基于社會關(guān)系的智能推薦技術(shù)在電子商務(wù)中的應(yīng)用研究

青島遠(yuǎn)洋船員職業(yè)學(xué)院 吳振濤

?

基于社會關(guān)系的智能推薦技術(shù)在電子商務(wù)中的應(yīng)用研究

青島遠(yuǎn)洋船員職業(yè)學(xué)院 吳振濤

摘 要：隨著電子商務(wù)的快速發(fā)展，商務(wù)信息資源越來越豐富，導(dǎo)致信息過載現(xiàn)象日益嚴(yán)重，同時由于電子商務(wù)網(wǎng)站中存在虛假信息，導(dǎo)致用戶無法快速、準(zhǔn)確、有效地獲得所需信息。本文在電子商務(wù)常用的推薦技術(shù)中，引入社會關(guān)系因素，對協(xié)同過濾方法進(jìn)行優(yōu)化，提高智能推薦的準(zhǔn)確度和可信度。

關(guān)鍵詞：電子商務(wù) 智能推薦 社會關(guān)系

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，消費(fèi)者的購物方式與以往有了很大的不同，網(wǎng)絡(luò)購物已經(jīng)成為消費(fèi)者購物的重要渠道。電子商務(wù)成為拉動消費(fèi)需求、促進(jìn)產(chǎn)業(yè)升級和發(fā)展現(xiàn)代服務(wù)業(yè)的重要引擎。隨著電子商務(wù)的發(fā)展，電子商務(wù)網(wǎng)站的增多，商務(wù)信息資源越來越豐富，信息資源的豐富在帶來極大便利的同時，也導(dǎo)致信息過載問題日益嚴(yán)重，使得用戶很難從紛繁復(fù)雜的信息資源中快速、準(zhǔn)確、有效地獲取其所需要的，反而降低了信息的使用效率。如何幫助用戶從眾多的電子商務(wù)網(wǎng)站中選擇滿足其需要的商品成為了一項(xiàng)重要課題。

1　商品評價對電子商務(wù)的影響

電子商務(wù)的快速發(fā)展，催生了許多追求全品類覆蓋的綜合性平臺、專注于細(xì)分市場的垂直型平臺、線下企業(yè)的自營網(wǎng)站和其他中小型電子商務(wù)網(wǎng)站。這些電子商務(wù)網(wǎng)站打破了傳統(tǒng)線下商場通過所處地段、裝修層次等產(chǎn)品以外的因素來影響用戶對品牌和產(chǎn)品價值等級的判斷，取而代之的是在網(wǎng)頁上對商品的展示。電子商務(wù)網(wǎng)站針對某類商品為用戶一次性呈現(xiàn)出成百上千種選擇，這種呈現(xiàn)結(jié)果趨向于去品牌化和扁平化，將商品本身的功能、參數(shù)、細(xì)節(jié)等因素放在更加突出的位置。

當(dāng)消費(fèi)者（目標(biāo)用戶）通過電子商務(wù)網(wǎng)站找到某類商品以后，由于消費(fèi)者無法像現(xiàn)場交易那樣真實(shí)感受到商品，更多的是依賴于以往用戶對商品的評價來做出最終的購買決策。如果以往購買過此商品的用戶基于自身使用產(chǎn)品或享受服務(wù)的真實(shí)感受給出了積極的評價，那么目標(biāo)用戶的購買意愿往往會較強(qiáng)；如果以往購買過此商品的用戶給出的是負(fù)面評價，那么目標(biāo)用戶的購買此類商品的意愿就會大大削弱。一項(xiàng)來自顧客體驗(yàn)咨詢公司eVOC Insights的調(diào)查發(fā)現(xiàn)，超過85%的用戶在網(wǎng)上研究或購買大件商品如電子產(chǎn)品和汽車，63%的人更傾向到那些提供商品評級和評論功能的網(wǎng)站進(jìn)行產(chǎn)品研究和購買。

2　電子商務(wù)中基于商品評論的智能推薦

協(xié)同過濾作為目前應(yīng)用廣泛且效率較高的一種智能推薦技術(shù)，正是基于用戶對商品的評分或其他行為模式來為消費(fèi)者（目標(biāo)用戶）提供個性化的推薦，它不需要消費(fèi)者費(fèi)力尋找適合自己興趣的推薦信息，而是共享其他相似客戶對哪些商品感興趣的分析。

基于用戶的協(xié)同過濾一般采用最近鄰方法來確定具有類似興趣的用戶，利用歷史用戶對商品的評分來計(jì)算出用戶之間的距離；然后利用目標(biāo)用戶的最近鄰居來預(yù)測目標(biāo)用戶對某個商品的感興趣程度，最終實(shí)現(xiàn)推薦。

為直觀展現(xiàn)用戶對商品的評價，u代表用戶，i代表商品，rui代表用戶u對商品i的評價。商品評價關(guān)系如圖1所示，其中a代表目標(biāo)用戶對商品的可能評分，b、c、d、e分別代表了已購買商品的用戶對某個商品i的評論rui。

圖1　商品評價關(guān)系圖

基于用戶的協(xié)同過濾技術(shù)主要通過三個步驟來實(shí)現(xiàn)用戶對商品的可能評分。

2.1計(jì)算相似度

相似度反應(yīng)了不同用戶對商品感受的類似程度，它直接影響著推薦系統(tǒng)的性能和準(zhǔn)確性。計(jì)算相似度的方法有很多，本文選用Pearson方法來進(jìn)行計(jì)算，具體如下：

（1）式中，其中rui表示用戶u對商品i的評分，Iuv表示用戶u和用戶v共同評分過的商品集合表示用戶u對商品集合的平均評分，表示用戶v對商品集合的平均評分。

2.2形成鄰居

通過協(xié)同過濾方法，為消費(fèi)者尋找興趣最相似的最近鄰居集合。即對目標(biāo)用戶a產(chǎn)生一個根據(jù)相似度大小排列的最近鄰居集合N｛N1，N2，……Nm｝，其中a不屬于N。

2.3產(chǎn)生推薦

目標(biāo)用戶a對商品i的可能評分值Pai可以通過用戶a的最近鄰居集中用戶對商品的綜合評價得到（2）式。

通過上述方法預(yù)測出目標(biāo)用戶a對所有未評分商品的評分，然后選擇預(yù)測評分Pai最高的前若干項(xiàng)，作為推薦結(jié)果反饋給目標(biāo)用戶。

3　基于社會關(guān)系優(yōu)化智能推薦

雖然以往購買商品的用戶評價深深影響著消費(fèi)者通過電子商務(wù)網(wǎng)站做出購買商品的最終決策，但是在現(xiàn)今各大電子商務(wù)網(wǎng)站的商品評價中，充斥著刷單評價、虛假評價和惡意評價等，使得消費(fèi)者無法很好地區(qū)分商品評價的真實(shí)性和有效性，同時導(dǎo)致在電子商務(wù)中基于商品評論的智能推薦出現(xiàn)比較大的偏差。根據(jù)尼爾森公司的調(diào)查結(jié)果，91%的在線消費(fèi)者不同程度地信任熟人所推薦的商品。從中可以發(fā)現(xiàn)，消費(fèi)者在通過電子商務(wù)網(wǎng)站購買商品時更傾向于相信親人、朋友（或者是朋友的朋友）的推薦。

3.1基于簡單社會關(guān)系優(yōu)化智能推薦

為了區(qū)分與傳統(tǒng)推薦方法的不同，提高商品評論的可信度，將消費(fèi)者（目標(biāo)用戶）的社會關(guān)系作為一個重要因素納入到推薦的過程中。基于消費(fèi)者社會關(guān)系的商品評價關(guān)系如圖2所示，其中a代表消費(fèi)者對商品的可能評分，b、d、e、f除代表用戶外，還分別表示附加了消費(fèi)者社會關(guān)系的商品評論Rui，其中用戶a與用戶c之間不存在社會關(guān)系。

圖2　基于社會關(guān)系的商品評價關(guān)系圖

用戶間的關(guān)系用R來表示，若存在關(guān)系則R=1，若不存在關(guān)系，則R=0。引入消費(fèi)者社會關(guān)系后的某個客戶u對某件商品i的評價表示為：

當(dāng)將消費(fèi)者的社會關(guān)系引入推薦方法后，部分用戶對商品的評價值為0，為了提高推薦的準(zhǔn)確性，調(diào)整公式（1）、（2）中對商品i的評分，目標(biāo)用戶a對商品i的預(yù)測評分值Pai也將發(fā)生變化。

3.2基于信任度的社會關(guān)系優(yōu)化智能推薦

用戶之間雖然存在社會關(guān)系，但是他們之間因?yàn)殛P(guān)系的遠(yuǎn)近而存在信任程度上的差異。在此引入信任度來量化用戶之間的信任關(guān)系以及程度，并根據(jù)社會關(guān)系中信任的傳導(dǎo)性來確定直接信任度和間接信任度。

3.2.1直接信任度

在用戶的社會關(guān)系中，若用戶與用戶直接存在聯(lián)系，則兩者之間的有向信任度為用戶間的直接信任度。在圖2中，從節(jié)點(diǎn)a到節(jié)點(diǎn)b的直接信任度為，從節(jié)點(diǎn)b到節(jié)點(diǎn)a的直接信任度為

3.2.2間接信任度

在用戶的社會關(guān)系中，若用戶與用戶之間雖然不直接聯(lián)系，但是社會關(guān)系網(wǎng)絡(luò)只有一條路徑，那么用戶間的間接信任度為社會關(guān)系圖中從起點(diǎn)到終點(diǎn)所有直接信任度的乘積。在圖2中，從節(jié)點(diǎn)a到節(jié)點(diǎn)f只有一條路徑，那么節(jié)點(diǎn)a到節(jié)點(diǎn)f的間接信任度為：

在用戶的社會關(guān)系中，若用戶與用戶之間存在聯(lián)系，而且這種聯(lián)系在社會關(guān)系網(wǎng)絡(luò)中多條路徑，那么用戶間的間接信任度值可以表示為社會關(guān)系中從起點(diǎn)到終點(diǎn)所有間接信任度的平均值。在圖2中，從節(jié)點(diǎn)a到節(jié)點(diǎn)e有三條路徑，分別是a→b→e，a→e，a→c→e，其中a與c之間不存在社會關(guān)系。剩余兩條路徑對應(yīng)的間接信任度分別是，則a→c的最終間接信任度為

在用戶社會關(guān)系中引入信任度后，用戶u對某件商品i的評價表示為：

用Rui調(diào)整公式（1）、（2）中的對商品i的評分，目標(biāo)用戶a對商品i的預(yù)測評分值Pai也將隨之發(fā)生變化。

參考文獻(xiàn)

［1］Francesco Ricci，等編.推薦系統(tǒng)技術(shù)、評估及高效算法［M］.李艷民，等譯.北京：機(jī)械工業(yè)出版社，2015.

［2］郭磊.社會網(wǎng)絡(luò)中基于社會關(guān)系的推薦算法研究［D］.山東大學(xué)，2015.

［3］黃亮，杜永萍.基于信任關(guān)系的潛在好友推薦方法［J］.山東大學(xué)學(xué)報(bào)（理學(xué)版），2013（11）.

［4］劉麗霞，莊奕琪.電子商務(wù)系統(tǒng)的數(shù)據(jù)挖掘與智能推薦預(yù)測的研究［J］.計(jì)算機(jī)工程與科學(xué)，2008（2）.

［5］鄧愛林.電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究［D］.復(fù)旦大學(xué)，2003.

中圖分類號：F724.6

文獻(xiàn)標(biāo)識碼：A

文章編號：2096-0298（2016）05（c）-056-02

作者簡介：吳振濤（1984-），男，漢族，山東濰坊人，青島遠(yuǎn)洋船員職業(yè)學(xué)院，政工師，碩士，主要從事計(jì)算機(jī)技術(shù)、教育信息化方面的研究。