基于網(wǎng)絡(luò)數(shù)據(jù)挖掘的個(gè)性化電子商務(wù)推薦系統(tǒng)研究

濮力

【摘 要】電子商務(wù)是伴隨著計(jì)算機(jī)技術(shù)發(fā)展起來的新興事物，而推薦系統(tǒng)的任務(wù)則是解決信息過載問題。針對當(dāng)前的協(xié)同過濾算法所存在的缺陷，引入了網(wǎng)絡(luò)思想，解決了推薦系統(tǒng)現(xiàn)有的問題，可以在網(wǎng)絡(luò)數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)對用戶的個(gè)性化服務(wù)，有利于電子商務(wù)的進(jìn)一步發(fā)展。為此，本文就基于網(wǎng)絡(luò)數(shù)據(jù)挖掘的個(gè)性化電子商務(wù)推薦系統(tǒng)進(jìn)行了淺要探討。

【關(guān)鍵詞】網(wǎng)絡(luò)數(shù)據(jù)挖掘；個(gè)性化電子商務(wù)；推薦系統(tǒng)

【中圖分類號】C37【文獻(xiàn)標(biāo)識碼】A【文章編號】1672-5158（2013）07-0109-01

引言

在信息化全方位發(fā)展的今天，電子商務(wù)之所以能在世界范圍內(nèi)迅速發(fā)展，其優(yōu)勢在于方便、快捷、成本低、受限少。然而，電子商務(wù)也同樣存在一些必須解決的問題，就是用戶和商家之間的互選問題，即用戶對所需產(chǎn)品的挑選和商家對用戶所需的了解。通過網(wǎng)絡(luò)數(shù)據(jù)挖掘與電子商務(wù)的恰當(dāng)結(jié)合，就可以很好的解決這一問題，對電子商務(wù)的發(fā)展起到了很大的幫助。

1 網(wǎng)絡(luò)數(shù)據(jù)挖掘

1.1 網(wǎng)絡(luò)概述

在社會生活中存在著關(guān)乎人們工作和生活的各種各樣的系統(tǒng)，通過對其本質(zhì)進(jìn)行分析，可以得到一個(gè)抽象的包含眾多節(jié)點(diǎn)和連接節(jié)點(diǎn)的邊的網(wǎng)絡(luò)。網(wǎng)絡(luò)是復(fù)雜系統(tǒng)的研究工具，為復(fù)雜系統(tǒng)的研究提供了新的模式和思想方法。

1.2 網(wǎng)絡(luò)數(shù)據(jù)挖掘推薦算法

1.2.1 基于二部分圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法

因?yàn)橄到y(tǒng)的主體都是用節(jié)點(diǎn)來表示的，但是網(wǎng)絡(luò)中的節(jié)點(diǎn)可以是一個(gè)類型，也可以不是一個(gè)類型。節(jié)點(diǎn)的連接關(guān)系用矩陣表示，這類節(jié)點(diǎn)屬于單模式網(wǎng)絡(luò)；節(jié)點(diǎn)不是一種的類型，不同類型的節(jié)點(diǎn)之間才能連接的網(wǎng)絡(luò)稱為二部分網(wǎng)絡(luò)。

運(yùn)用二部分圖結(jié)構(gòu)的算法，把推薦的系統(tǒng)中項(xiàng)目節(jié)點(diǎn)看作是具備一定的，能夠分配出去的資源，同時(shí)可以把資源分配給其他看好的商品項(xiàng)目。

1.2.2 基于用戶關(guān)聯(lián)網(wǎng)絡(luò)的推薦算法

之所以可以將網(wǎng)絡(luò)思想引入推薦算法，是因?yàn)殡娮由虅?wù)系統(tǒng)中的用戶與商品及用戶與用于之間具有關(guān)聯(lián)性，這種基于網(wǎng)絡(luò)的商務(wù)系統(tǒng)具有非常強(qiáng)大的適應(yīng)性。主要思想就是：首先，建立用戶選擇的商品與評價(jià)信息之間的關(guān)聯(lián)圖，以權(quán)值計(jì)量。然后，在已形成的關(guān)聯(lián)圖中，按某商品的全部使用記錄，把該商品推薦給其它相關(guān)權(quán)值較大的用戶。

2 個(gè)性化電子商務(wù)推薦系統(tǒng)

2.1 個(gè)性化電子商務(wù)推薦系統(tǒng)的內(nèi)容

電子商務(wù)是指有商務(wù)能力的實(shí)體，通過現(xiàn)代的電子技術(shù)來進(jìn)行商務(wù)活動的過程。特別是現(xiàn)階段，電子商務(wù)所表現(xiàn)出的優(yōu)勢越來越明顯?，F(xiàn)有的個(gè)性化推薦系統(tǒng)在主動為用戶提供所需的信息或服務(wù)的基礎(chǔ)上，更能同時(shí)滿足為企業(yè)謀利益的要求，能為企業(yè)大力發(fā)展?jié)撛谟脩?，也就是可以通過個(gè)性化推薦系統(tǒng)實(shí)現(xiàn)雙向推薦。

2.2 推薦系統(tǒng)的主要研究內(nèi)容

2.2.1 信息的獲取以及模型建立

隨著因特網(wǎng)在全球的迅速發(fā)展，在準(zhǔn)確獲取用戶信息的基礎(chǔ)上，包括用戶瀏覽行為等內(nèi)容在內(nèi)的交互式用戶信息獲取方式成為發(fā)展的趨勢，這就要求在獲取用戶信息時(shí)，要對信息提前進(jìn)行分類。

模型建立和更新的數(shù)據(jù)來源于不同途徑得到的用戶信息數(shù)據(jù)，并與其數(shù)量和質(zhì)量密切相關(guān)，通過數(shù)據(jù)清理和轉(zhuǎn)換篩選出適用于建模的數(shù)據(jù)?，F(xiàn)階段常見的建模技術(shù)有：關(guān)聯(lián)規(guī)則挖掘、基于內(nèi)容的過濾、聚類算法等。

2.2.2 推薦算法設(shè)計(jì)的有關(guān)研究

推薦算法有實(shí)時(shí)、準(zhǔn)確、高效的特點(diǎn)，現(xiàn)在使用的主要算法都具有不同的適用領(lǐng)域，由于電子商務(wù)系統(tǒng)的使用率日漸增多，用戶數(shù)據(jù)庫的內(nèi)容也越來越多，因此必須要在保證算法準(zhǔn)確性的基礎(chǔ)上，同時(shí)對其實(shí)時(shí)性進(jìn)一步研究。盡管新的設(shè)計(jì)正在不斷被推出，但都有一定的片面性，所以，想要得到較理想的推薦算法還需要進(jìn)一步的研究。

2.2.3 評價(jià)推薦系統(tǒng)存在的問題

由于推薦系統(tǒng)的應(yīng)用領(lǐng)域較多，并且不同的推薦系統(tǒng)的評價(jià)目的各異，另外，現(xiàn)在的評價(jià)指標(biāo)大多只注重評價(jià)系統(tǒng)的單一特征，想對目前的推薦系統(tǒng)進(jìn)行客觀的評價(jià)還是比較困難的。現(xiàn)在常用的六種準(zhǔn)確度評價(jià)指標(biāo)有：預(yù)測準(zhǔn)確度、排序準(zhǔn)確度、半衰期效用指標(biāo)、距離標(biāo)準(zhǔn)化指標(biāo)、預(yù)測打分關(guān)聯(lián)、分類準(zhǔn)確度。

2.2.4 一些應(yīng)用方面的問題

研究推薦系統(tǒng)的目的就是使其能夠在不同的領(lǐng)域中取得應(yīng)用，雖然推薦系統(tǒng)已經(jīng)取得很好的應(yīng)用效果，但其發(fā)展空間還是非常巨大的，如發(fā)展企業(yè)需要的潛力用戶、拓寬推薦系統(tǒng)應(yīng)用領(lǐng)域等。

3 數(shù)據(jù)挖掘與個(gè)性化推薦系統(tǒng)

電子商務(wù)系統(tǒng)中的信息量非常巨大，并且保持與日俱增的趨勢，數(shù)據(jù)挖掘技術(shù)可以讓這些蘊(yùn)含著非常有用的規(guī)則和模式的數(shù)據(jù)得到很好的運(yùn)用，從而更好的提供個(gè)性化服務(wù)。

3.1 聚類分析技術(shù)

聚類就是把數(shù)據(jù)在無指導(dǎo)的情況下通過非預(yù)先設(shè)定方式進(jìn)行分組劃分，這些數(shù)據(jù)之所以具有潛在性是因?yàn)樗鼈兌际窃趧澐诌^程中自動生成的。利用這種技術(shù)得到的數(shù)據(jù)更有關(guān)注意義，更適合于分析使用。在個(gè)性化推薦系統(tǒng)中，通過聚類技術(shù)將客戶按照不同的特征劃分成不同的部分，這就使得搜索工作的效率大大提高。

3.2 關(guān)聯(lián)規(guī)則技術(shù)

關(guān)聯(lián)規(guī)則就是在數(shù)量龐大的數(shù)據(jù)中找出項(xiàng)集中的有用規(guī)則，以其高效的性能和伸縮性而成為是一個(gè)很熱門的數(shù)據(jù)挖掘技術(shù)。但關(guān)聯(lián)規(guī)則也有它的不足之處，就是參數(shù)閾值設(shè)置時(shí)會影響規(guī)模的效率。

關(guān)聯(lián)規(guī)則中有兩個(gè)很重要的概念，即置信度和支持度。以商品銷售為例，關(guān)聯(lián)規(guī)則生成步驟如下：第一步，從所有銷售產(chǎn)品中找到全部的繁項(xiàng)集，這也是關(guān)聯(lián)規(guī)則挖掘的核心和熱點(diǎn)所在。第二步，生成關(guān)聯(lián)規(guī)則，在頻繁項(xiàng)目集中找到同時(shí)符合最小置信度和最小支持度的關(guān)聯(lián)規(guī)則。

3.3 協(xié)同過濾技術(shù)

協(xié)同過濾是現(xiàn)階段使用頻率最多、效果最好、最受歡迎的一項(xiàng)技術(shù)。該技術(shù)主要是針對用戶，通過搜索目標(biāo)用戶得到用戶的行為偏好同時(shí)做出商品評價(jià)。通常所說的協(xié)同過濾技術(shù)主要指基于用戶的協(xié)同過濾技術(shù)，隨著對該技術(shù)的不斷研究和發(fā)展，基于商品項(xiàng)目的協(xié)同過濾技術(shù)也得到了不斷的提高。

3.3.1 基于用戶的協(xié)同過濾技術(shù)

該技術(shù)的研究對象主要是用戶，并且在現(xiàn)實(shí)生活中的使用率較高。即通過假設(shè)，把對某一商品具有相似評價(jià)的用戶列為相似用戶，并由此推斷歸結(jié)到一起的相似用戶對其他商品也會有相似的評價(jià)。

基于用戶的協(xié)同過濾算法實(shí)施步驟：（1）獲取用戶信息，即利用用戶—項(xiàng)目矩陣描述用戶所獲得的商品的信息，這是用戶信息獲取步驟中最主要的內(nèi)容；（2）相似性的計(jì)算以及相似用戶集的產(chǎn)生，就是通過相似性計(jì)算得到與目標(biāo)用戶相似的用戶群，得到符合相似用戶數(shù)的一定數(shù)量的相似用戶；（3）生成推薦結(jié)果，是在相似用戶集的基礎(chǔ)上，根據(jù)推薦方法生成推薦結(jié)果。

3.3.2 基于項(xiàng)目的協(xié)同過濾技術(shù)

基于項(xiàng)目的協(xié)同過濾技術(shù)的研究對象主要是商品項(xiàng)目。該技術(shù)就是用相似性計(jì)算，得到用戶評價(jià)的商品項(xiàng)目與目標(biāo)項(xiàng)目的相似值。利用它們之間的共性，預(yù)測用戶對目標(biāo)項(xiàng)目的評價(jià)值，通過這樣的方式來獲得同類商品信息。

結(jié)束語

電子商務(wù)推薦系統(tǒng)的應(yīng)用領(lǐng)域非常之廣，特別是將網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)與其相結(jié)合，更好的符合了電子商務(wù)領(lǐng)域的用戶所需。本文系統(tǒng)地闡述了網(wǎng)絡(luò)數(shù)據(jù)挖掘和個(gè)性化商務(wù)系統(tǒng)以及他們之間的結(jié)合，探討了網(wǎng)絡(luò)技術(shù)在個(gè)性化商務(wù)系統(tǒng)中的應(yīng)用。在今后的工作過程中，還應(yīng)加強(qiáng)對基于網(wǎng)絡(luò)數(shù)據(jù)挖掘的個(gè)性化電子商務(wù)推薦系統(tǒng)的深入研究，以切實(shí)提升系統(tǒng)運(yùn)行的安全性與可靠性。

參考文獻(xiàn)

[1] 張遠(yuǎn)程，康永勝.基于swarm平臺和社交網(wǎng)絡(luò)的電子商務(wù)個(gè)性化推薦系統(tǒng)仿真模型的理論構(gòu)建[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2012，（21）：124-125

[2] 艾丹祥，左暉，楊君.基于三維協(xié)同過濾的C2C電子商務(wù)推薦系統(tǒng)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2013，34（2）：702-706

[3] 吳海彬，劉利民，劉曉莉，等.電子商務(wù)個(gè)性化推薦原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，31（3）：26-31