徐紅宇
【摘 要】隨著電子商務(wù)的發(fā)展及移動(dòng)通信的普及,移動(dòng)電子商務(wù)涉及到的數(shù)據(jù)越來(lái)越多,在海量信息中找到合適的需求已經(jīng)成為移動(dòng)電子商務(wù)研究的重點(diǎn)。個(gè)性化推薦方法可以從海量信息中精準(zhǔn)的找到需要的信息,有效解決移動(dòng)商務(wù)面臨的信息過(guò)載困擾。
【關(guān)鍵詞】個(gè)性化推薦;電子商務(wù);協(xié)同推薦;關(guān)聯(lián)規(guī)則挖掘
0 前言
電子商務(wù)涉及的用戶可能有不同背景、愛好,電商提供多樣化、個(gè)性化的服務(wù)有助于滿足不同類型用戶的個(gè)性化需求。和傳統(tǒng)的電子商務(wù)相比,移動(dòng)電子商務(wù)具有“人機(jī)對(duì)應(yīng)、一人一機(jī)”的特點(diǎn),所以可以針對(duì)用戶進(jìn)行便捷的個(gè)性化推薦服務(wù)。
1 移動(dòng)商務(wù)及個(gè)性化服務(wù)
移動(dòng)電子商務(wù)是傳統(tǒng)電商的特別形式,是一種利用移動(dòng)通信網(wǎng)絡(luò)實(shí)現(xiàn)的電子商務(wù)活動(dòng),其商務(wù)形式由固定地點(diǎn)延伸到隨時(shí)隨地;移動(dòng)電子商務(wù)的特征包括:位置相關(guān)性、隨時(shí)隨地訪問(wèn)。傳統(tǒng)的電子商務(wù)中用戶的位置并不重要,展現(xiàn)給所有用戶的是統(tǒng)一的內(nèi)容。移動(dòng)電子商務(wù)可以定位使用者,而且在移動(dòng)終端中的配置可以分辨用戶的身份;定位及用戶識(shí)別這兩個(gè)特性的結(jié)合使移動(dòng)電子商務(wù)具備一定的個(gè)性化特征。
移動(dòng)電子商務(wù)的個(gè)性化服務(wù)觀點(diǎn)有不同的內(nèi)涵:(1)用戶特性??梢詫⒁苿?dòng)電子商務(wù)看作是為不同特性客戶提供針對(duì)性的信息內(nèi)容的服務(wù)。(2)用戶偏好及習(xí)慣。不同用戶的行為習(xí)慣以及偏好不盡相同,移動(dòng)電子商務(wù)需要為用戶提供滿足個(gè)性化需求的服務(wù)。針對(duì)上述觀點(diǎn),可以將移動(dòng)個(gè)性化服務(wù)定義為:內(nèi)容及服務(wù)提供商根據(jù)用戶的身份、職業(yè)、偏好、年齡等特性,為不同的使用者提供針對(duì)性的內(nèi)容。個(gè)性化主要體現(xiàn)在[1]:(1)內(nèi)容的個(gè)性化。不同用戶對(duì)商品的需求不同,移動(dòng)電子商務(wù)不再僅僅提供多樣化的商品,而是根據(jù)用戶的興趣偏好為用戶推薦真正需要、可能消費(fèi)的商品,盡量減少用戶在商品搜索過(guò)程中耗費(fèi)的時(shí)間、精力。(2)服務(wù)方式的個(gè)性化。傳統(tǒng)的信息服務(wù)方式多為“PULL”模式,即信息直接發(fā)布到網(wǎng)絡(luò)上,用戶從海量信息中查找需要的信息。為了提高銷售效率,移動(dòng)電子商務(wù)必須改變?yōu)椤癙USH”模式,直接將合適的信息精準(zhǔn)的推薦給可能需要的用戶。
2 個(gè)性化推薦技術(shù)
電子商務(wù)的整個(gè)流程中涉及到大量不同類型的數(shù)據(jù),比如用戶信息、商品信息、服務(wù)信息及日志、交易信息等。移動(dòng)電子商務(wù)涉及到的數(shù)據(jù)類型更多,而且異構(gòu)數(shù)據(jù)的比例更大;移動(dòng)用戶的需求可能會(huì)隨著時(shí)間、用戶場(chǎng)景的變化而變化;例如,旅行中的用戶通常更關(guān)注住宿、交通相關(guān)的商品信息,而休假中的用戶往往對(duì)娛樂信息更感興趣;這無(wú)疑增加了預(yù)測(cè)用戶行為、推薦合適商品的難度。
移動(dòng)電子商務(wù)中的個(gè)性化推薦技術(shù)的主要步驟包括:數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)分析、個(gè)性化推薦。數(shù)據(jù)采集階段負(fù)責(zé)采集所有用戶的信息,包括用戶資料、購(gòu)買歷史信息等。數(shù)據(jù)預(yù)處理對(duì)采集到的數(shù)據(jù)進(jìn)行有效性檢查,去掉無(wú)效訂單。建模階段以數(shù)據(jù)挖掘技術(shù)為主,對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行聚類分析、關(guān)聯(lián)分析等。數(shù)據(jù)分析階段試圖從大量數(shù)據(jù)中發(fā)現(xiàn)用戶的購(gòu)買傾向,以便進(jìn)行個(gè)性化推薦。
通過(guò)上述分析可知移動(dòng)電子商務(wù)中個(gè)性化推薦的功能需要滿足[2]:(1)分析用戶的偏好和行為習(xí)慣,以進(jìn)行更加精確的用戶行為預(yù)測(cè)。關(guān)聯(lián)規(guī)則挖掘可以從用戶的購(gòu)買歷史數(shù)據(jù)中發(fā)現(xiàn)潛在的關(guān)聯(lián)關(guān)系。(2)分析用戶行為,針對(duì)用戶的購(gòu)買習(xí)慣,為用戶提供個(gè)性化推薦。協(xié)同過(guò)濾可以根據(jù)有相似購(gòu)買習(xí)慣用戶的偏好,為當(dāng)前用戶推薦其可能感興趣的商品信息。
3 關(guān)聯(lián)規(guī)則挖掘
關(guān)聯(lián)規(guī)則挖掘技術(shù)是實(shí)現(xiàn)移動(dòng)電子商務(wù)個(gè)性化推薦的關(guān)鍵,直接決定著個(gè)性化推薦的效果。關(guān)聯(lián)規(guī)則挖掘的目的是從海量信息中找到有商業(yè)價(jià)值的關(guān)聯(lián)關(guān)系,并為商業(yè)決策提供支持。
假設(shè)現(xiàn)有m條交易記錄、n個(gè)物品,并且物品集合I={Ij|j=1,2,…,n},交易數(shù)據(jù)庫(kù)D={Ti|i=1,2,…,m},則關(guān)聯(lián)數(shù)據(jù)挖掘過(guò)程中涉及到的概念主要包括[3]:(1)項(xiàng)集(Item set)。集合I中的任意子集,有p個(gè)物品項(xiàng)的項(xiàng)集(p-項(xiàng)集)Ip={I1,I2,…,Ip}。(2)關(guān)聯(lián)規(guī)則(Association Rule)。關(guān)聯(lián)規(guī)則是類似于R:Ii?圯Ij這樣的蘊(yùn)涵式,表明如果數(shù)據(jù)庫(kù)中的事務(wù)包含項(xiàng)集Ii,那么此事務(wù)也很可能包含項(xiàng)集Ij。(3)支持度。假設(shè)組成關(guān)聯(lián)規(guī)則r的物品項(xiàng)集為Ir,那么Ir在D上的支持度即為包含Ir的事務(wù)占D中所有事務(wù)的比例。(4)頻繁項(xiàng)集(Frequent Item Set)。頻繁項(xiàng)集指的是數(shù)據(jù)庫(kù)D中滿足指定最小支持度的所有非空子集。
獲取頻繁項(xiàng)集后,就能夠根據(jù)頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則;值得注意的是,生成的關(guān)聯(lián)規(guī)則中有很多是無(wú)意義或冗余的,為了提高推薦的質(zhì)量,必須改進(jìn)關(guān)聯(lián)規(guī)則的評(píng)價(jià)過(guò)程。關(guān)聯(lián)規(guī)則的評(píng)價(jià)過(guò)程又被稱為關(guān)聯(lián)規(guī)則的興趣度量度;常見的度量方法有主觀興趣度及客觀興趣度,前者一般是基于用戶的知識(shí),而后者多依賴于挖掘數(shù)據(jù)和關(guān)聯(lián)規(guī)則的表現(xiàn)形式。支持度——置信度框架是最經(jīng)典的興趣度量方式[4]:支持度用來(lái)度量關(guān)聯(lián)規(guī)則的可用性,置信度用于評(píng)價(jià)關(guān)聯(lián)規(guī)則的確定性。
4 協(xié)同過(guò)濾推薦
傳統(tǒng)的電子商務(wù)技術(shù)在進(jìn)行商品推薦時(shí)大多使用的是基于內(nèi)容的過(guò)濾技術(shù),這種方法在商品數(shù)量過(guò)多時(shí)的分析能力相對(duì)有限,而且難以發(fā)現(xiàn)用戶已經(jīng)展現(xiàn)出的興趣之外的潛在興趣。基于內(nèi)容的過(guò)濾和協(xié)同過(guò)濾的推薦方式如圖1所示:
協(xié)同過(guò)濾推薦技術(shù)克服了基于內(nèi)容過(guò)濾的不足,它根據(jù)其他習(xí)慣近似用戶的偏好為當(dāng)前用戶推薦可能感興趣的信息,并且在推薦時(shí)只需要用戶的購(gòu)買行為以及評(píng)分信息,并不需要其他額外信息,也不會(huì)涉及到用戶的個(gè)人隱私。
協(xié)同過(guò)濾技術(shù)的步驟包括:(1)采集電商的銷售數(shù)據(jù)、評(píng)分?jǐn)?shù)據(jù),并根據(jù)相似性算法計(jì)算指定用戶、商品間的相似性;(2)根據(jù)相似性信息,獲取和指定用戶、商品最相似的k個(gè)目標(biāo),稱為k近鄰集合;(3)根據(jù)k近鄰集合的信息,預(yù)測(cè)指定用戶對(duì)目標(biāo)商品的購(gòu)買興趣。
5 總結(jié)
要在移動(dòng)電子商務(wù)中進(jìn)行商品推薦需要發(fā)現(xiàn)用戶偏好、分析用戶行為,關(guān)聯(lián)規(guī)則挖掘的目的是從海量信息中找到有商業(yè)價(jià)值的關(guān)聯(lián)關(guān)系,協(xié)同過(guò)濾技術(shù)可以用于個(gè)性化推薦;這兩者的結(jié)合可以有效用于移動(dòng)電子商務(wù),將特定內(nèi)容有針對(duì)性的推薦給電商的潛在用戶。
【參考文獻(xiàn)】
[1]吳吉義,龔祥國(guó),林志潔.基于協(xié)同過(guò)濾的移動(dòng)電子商務(wù)個(gè)性化推薦系統(tǒng)若干研究[J].電子技術(shù)應(yīng)用.2016(1).
[2]Adomavicius G,Tuzhilin A. Toward the Next Generation of Recommender Systems:A Survey of the State of the Art and Possible Extensions[J].IEEE Transaction on Knowledge and Data Engineering,2015(6).
[3]徐月美,姜薇,王溢策.移動(dòng)設(shè)備的個(gè)性化推薦在上下文感知應(yīng)用[J].微計(jì)算機(jī)信息,2016(7).
[4]張娜.電子商務(wù)環(huán)境下的個(gè)性化信息推薦服務(wù)及應(yīng)用研究[D].西安:西北工業(yè)大學(xué),2016.endprint