電子商務(wù)中協(xié)同過濾推薦技術(shù)研究

1、電子商務(wù)中協(xié)同過濾推薦技術(shù)研究摘要協(xié)同過濾推薦是電子商務(wù)推薦系統(tǒng)中應(yīng)用最成功的技術(shù)，很大程度上決定了推薦系統(tǒng)的推薦質(zhì)量。文章主要介紹了目前應(yīng)用較廣的幾種協(xié)同過濾推薦技術(shù)，并對(duì)這幾種推薦技術(shù)的存在的問題進(jìn)展了分析。關(guān)鍵詞電子商務(wù)推薦系統(tǒng)協(xié)同過濾一、引言隨著互聯(lián)網(wǎng)的廣泛普及，電子商務(wù)對(duì)傳統(tǒng)的商務(wù)交易產(chǎn)生了革命性的變化，產(chǎn)生從以商品為中心到以用戶為中心的商業(yè)形式的轉(zhuǎn)變。新的商業(yè)環(huán)境在為企業(yè)提供新的商機(jī)的同時(shí)，也對(duì)企業(yè)提出了新的挑戰(zhàn)。圍繞用戶進(jìn)展效勞，為用戶提供所需要的商品，所以對(duì)每個(gè)用戶提供個(gè)性化的效勞成為必要。電子商務(wù)推薦系統(tǒng)成為解決問題的重要途徑。而協(xié)同過濾推薦是目前研究最多、應(yīng)用最廣的電子商務(wù)

2、推薦技術(shù)。二、電子商務(wù)推薦系統(tǒng)電子商務(wù)推薦系統(tǒng)定義為：利用電子商務(wù)網(wǎng)站向用戶提供商品信息和建議，幫助用戶決定應(yīng)該購(gòu)置什么產(chǎn)品，模擬銷售人員幫助客戶完成購(gòu)置過程。它是一個(gè)基于用戶網(wǎng)上購(gòu)物的以商品為推薦對(duì)象的個(gè)性化推薦系統(tǒng)，為用戶推薦符合興趣愛好的商品。分析用戶的消費(fèi)偏向，向每個(gè)用戶具有針對(duì)性地推薦的產(chǎn)品，幫助用戶從龐大的商品目錄中挑選真正合適自己需要的商品。電子商務(wù)推薦系統(tǒng)在幫助了用戶的同時(shí)也進(jìn)步了用戶對(duì)商務(wù)活動(dòng)的滿意度，換來對(duì)電子商務(wù)站點(diǎn)的進(jìn)一步支持。三、協(xié)同過濾推薦技術(shù)1.基于用戶的協(xié)同過濾，基于用戶的協(xié)同過濾推薦技術(shù)是推薦系統(tǒng)中應(yīng)用最為廣泛的方法之一，它是基于鄰居用戶的興趣愛好預(yù)測(cè)目的用戶

3、的興趣偏好。算法先使用統(tǒng)計(jì)技術(shù)尋找與目的用戶有一樣愛好的鄰居，然后根據(jù)目的用戶的鄰居的偏好產(chǎn)生向目的用戶的推薦。它可以通過用戶間的互相協(xié)助、根據(jù)用戶對(duì)工程的評(píng)價(jià)的相似性對(duì)用戶進(jìn)展分類，其次，在基于用戶的系統(tǒng)過濾系統(tǒng)中，所有用戶都能從鄰居用戶的反應(yīng)評(píng)價(jià)中得益，當(dāng)然，基于用戶的協(xié)同過濾系統(tǒng)容易挖掘出目的用戶潛在的新興趣。2.基于工程的協(xié)同過濾，基于工程的協(xié)同過濾通過先計(jì)算已評(píng)價(jià)工程和待預(yù)測(cè)工程的相似度，以相似度作為權(quán)重，加權(quán)各已評(píng)價(jià)工程的評(píng)價(jià)分，得到預(yù)測(cè)工程的預(yù)測(cè)值，基于工程的協(xié)同過濾推薦根據(jù)用戶對(duì)相似工程的評(píng)分預(yù)測(cè)該用戶對(duì)目的工程的評(píng)分，它基于這樣一個(gè)假設(shè)：假如大局部用戶對(duì)一些工程的評(píng)分比擬相似

4、，那么當(dāng)前用戶對(duì)這些工程的評(píng)分也比擬相似。3.基于混合推薦的協(xié)同過濾，綜合考慮了用戶和工程這兩個(gè)屬性。一種是先根據(jù)工程來預(yù)測(cè)，然后用基于用戶的協(xié)同過慮產(chǎn)生推薦；另外一種是先根據(jù)用戶來預(yù)測(cè)，然后用基于工程的協(xié)同過慮產(chǎn)生推薦；還是一種就是分別根據(jù)基于用戶和基于工程的協(xié)同過慮來加權(quán)平均產(chǎn)生推薦。4.基于聚類的協(xié)同過濾，聚類技術(shù)是根據(jù)用戶的興趣類似性來進(jìn)展聚類，聚類產(chǎn)生之后，根據(jù)聚類中其他用戶對(duì)工程的評(píng)價(jià)預(yù)測(cè)目的用戶對(duì)該工程的評(píng)價(jià)。有學(xué)者提出通過對(duì)效勞器日志進(jìn)展事務(wù)聚類和關(guān)聯(lián)規(guī)那么超圖分割聚類獲取用戶的共同閱讀特征，然后掃描所有的數(shù)據(jù)集合產(chǎn)生個(gè)性化的推薦。也有學(xué)者提出對(duì)工程進(jìn)展聚類，然后在對(duì)應(yīng)的聚類中

5、搜索目的用戶的最近鄰居，由于每個(gè)聚類中的用戶數(shù)量并不是隨著工程數(shù)量的減少而線性減少，所以這種方法在用戶對(duì)多個(gè)聚類中的商品均有評(píng)分的情況下效果并不理想。5.基于關(guān)聯(lián)規(guī)那么的協(xié)同過濾，關(guān)聯(lián)規(guī)那么技術(shù)在零售業(yè)得到了很大的開展。關(guān)聯(lián)規(guī)那么挖掘可以發(fā)現(xiàn)不同商品在銷售過程中的相關(guān)性。系統(tǒng)根據(jù)生成的關(guān)聯(lián)規(guī)那么模型和用戶當(dāng)前的購(gòu)置行為向用戶產(chǎn)生推薦。關(guān)聯(lián)規(guī)那么模型的生成可以離線進(jìn)展，因此可以保證系統(tǒng)的實(shí)時(shí)性要求。四、待解決的問題1矩陣稀疏性。電子商務(wù)網(wǎng)站通常擁有大量商品，而每個(gè)用戶購(gòu)置或作評(píng)價(jià)的只是其中很小的一局部通常不到1%，例如亞馬遜網(wǎng)站系統(tǒng)，數(shù)據(jù)的稀疏會(huì)導(dǎo)致算法準(zhǔn)確率降低。在一般的協(xié)同過濾系統(tǒng)中，假如兩

6、個(gè)用戶沒有對(duì)一樣的商品進(jìn)展打分，即使這兩個(gè)用戶的興趣愛好都一樣，系統(tǒng)也無法得出他們之間的相似度,算法甚至找不到任何商品可作推薦。2.冷啟動(dòng)問題。冷啟動(dòng)問題有新商品問題和新用戶問題兩類。新商品問題是指一個(gè)新商品剛參加的時(shí)候，沒有人或很少人評(píng)價(jià)，那么這個(gè)商品很難被推薦出去，這就需要推薦系統(tǒng)引入一些新機(jī)制來鼓勵(lì)用戶多作評(píng)價(jià)。新用戶問題是指推薦系統(tǒng)中對(duì)用戶的分類是根據(jù)目的用戶與其他用戶的比擬，這種比擬主要基于不斷累積的用戶評(píng)價(jià)。假如一個(gè)新用戶從未對(duì)系統(tǒng)中的工程進(jìn)展評(píng)價(jià)，那么系統(tǒng)無法獲知他的興趣點(diǎn)，也就無法對(duì)他進(jìn)展推薦。3.可擴(kuò)展性。隨著用戶和工程數(shù)量急劇增加，在整個(gè)用戶空間上搜索目的用戶的最近鄰居比擬

7、耗時(shí)，難以滿足推薦系統(tǒng)的實(shí)時(shí)性要求。主要由于基于用戶或工程的協(xié)同過濾算法需要掃描整個(gè)數(shù)據(jù)庫(kù)來計(jì)算相似度，因此隨著數(shù)據(jù)庫(kù)中記錄的增加，其計(jì)算復(fù)雜度呈指數(shù)級(jí)別增長(zhǎng)，導(dǎo)致推薦系統(tǒng)性能急劇下降。一種可能的方法就是用聚類分兩階段來解決問題。離線階段對(duì)用戶或工程進(jìn)展分類，在線階段就可以直接到規(guī)模小很多的聚類中心找到最近鄰居并產(chǎn)生推薦。4.隱私保持問題。協(xié)同過濾中隱私保持問題近年來也引起了越來越多學(xué)者的研究興趣。數(shù)據(jù)挖掘中隱私保持是近年來學(xué)術(shù)界的一個(gè)研究熱點(diǎn)，已在很多協(xié)同過濾中獲得了成果。有基于加密的技術(shù)和隨機(jī)擾亂技術(shù)解決方案。也有用對(duì)等網(wǎng)絡(luò)構(gòu)造的協(xié)同過濾推薦隱私保持問題的技術(shù)方案。五、總結(jié)電子商務(wù)推薦系統(tǒng)，一方面有助于電子商務(wù)網(wǎng)站內(nèi)容和構(gòu)造自適應(yīng)性的實(shí)現(xiàn)，另一方面在幫助用戶快速定位感興趣的商品的同時(shí)也為企業(yè)實(shí)現(xiàn)了增值。而協(xié)同過濾與其他推薦方法比擬有許多不可替代的優(yōu)化，本文對(duì)協(xié)同過濾推薦技術(shù)進(jìn)展了介紹，并對(duì)存在的問題進(jìn)展了概述。目前，國(guó)內(nèi)的電子商務(wù)網(wǎng)站在這方面的理