關(guān)聯(lián)規(guī)則與協(xié)同過濾在汽車電子商務(wù)中的應(yīng)用

文 /何思越

伴隨著當(dāng)前互聯(lián)網(wǎng)等信息技術(shù)的不斷發(fā)展，電子商務(wù)這一種全新的信息化服務(wù)方式也越來越受到民眾們的喜愛，根據(jù)不同的服務(wù)對(duì)象和用戶習(xí)慣、個(gè)性等的分析，準(zhǔn)確的來為用戶提供他們感興趣的服務(wù)，在當(dāng)前電子商務(wù)滿足用戶個(gè)性化服務(wù)的同時(shí)，也不斷的在這樣的基礎(chǔ)上提升的企業(yè)自身的競(jìng)爭(zhēng)能力，從而得到了非常好的關(guān)注。

伴隨著當(dāng)前各種電子商務(wù)平臺(tái)的不斷發(fā)展，且當(dāng)中個(gè)別的平臺(tái)也取得了非常好的成果。同時(shí)在當(dāng)前激烈的市場(chǎng)競(jìng)爭(zhēng)當(dāng)中，汽車方面開啟電子商務(wù)已經(jīng)成為了當(dāng)前這一個(gè)行業(yè)當(dāng)中必須要面對(duì)的一個(gè)問題。

但是在當(dāng)前互聯(lián)網(wǎng)環(huán)境下，信息量太過龐大且不能進(jìn)行有效的組織，從而使得相關(guān)的汽車生產(chǎn)企業(yè)并不能在傳統(tǒng)方法上來進(jìn)行用戶信息的收集，進(jìn)而就更別說去進(jìn)行深層次的用戶挖掘。如果是將當(dāng)前先進(jìn)的信息技術(shù)引入到當(dāng)前的汽車電子商務(wù)當(dāng)中，那么必定會(huì)帶來非常好的效果。

研究的意義

伴隨著當(dāng)前互聯(lián)網(wǎng)等信息技術(shù)的不斷完善和突破，在當(dāng)前社會(huì)當(dāng)中各行各業(yè)的競(jìng)爭(zhēng)都呈現(xiàn)出了激烈的態(tài)勢(shì)，且在汽車銷售方面顯得格外突出，因此電子商務(wù)已經(jīng)成了當(dāng)前汽車銷售當(dāng)中最為重要的一種手段。此文以下幾點(diǎn)是具有的意義所在：

（1）從消費(fèi)者的角度出發(fā)，因?yàn)槊恳粋€(gè)消費(fèi)者他們具有的文化、興趣、經(jīng)濟(jì)實(shí)力都是不相同的，不同消費(fèi)者的自身需求當(dāng)中對(duì)于產(chǎn)品喜愛程度也是會(huì)呈現(xiàn)出不同的情況，汽車銷售單位給予多樣化和具有靈活性的信息服務(wù)，從而這樣才可以有效的幫助消費(fèi)者來進(jìn)行產(chǎn)品的選擇，進(jìn)而更好的去滿足當(dāng)前的消費(fèi)需求，給他們帶來更多的便捷性，讓他們真正的得到滿足。

（2）在汽車電子商務(wù)當(dāng)中是運(yùn)用當(dāng)前先進(jìn)的信息技術(shù)來進(jìn)行相關(guān)問題的解決，從而來降低在銷售期間不必壓我的成本，且提升自身商業(yè)價(jià)值和商務(wù)活動(dòng)。因此從服務(wù)者的角度來看的話，必須要構(gòu)建起一個(gè)具體有效的服務(wù)模型，在這一個(gè)模型當(dāng)中不但要對(duì)互聯(lián)網(wǎng)等資源進(jìn)行有效的利用，同時(shí)也必須要更好的去為企業(yè)拓展消費(fèi)者群體，并且也需要對(duì)這一個(gè)群體進(jìn)行維護(hù)和穩(wěn)定，從而才可以在當(dāng)前激烈的市場(chǎng)競(jìng)爭(zhēng)當(dāng)中穩(wěn)定企業(yè)的發(fā)展，為企業(yè)以后經(jīng)濟(jì)的增長(zhǎng)提供有效的動(dòng)力。

（3）從理論研究方面來看，電子商務(wù)個(gè)性化的模型有著非常高的研究?jī)r(jià)值。從進(jìn)入到90年代以后，這一種個(gè)性化的模型有著非常重要的意義，并且也得到了世界學(xué)術(shù)研究的重視，同時(shí)在各行各業(yè)也得到了非常好的運(yùn)用。怎樣在銷售當(dāng)中為消費(fèi)者提供他們需求且個(gè)性化的結(jié)果，改進(jìn)相關(guān)的推薦算法，提升推薦精度已經(jīng)成為了當(dāng)前世界范圍內(nèi)眾多學(xué)者都非常關(guān)心的一個(gè)問題。

（4）因此可以很好的看出，電子商務(wù)個(gè)性化的服務(wù)模式非常的適合當(dāng)前消費(fèi)者的選擇和企業(yè)社會(huì)的需求，且對(duì)于消費(fèi)者、企業(yè)、社會(huì)都有著非常高的價(jià)值。

協(xié)同過濾技術(shù)的研究現(xiàn)狀

（1）當(dāng)前協(xié)同過濾技術(shù)在電子商務(wù)的推薦系統(tǒng)當(dāng)中運(yùn)用的非常廣泛，并且是最為有效的一種技術(shù)。盡管在當(dāng)前的電子商務(wù)當(dāng)中協(xié)同過濾技術(shù)得到了非常好的運(yùn)用，但是某些技術(shù)在一些特定的環(huán)境沒有往常的良好推薦效果，伴隨著當(dāng)前電子商務(wù)平臺(tái)的不斷發(fā)展，在當(dāng)前的電子商務(wù)平臺(tái)當(dāng)中商品和消費(fèi)者的數(shù)量都在不斷的增多，協(xié)同過濾系統(tǒng)的缺點(diǎn)也會(huì)慢慢的展現(xiàn)出來。當(dāng)中主要包含了數(shù)據(jù)稀疏性和冷開始的問題。在全球范圍內(nèi)對(duì)于數(shù)據(jù)稀疏性和冷開始的問題相關(guān)的學(xué)者都做出了很多的研究，并且也使用到了很多的算法。

（2）有關(guān)學(xué)者在進(jìn)行研究時(shí)提出了使用傳遞關(guān)聯(lián)來進(jìn)行稀疏性問題解決的ICHM方法。在相關(guān)的協(xié)同過濾系統(tǒng)當(dāng)中，要是兩個(gè)消費(fèi)者都有著相同的興趣愛好，但他們沒有對(duì)相同的商品進(jìn)行關(guān)注，那么這兩者之間的關(guān)聯(lián)就沒有了，但是在項(xiàng)目基礎(chǔ)上的協(xié)同過濾法就可以很好的去處理這一個(gè)問題，但是也會(huì)帶來項(xiàng)目之間能夠聯(lián)系但是不互通的情況。

（3）還有的學(xué)生提出了一種叫做信任傳播的方法，在這一種方法當(dāng)中是用消費(fèi)者來對(duì)消費(fèi)者進(jìn)行評(píng)價(jià)，從而在這樣的機(jī)制下來指出他們比較信任的消費(fèi)者，這些他們?cè)u(píng)價(jià)的結(jié)果都給組建成為一個(gè)信任網(wǎng)絡(luò)，在這當(dāng)中可以運(yùn)用隨機(jī)行走的算法來進(jìn)行網(wǎng)絡(luò)當(dāng)中重要節(jié)點(diǎn)的預(yù)測(cè)，在這一種方法當(dāng)中可以按照消費(fèi)者信任網(wǎng)絡(luò)當(dāng)中的數(shù)據(jù)來進(jìn)行進(jìn)行消費(fèi)者之間相似度的計(jì)算，最后使用相關(guān)的公式來進(jìn)行預(yù)測(cè)活動(dòng)消費(fèi)者的評(píng)分值，進(jìn)而在這樣的基礎(chǔ)上來排除惡意用戶的影響，進(jìn)而降低稀疏性，但是這一種方法必須要消費(fèi)者來配合才能進(jìn)行，且在實(shí)際的使用過程當(dāng)中會(huì)受到各種因素的影響，并不是所有的消費(fèi)者都愿意去對(duì)別的消費(fèi)者進(jìn)行信任評(píng)價(jià)的，因此這一種方法并不是當(dāng)前解決稀疏性的最有效方法。

協(xié)同過濾算法尋找潛在用戶

（一）潛在用戶定義

潛在用戶這一個(gè)定義當(dāng)中，指的是企業(yè)為了更好的去實(shí)現(xiàn)自身的經(jīng)濟(jì)效益而將產(chǎn)品推向用戶手中，且在進(jìn)行銷售之前對(duì)用戶的心理和消費(fèi)習(xí)慣等進(jìn)行解析，從而在實(shí)際的需求上來進(jìn)行可行性的分析，最后在尋找出符合自身發(fā)展的客戶資源。

（二）尋找潛在消費(fèi)者

（1）協(xié)同過濾系統(tǒng)下來進(jìn)行潛在消費(fèi)者的尋找，在這一個(gè)過程當(dāng)中主要是尋找和老客戶特征相近的消費(fèi)者群體。通過在WEB系統(tǒng)當(dāng)中和老客戶信息資料的對(duì)比，然后在使用數(shù)據(jù)結(jié)合協(xié)同過濾系統(tǒng)的方式在互聯(lián)網(wǎng)當(dāng)中潛在的消費(fèi)者，然后在推送消費(fèi)者所關(guān)心、感興趣且個(gè)性化的產(chǎn)品內(nèi)容來進(jìn)行展示。

（2）在消費(fèi)者進(jìn)行自家電子商務(wù)平臺(tái)訪問時(shí)，他們?cè)谝粋€(gè)商品上瀏覽的時(shí)間可以很好的反應(yīng)出他們對(duì)于商品的興趣程度，時(shí)間夠長(zhǎng)就表示有著一定的興趣，如果是很短的話，那么就并沒有較高的興趣。在協(xié)同過濾系統(tǒng)當(dāng)中可以利用消費(fèi)者在進(jìn)行商品訪問時(shí)的停留時(shí)間來，進(jìn)行協(xié)同過濾所需要的評(píng)分，從而在這樣的基礎(chǔ)上來對(duì)消費(fèi)者之間的相似度進(jìn)行對(duì)比。

（3）消費(fèi)者之間相似程度可以使用常見的向量空間相似度計(jì)算和Person等有關(guān)的方法，且在這樣的基礎(chǔ)上來對(duì)消費(fèi)者自己拿的相似度進(jìn)行計(jì)算，同時(shí)把常來的消費(fèi)者的相似程度按照大小來進(jìn)行排列，取前多個(gè)消費(fèi)者來作為相近的消費(fèi)者，從而來對(duì)已購(gòu)入產(chǎn)品消費(fèi)者的特點(diǎn)進(jìn)行分析，從而得出相似的結(jié)果，最后作為潛在的消費(fèi)者進(jìn)行發(fā)展。

關(guān)聯(lián)規(guī)則挖掘的研究實(shí)際情況

（1）在當(dāng)前這一個(gè)領(lǐng)域當(dāng)中，我國(guó)還處于初期階段，但是在國(guó)外已經(jīng)有了重點(diǎn)的研究方向，并且在這一個(gè)領(lǐng)域當(dāng)中已經(jīng)達(dá)到了可以投入使用的階段，且在傳統(tǒng)的零售模式當(dāng)中運(yùn)用最多，營(yíng)銷挖掘和購(gòu)物籃分析等都是零售業(yè)挖掘當(dāng)中最為主要的內(nèi)容。

（2）在當(dāng)前我國(guó)的相關(guān)大學(xué)當(dāng)中一直都在進(jìn)行這一方面的研究，且相關(guān)學(xué)者將一個(gè)應(yīng)用和特點(diǎn)規(guī)則在差別思想基礎(chǔ)上的興趣程度定義運(yùn)用到了關(guān)聯(lián)規(guī)則當(dāng)中，對(duì)興趣程度進(jìn)行了重新的定義設(shè)置。同時(shí)有關(guān)學(xué)者也提出了在統(tǒng)計(jì)相關(guān)性基礎(chǔ)上的興趣程度關(guān)聯(lián)規(guī)則。

理論基礎(chǔ)

（一）關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則也被稱之為購(gòu)物車分析，案例多發(fā)在傳統(tǒng)的超市當(dāng)中。最為主要的指標(biāo)是：支持度、置信度等。支持度是用在衡量關(guān)聯(lián)規(guī)則在整個(gè)數(shù)據(jù)集的統(tǒng)計(jì)方面，置信度運(yùn)在可信程度的衡量關(guān)聯(lián)規(guī)則方面。在這當(dāng)前Apriori和F-P是較為常用的方法，此文當(dāng)中使用Apriori來進(jìn)行相關(guān)的計(jì)算。

（二）Apriori算法

Appriori算法是在Pgrawal基礎(chǔ)上來進(jìn)行完善以后的一種關(guān)聯(lián)規(guī)則算法，重點(diǎn)是在兩階頻集思想基礎(chǔ)上的遞推算法。基本思想：相對(duì)所有的頻集尋找出來，且在這一個(gè)過程當(dāng)鬧鐘出現(xiàn)的頻繁性起碼要和預(yù)定義的最小值程度要相似。隨后由頻集來產(chǎn)生出強(qiáng)關(guān)聯(lián)的規(guī)則，但是必須要可以達(dá)到最小值支持度和最小可信度。從而在進(jìn)行頻集產(chǎn)生期望的規(guī)則尋找，產(chǎn)生出只包含有集合項(xiàng)的全部規(guī)則，當(dāng)中每條的規(guī)則右邊都只有一項(xiàng)，在這基礎(chǔ)上來運(yùn)用規(guī)則定義。如果是規(guī)則產(chǎn)生了，那么只有大于消費(fèi)者給定最小可信度的規(guī)則才會(huì)被留下。為了更好的去產(chǎn)出全部的頻集，從而要使用到遞推算法

（三）協(xié)同過濾

協(xié)同過濾有著兩種定義。在電子商務(wù)平臺(tái)當(dāng)中使用最為廣泛的是狹義定義，且利用收集消費(fèi)者群體的偏好信息，來對(duì)個(gè)體消費(fèi)者感興趣的商品信息進(jìn)行過濾。協(xié)同是群體的行為，過濾是針對(duì)個(gè)體的行為。在假設(shè)理論的基礎(chǔ)上：為了更好的去尋找消費(fèi)者感興趣的商品的方法是尋找和消費(fèi)者有著相同興趣的相似消費(fèi)者，從而將相似消費(fèi)者感興趣的商品推薦給別的消費(fèi)者。

傳統(tǒng)協(xié)同過濾當(dāng)中存在的問題

為了更好的去解決當(dāng)前協(xié)同過濾技術(shù)當(dāng)中存在的問題，更好的去適應(yīng)當(dāng)前電子商務(wù)平臺(tái)的發(fā)展需求，那么就必須要對(duì)當(dāng)前協(xié)同過濾當(dāng)中的推薦系統(tǒng)實(shí)現(xiàn)期間存在的問題進(jìn)行解決，從而在使用具有針對(duì)性的方法來進(jìn)行改進(jìn)。

（一）數(shù)據(jù)稀疏性問題

數(shù)據(jù)稀疏性的問題一般都是消費(fèi)者對(duì)很少產(chǎn)品做出評(píng)價(jià)，消費(fèi)者評(píng)價(jià)的商品相對(duì)于商品數(shù)量占有的有限百分比，從而這樣的情況就使得消費(fèi)者之間的評(píng)價(jià)出現(xiàn)了不相同的情況，那么這樣就會(huì)使得消費(fèi)者之間的相似度也會(huì)出現(xiàn)不準(zhǔn)確的情況，鄰居消費(fèi)者不可靠。伴隨著當(dāng)前電子商務(wù)的不斷發(fā)展，消費(fèi)者數(shù)量和商品的數(shù)量也在不斷的增多，在這樣數(shù)據(jù)量龐大的情況下評(píng)分?jǐn)?shù)據(jù)往往都會(huì)呈現(xiàn)出稀疏的情況，此外在這樣的基礎(chǔ)上并不能進(jìn)行鄰居消費(fèi)者群體的有效定位，另外在進(jìn)行相似度計(jì)算期間也會(huì)出現(xiàn)較大的消耗，從而就會(huì)使得推薦的準(zhǔn)確度大大下降，最終出現(xiàn)并不完美的推薦結(jié)果。

（二）冷開始問題

（1）在協(xié)同過濾當(dāng)中最為突出的特點(diǎn)就是在項(xiàng)目商品經(jīng)過眾多消費(fèi)者評(píng)價(jià)以后，在評(píng)價(jià)的基礎(chǔ)上來進(jìn)行推薦，且在一定程度上有效的實(shí)現(xiàn)了消費(fèi)者之間的互助。

（2）冷開始問題又被稱之為第一評(píng)價(jià)人問題，又或者是新項(xiàng)目問題，如果是在一個(gè)新的項(xiàng)目當(dāng)中沒有人進(jìn)行評(píng)價(jià)，那么協(xié)同過濾推薦的相關(guān)算法就不能進(jìn)行正確的計(jì)算，進(jìn)而這樣項(xiàng)目也并不能得到很好的推薦，從而在推薦系統(tǒng)當(dāng)中也起不到很好的效果。

（3）為了更好的去解決當(dāng)前傳統(tǒng)協(xié)同過濾系統(tǒng)當(dāng)中推薦存在的評(píng)價(jià)數(shù)據(jù)稀疏性問題和冷開始問題，那么相關(guān)的研究者就必須要提出更多的先進(jìn)算法，比如在項(xiàng)目評(píng)分預(yù)測(cè)基礎(chǔ)上來開展的協(xié)同過濾推薦算法，按照各個(gè)項(xiàng)目之間的相似度來進(jìn)行消費(fèi)者之間未評(píng)價(jià)項(xiàng)目的初期評(píng)價(jià)；在聚類協(xié)同過濾計(jì)算法基礎(chǔ)上的，在進(jìn)行數(shù)據(jù)稀疏性解決方面有著非常好的效果，但是在實(shí)際的推薦當(dāng)中還是有著一定的問題存在。

結(jié)束語(yǔ)

在當(dāng)前的汽車銷售當(dāng)中的紅電子商務(wù)這一種全新的銷售模式，為當(dāng)前的汽車銷售帶來的非常豐厚的利潤(rùn)，作為當(dāng)前電子商務(wù)當(dāng)中全新的一個(gè)行業(yè)，汽車銷售呈現(xiàn)出了良好的發(fā)展事態(tài)。就當(dāng)前電子商務(wù)當(dāng)中關(guān)聯(lián)規(guī)則和協(xié)同過濾的使用讓汽車電子商務(wù)在潛在消費(fèi)者的挖掘上有著非常好的效果，同時(shí)也是滿足當(dāng)前汽車電子商務(wù)發(fā)展需求的一種模式。在當(dāng)前信息數(shù)據(jù)時(shí)代的背景下，對(duì)數(shù)據(jù)的深挖才是當(dāng)前汽車電子商務(wù)發(fā)展的長(zhǎng)久之計(jì)。