服 務(wù)。3. 與網(wǎng)格技術(shù)的結(jié)合目前的電子商務(wù)推薦系統(tǒng)都是支持單一用戶的個(gè)性化推薦,未來(lái)的推薦系統(tǒng)應(yīng)該支持多 用八推薦，包括為某用八群作岀推薦及用八群之間和互推薦，這就需要解決算法的分布式計(jì) 算問題。由于現(xiàn)有的一些分布式數(shù)據(jù)挖掘系統(tǒng)缺乏統(tǒng)一的分布計(jì)算環(huán)境的支持，具有佼強(qiáng)的 平臺(tái)和特定數(shù)據(jù)系統(tǒng)的依賴性，難于進(jìn)行擴(kuò)展和移植，

18、因而不能被廣泛的應(yīng)用，網(wǎng)格計(jì)算 （grid computing）的出現(xiàn)無(wú)疑為這個(gè)問題提供了一個(gè)良好的解決途徑。網(wǎng)格是高性能計(jì)算機(jī)、數(shù)據(jù)源、互聯(lián)網(wǎng)三種技術(shù)的有機(jī)結(jié)合，網(wǎng)格通過(guò)網(wǎng)絡(luò)環(huán)境為用戶 提供透明的高性能計(jì)算資源，即使資源和丿ij戶在地理上處于分布狀態(tài)，計(jì)算網(wǎng)格也能提供給 用戶一個(gè)透明的、共亨的、安全的和容錯(cuò)的高性能計(jì)算壞境。網(wǎng)格計(jì)算有四個(gè)發(fā)展階段，第 一步是計(jì)算機(jī)網(wǎng)格，即處理器的網(wǎng)格；第二步是數(shù)據(jù)網(wǎng)格，在數(shù)據(jù)共享和交換屮保證完整性; 第三步是實(shí)現(xiàn)業(yè)務(wù)連續(xù)性，保證客戶服務(wù)不i'可斷；第四步就是網(wǎng)格模式下的電子商務(wù)。現(xiàn)在 網(wǎng)格還處在從第二階段到第三階段的發(fā)展過(guò)程中11。 11 i foster, ckesse iman. the grid: b lueprintfore future comput ing in frastructurem sanfrarcisco, usa: m organkau fman pub lishers, 1999.將網(wǎng)格技術(shù)應(yīng)用到電子商務(wù)推苕系統(tǒng)是未來(lái)電子商務(wù)的一個(gè)發(fā)展趨勢(shì)。4. 與企業(yè)信息系統(tǒng)的集成目前的電子商務(wù)推薦系統(tǒng)主要面向用八，未來(lái)電子商務(wù)系統(tǒng)除了為用戶作出個(gè)性化推薦 服務(wù)外，還應(yīng)集