電子商務(wù)推薦系統(tǒng)研究綜述

[摘要] 本文簡要的介紹了電子商務(wù)推薦系統(tǒng)的概念、作用和構(gòu)成，詳細的論述了電子商務(wù)推薦系統(tǒng)所采用的推薦技術(shù)及其優(yōu)缺點，最后指出了現(xiàn)有電子商務(wù)推薦系統(tǒng)的研究熱點和難點。

[關(guān)鍵詞] 電子商務(wù) 推薦系統(tǒng) 推薦技術(shù)

電子商務(wù)推薦系統(tǒng)是利用知識發(fā)現(xiàn)技術(shù)從客戶數(shù)據(jù)庫中抽取潛在的商業(yè)價值，幫助客戶發(fā)現(xiàn)他們想要的商品的智能系統(tǒng)，由于它方便了用戶，提高了營銷效果，因此在電子商務(wù)中獲得了巨大的成功。電子商務(wù)中的推薦系統(tǒng)首先從客戶那里獲得客戶喜愛的產(chǎn)品信息，然后向他推薦可能滿足需要的商品。由于具有很強的實用性，電子商務(wù)推薦系統(tǒng)現(xiàn)在正快速成為B2C電子商務(wù)平臺銷售中不可缺少的工具。

一、電子商務(wù)推薦系統(tǒng)概念及構(gòu)成

電子商務(wù)推薦系統(tǒng) (Recommender Systems)是指利用電子商務(wù)網(wǎng)站向客戶提供商品信息和建議，幫助用戶決定應(yīng)該購買什么產(chǎn)品，模擬銷售人員幫助客戶完成購買過程。

其作用主要表現(xiàn)在三個方面：將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘徺I者；提高電子商務(wù)網(wǎng)站的交叉銷售能力；提高客戶對電子商務(wù)網(wǎng)站的忠誠度。

從總體的層次結(jié)構(gòu)看，電子商務(wù)推薦系統(tǒng)可以分為三大部分：輸入功能模塊、推薦方法模塊與輸出功能模塊。

1.輸入功能模塊，包含客戶個人和社團群體兩部分?？蛻魝€人輸入主要是目標用戶，指要求獲得推薦的人，為得到推薦必須對某些項目進行評價，以表達自己的偏好，包括隱式瀏覽輸入、顯式瀏覽輸入、關(guān)鍵詞和項目屬性輸入以及用戶購買歷史等；社團群體輸入指集體形式的評價數(shù)據(jù)，包括項目屬性、社團購買歷史、文本評價和等級評分。

2.推薦方法模塊，它是推薦系統(tǒng)的核心部分，采用的推薦技術(shù)決定著推薦系統(tǒng)的性能優(yōu)劣。在實際應(yīng)用中， 電子商務(wù)推薦系統(tǒng)一般采用多種推薦技術(shù)的組合，盡量利用各種推薦技術(shù)的優(yōu)點而避免其缺點， 提高推薦系統(tǒng)的性能和推薦質(zhì)量。

3.輸出功能模塊，它是推薦系統(tǒng)獲得輸入信息后推薦給用戶的內(nèi)容，主要形式有：(1)建議，典型的如Top-N，根據(jù)客戶的喜好向客戶推薦最可能吸引客戶的 N 件產(chǎn)品;(2)預(yù)測，系統(tǒng)對給定項目的總體評分;(3)個體評分，輸出其他客戶對商品的個體評分;(4)評論，輸出其他客戶對商品的文本評價。

二、常用推薦技術(shù)介紹

1.內(nèi)容過濾推薦技術(shù)

內(nèi)容過濾主要采用自然語言處理、人工智能、概率統(tǒng)計和機器學習等技術(shù)進行過濾。

通過相關(guān)特征的屬性來定義項目或?qū)ο螅到y(tǒng)基于用戶評價對象的特征學習用戶的興趣，依據(jù)用戶資料與待預(yù)測項目的匹配程度進行推薦，努力向客戶推薦與其以前喜歡的產(chǎn)品相似的產(chǎn)品。如新聞組過濾系統(tǒng)News Weeder。

基于內(nèi)容過濾的系統(tǒng)其優(yōu)點是簡單、有效。其缺點是特征提取的能力有限，過分細化，純基于內(nèi)容的推薦系統(tǒng)不能為客戶發(fā)現(xiàn)新的感興趣的資源，只能發(fā)現(xiàn)和客戶已有興趣相似的資源。這種方法通常被限制在容易分析內(nèi)容的商品的推薦，而對于一些較難提取出內(nèi)容的商品，如音樂CD、電影等就不能產(chǎn)生滿意的推薦效果。

2.協(xié)同過濾技術(shù)

協(xié)同過濾是在信息過濾和信息系統(tǒng)中正迅速成為一項很受歡迎的技術(shù)。與傳統(tǒng)的基于內(nèi)容過濾直接分析內(nèi)容進行推薦不同，協(xié)同過濾分析用戶興趣，在用戶群中找到指定用戶的相似（興趣）用戶，綜合這些相似用戶對某一信息的評價，形成系統(tǒng)對該指定用戶對此信息的喜好程度預(yù)測。

與傳統(tǒng)文本過濾相比，協(xié)同過濾有下列優(yōu)點:(1)能夠過濾難以進行機器自動基于內(nèi)容分析的信息。如藝術(shù)品、音樂;(2)能夠基于一些復(fù)雜的，難以表達的概念（信息質(zhì)量、品位)進行過濾;(3)推薦的新穎性。

正因為如此，協(xié)同過濾在商業(yè)應(yīng)用上也取得了不錯的成績。Amazon，CDNow，MovieFinder，都采用了協(xié)同過濾的技術(shù)來提高服務(wù)質(zhì)量。

缺點是:(1)用戶對商品的評價非常稀疏，這樣基于用戶的評價所得到的用戶間的相似性可能不準確（即稀疏性問題）;(2)隨著用戶和商品的增多，系統(tǒng)的性能會越來越低（即可擴展性問題）;(3)如果從來沒有用戶對某一商品加以評價，則這個商品就不可能被推薦（即最初評價問題）。因此，現(xiàn)在的電子商務(wù)推薦系統(tǒng)都采用了幾種技術(shù)相結(jié)合的推薦技術(shù)。

三、電子商務(wù)推薦系統(tǒng)研究內(nèi)容、熱點及難點

電子商務(wù)推薦系統(tǒng)目前研究的內(nèi)容主要有以下幾個方面：

1.實時性：網(wǎng)站數(shù)據(jù)量越來越大，系統(tǒng)越來越難以處理，如何在規(guī)定的時間內(nèi)處理并響應(yīng)用戶輸入。

2.推薦質(zhì)量：由于數(shù)據(jù)的稀疏性，如何有效的利用數(shù)據(jù)，提高用戶推薦質(zhì)量，不能給用戶推薦了他不喜歡的商品。

3.多推薦技術(shù)的運用：各類技術(shù)只能在某一方面運用效果較好，如何在電子商務(wù)各種環(huán)境中，都能很好的滿足用戶需要，則需要多元化的推薦技術(shù)，在不同條件下，選用最有效的技術(shù)予以推薦。

如何提高電子商務(wù)推薦系統(tǒng)的性能以及改善推薦的正確性，是目前推薦系統(tǒng)研究的熱點與難點問題。隨著電子商務(wù)數(shù)據(jù)量的不斷增大以及需考慮到推薦的實時性，目前有如下問題需解決：數(shù)據(jù)稀疏性問題、可擴展性、同值重復(fù)、物品相似、用戶相似、反饋算法以及算法可伸縮性等。

四、結(jié)論

本文重點分析與評述了各種電子商務(wù)推薦技術(shù)的特點、優(yōu)勢和不足，闡述了電子商務(wù)推薦系統(tǒng)的研究內(nèi)容、熱點和難點，為電子商務(wù)推薦系統(tǒng)的研究和發(fā)展指明了方向，從一定程度上促進了我國電子商務(wù)信息化建設(shè)的快速進行。

參考文獻:

[1]周惠宏等:推薦技術(shù)在電子商務(wù)中的運用綜述[J].計算機應(yīng)用研究，2004(1)

[2]許敏邱玉輝:電子商務(wù)中推薦系統(tǒng)存在的問題及其對策研究[J].計算機科學，2001，28(4)

[3]劉瑋:電子商務(wù)系統(tǒng)中的信息推薦方法研究[J].情報科學，2006，(2)

[4]余力劉魯:我國電子商務(wù)推薦策略的比較分析[J].系統(tǒng)工程理論與實踐，2004，24(8)