購物網(wǎng)站個(gè)性化推薦系統(tǒng)應(yīng)用分析2700字

1、購物網(wǎng)站個(gè)性化推薦系統(tǒng)應(yīng)用分析2700字 摘要：個(gè)性化推薦系統(tǒng)具有良好的發(fā)展和應(yīng)用前景，幾乎所有的大型電子商務(wù)購物網(wǎng)站都不同程度的使用了各種形式的推薦系統(tǒng)。在日趨激烈的競爭環(huán)境下，個(gè)性化推薦系統(tǒng)針對用戶特點(diǎn)及興趣愛好進(jìn)行商品推薦，能有效的提高電子商務(wù)系統(tǒng)的服務(wù)能力，從而保留客戶。關(guān)鍵詞：個(gè)性化推薦、電子商務(wù)、購物網(wǎng)站 1個(gè)性化推薦1.1定義 隨著電子商務(wù)規(guī)模的逐漸擴(kuò)大，網(wǎng)上商品的種類和數(shù)量也快速增長。商品不斷豐富，顧客購物選擇的余地大大擴(kuò)展，但顧客往往需要花費(fèi)大量的時(shí)間才能找到合適的商品。這種瀏覽大量無關(guān)信息和商品的過程無疑會(huì)給消費(fèi)者帶來極大的不便，從而可能造成客戶流失。為了解決這些問題，個(gè)性

2、化推薦系統(tǒng)應(yīng)運(yùn)而生。個(gè)性化推薦是根據(jù)用戶的資料信息、興趣愛好和以往購買行為，向用戶推薦其可能感興趣的信息和商品。個(gè)性化推薦系統(tǒng)是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級商務(wù)智能平臺(tái)，以幫助電子商務(wù)網(wǎng)站為其顧客購物過程提供完全個(gè)性化的決策支持和信息服務(wù)。1.2個(gè)性化推薦的作用 成功的個(gè)性化推薦系統(tǒng)，向用戶推薦他們感興趣的商品，從而促成交易，即將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘徺I者；在用戶購買過程中向用戶推薦自己確實(shí)需要但在購買過程中沒有想到的商品，有效提高電子商務(wù)系統(tǒng)的交叉銷售；為用戶提供個(gè)性化的推薦服務(wù)的同時(shí)，與用戶建立長期穩(wěn)定良好的關(guān)系，從而有效保留客戶，提高客戶的忠誠度，防止客戶流失。 1.3知名購

3、物網(wǎng)站中個(gè)性化推薦應(yīng)用 淘寶網(wǎng)站為例，在登錄已買到的寶貝頁面，除了可以查看到用戶購物歷史記錄，還有推薦內(nèi)容，如：“您可能對這些寶貝感興趣”；購物車頁面的推薦，如：“您可能感興趣的寶貝”、“猜你喜歡的”。 當(dāng)當(dāng)網(wǎng)為例，網(wǎng)站商有個(gè)性化推薦模塊網(wǎng)站上有專門欄目“猜你喜歡”，點(diǎn)擊進(jìn)入，再分為“您可能感興趣的商品”“和您興趣相似的顧客還關(guān)注”；在已購商品頁面，有推薦“根據(jù)您購買的商品，當(dāng)當(dāng)猜您會(huì)喜歡”。進(jìn)入卓越亞馬遜網(wǎng)站，提示用戶“您好. 請登錄以獲取為您訂制的推薦”。2個(gè)性化推薦系統(tǒng)主要算法 完整的推薦系統(tǒng)由3個(gè)部分組成：收集用戶信息的行為記錄模塊、分析用戶喜好的模型分析模塊、推薦算法模塊。其中，推薦

4、算法模塊是最核心的部分。根據(jù)推薦算法的不同，推薦系統(tǒng)可以分為如下幾類：2.1關(guān)聯(lián)規(guī)則推薦 關(guān)注用戶行為的關(guān)聯(lián)模式。如買了香煙的人大多會(huì)購買打火機(jī)，因此可以在香煙和打火機(jī)間建立關(guān)聯(lián)關(guān)系，通過這種關(guān)系推薦其他產(chǎn)品。這種算法最為簡單直接，往往也會(huì)把用戶理解的過于簡單，是不太智能的算法，所以這種算法基本被淘汰了，只有少數(shù)小規(guī)模購物網(wǎng)站還是這種推薦模式。2.2協(xié)同過濾推薦 利用用戶的歷史信息，計(jì)算用戶之間的相似性；利用與目標(biāo)用戶相似性較高的用戶對其他產(chǎn)品的評價(jià)來預(yù)測目標(biāo)用戶對特定產(chǎn)品的喜好程度；根據(jù)喜好程度來對目標(biāo)用戶進(jìn)行推薦。協(xié)同過濾又可分為兩種：基于用戶的協(xié)同過濾和基于商品的協(xié)同過濾。 基于用戶的協(xié)

5、同過濾是第一代協(xié)同過濾技術(shù)，原理也很簡單：人以群分，即在網(wǎng)站上購買相同商品的消費(fèi)者應(yīng)該有相似的興趣偏好。系統(tǒng)找出這些有相同商品購買記錄或?yàn)g覽記錄的用戶，然后把他們還沒購買的商品相互推薦，如把用戶A買過、但用戶B還沒有購買的商品推薦給B，反之亦然。當(dāng)然，在實(shí)際推薦應(yīng)用中，系統(tǒng)會(huì)找到與A相似的多位用戶，將那些A未購買而其他人已經(jīng)購買的商品，計(jì)算概率，再進(jìn)行排序，最后把排名靠前的商品推薦給A。 基于商品的協(xié)同過濾，是目前使用最多的個(gè)性化算法。因?yàn)榇笮偷馁徫锞W(wǎng)站，其用戶數(shù)量遠(yuǎn)遠(yuǎn)大于商品數(shù)量，使用基于用戶的個(gè)性化算法會(huì)造成很多問題。相應(yīng)的，基于商品的協(xié)同過濾技術(shù)的原理：物以類聚，系統(tǒng)先判斷哪些商品之間有

6、潛在關(guān)聯(lián)，再根據(jù)用戶的的購買記錄，把關(guān)聯(lián)度高的商品推薦給用戶。比如“啤酒-尿布”看似風(fēng)牛馬不相及的商品，如果在銷售記錄中同時(shí)出現(xiàn)的頻率越高，說明商品的潛在關(guān)聯(lián)就越強(qiáng)，就可以向用戶推薦。協(xié)同過濾算法可以發(fā)現(xiàn)用戶潛在的興趣偏好，從而為其推薦新信息；能推薦難以進(jìn)行內(nèi)容分析的產(chǎn)品；但由于是基于用戶對產(chǎn)品的評分，所以對新用戶進(jìn)行推薦或者是對用戶推薦新產(chǎn)品，精度不高。2.3基于內(nèi)容的推薦 基于內(nèi)容的推薦是協(xié)同過濾技術(shù)的延續(xù)與發(fā)展。分別對用戶和產(chǎn)品建立配置文件；比較用戶與產(chǎn)品配置文件的相似度；推薦與其配置文件最相似的產(chǎn)品。如，在商品CD推薦中，基于內(nèi)容的系統(tǒng)首先分析用戶買過的打分較高的CD的共性（歌手、風(fēng)格

7、等），再推薦與這些用戶感興趣的內(nèi)容相似度很高的其他CD?；趦?nèi)容的推薦算法根本在于信息獲取和信息過濾。 基于內(nèi)容的推薦算法能處理新用戶、新產(chǎn)品的問題（冷啟動(dòng)）；能推薦新產(chǎn)品和非流行產(chǎn)品，發(fā)現(xiàn)隱藏信息；但是如果兩個(gè)不同的產(chǎn)品恰好使用了相同的描述詞，這兩個(gè)產(chǎn)品就無法區(qū)分；而且如果系統(tǒng)只推薦與用戶的配置文件高度相關(guān)的產(chǎn)品，那么推薦的只是與用戶之前購買過的產(chǎn)品相似度很高的產(chǎn)品，無法實(shí)現(xiàn)推薦的多樣性。 總結(jié)大全 html/zongjie/ 2.4基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦 要先建立用戶產(chǎn)品二維關(guān)聯(lián)網(wǎng)絡(luò)。把用戶和產(chǎn)品的內(nèi)容特征看成抽象的節(jié)點(diǎn)，所有算法利用的信息都藏在用戶和產(chǎn)品的選擇關(guān)系中。對于任意目標(biāo)用戶A，假設(shè)

8、A選擇過所有的產(chǎn)品，每種產(chǎn)品都具有向A推薦其他產(chǎn)品的能力，把所有A沒有選擇過的產(chǎn)品按照他喜歡的程度進(jìn)行排序，把排名靠前的推薦給A?；诰W(wǎng)絡(luò)結(jié)構(gòu)的推薦同樣面臨著新用戶新產(chǎn)品的問題。而且如果把用戶與產(chǎn)品的所有關(guān)聯(lián)關(guān)系都考慮在內(nèi)，無法區(qū)分出長期興趣和短期興趣點(diǎn)，大大降低推薦準(zhǔn)確度。2.5混合推薦 上述幾種方法的有機(jī)結(jié)合。實(shí)際的推薦系統(tǒng)中最常見的是基于協(xié)同過濾和基于內(nèi)容的結(jié)合。3個(gè)性化推薦技術(shù)的新應(yīng)用 一般情況下，網(wǎng)站針對已注冊用戶根據(jù)用戶信息或購買記錄進(jìn)行推薦。同時(shí)，個(gè)性化推薦還應(yīng)該考慮到匿名購買者，也就是購買者不需要注冊或者登錄也能使用個(gè)性化推薦功能。這類技術(shù)的實(shí)現(xiàn)要選擇合適的匿名用戶行為特征識(shí)別方法，如服務(wù)器端日志挖掘技術(shù)和客戶端信息采集技術(shù)等，從而實(shí)現(xiàn)對此類用戶的個(gè)性化推薦。 針對用戶存在多興趣或興趣發(fā)生轉(zhuǎn)移情況，一些網(wǎng)站提出了基于項(xiàng)目相似性的鄰居用戶協(xié)同推薦算法。該算法改進(jìn)了傳統(tǒng)協(xié)同過濾算法，使之適合用戶多興趣下的個(gè)性化推薦。 個(gè)性化推薦最熱門應(yīng)用就是將推薦和社會(huì)網(wǎng)絡(luò)結(jié)合起來，把社會(huì)網(wǎng)絡(luò)加入個(gè)性化推薦系統(tǒng)，借助顧客的朋友、家人的評分信息來進(jìn)行推薦產(chǎn)品。它讓顧客的朋友和家人做“導(dǎo)購”，把他們買的而且評分較高