基于大數(shù)據(jù)下電子商務(wù)商品推薦系統(tǒng)的分析

王海明

基于大數(shù)據(jù)下電子商務(wù)商品推薦系統(tǒng)的分析

王海明

隨著電子商務(wù)的不斷發(fā)展，電子商品的種類逐漸增多，如何推薦給適合顧客的商品來(lái)提高交易量成為電商首要考慮的問(wèn)題。本文對(duì)如何完善電子商務(wù)商品推薦系統(tǒng)進(jìn)行分析，圍繞設(shè)計(jì)搜索的整體性、相似商品的推薦和對(duì)顧客進(jìn)行分類三個(gè)方面展開(kāi)討論，從而實(shí)現(xiàn)提高電子商務(wù)商品成交額的目標(biāo)。

電子商務(wù)目前已經(jīng)十分普遍，網(wǎng)上商品交易數(shù)量也隨之增多，網(wǎng)上商品種類繁多，商品消費(fèi)者的選擇性增加。因此，電子商務(wù)商品推薦系統(tǒng)的完善成為提高交易量的重要手段。通過(guò)挖掘大數(shù)據(jù)下消費(fèi)者的消費(fèi)特點(diǎn)，進(jìn)行相應(yīng)的商品推薦，對(duì)實(shí)現(xiàn)電子商務(wù)商品發(fā)展有著重要的作用。

電子商務(wù)商品推薦系統(tǒng)的分類

從消費(fèi)者的角度出發(fā)，將電子商務(wù)商品推薦系統(tǒng)按使用技術(shù)分為兩類，一種是自動(dòng)化程度，一種是持久性程度。自動(dòng)化程度是指消費(fèi)者在進(jìn)行商品選擇時(shí)，通過(guò)輸入相關(guān)信息，便會(huì)出現(xiàn)一系列有關(guān)商品，其中可能出現(xiàn)消費(fèi)者恰好感興趣的商品，以此縮短消費(fèi)者查找商品時(shí)間，盡可能提供給消費(fèi)者便利。手工方式是指消費(fèi)者需要進(jìn)行對(duì)所需商品的具體要求，網(wǎng)上會(huì)根據(jù)消費(fèi)者需求顯示出具體的商品，這類推薦方法存在限制消費(fèi)者接觸更多商品類型的弊端；所謂持久性程度，是指根據(jù)用戶的不同需求，綜合推薦消費(fèi)者感興趣的商品，不局限與消費(fèi)者某階段的單獨(dú)需求，而是對(duì)用戶多種需求進(jìn)行整合分析，再推薦給用戶相關(guān)的商品。

以上兩個(gè)推薦系統(tǒng)從用戶的角度出發(fā)進(jìn)行分類，體現(xiàn)了電子商務(wù)網(wǎng)站以用戶為核心的標(biāo)準(zhǔn)，通過(guò)進(jìn)行不同類型推薦系統(tǒng)的探索，盡可能使推薦系統(tǒng)滿足用戶的需求。以上兩類推薦系統(tǒng)可以實(shí)現(xiàn)自主的、持久的對(duì)用戶進(jìn)行推薦?；谝陨蟽蓚€(gè)推薦標(biāo)準(zhǔn)可以將電子商務(wù)推薦系統(tǒng)分為四類，包括非個(gè)性電子商務(wù)推薦系統(tǒng)、根據(jù)產(chǎn)品屬性的電子商務(wù)推薦系統(tǒng)、相關(guān)性商品推薦系統(tǒng)、相關(guān)性用戶推薦系統(tǒng)。其中，非個(gè)性電子商務(wù)推薦系統(tǒng)指的是推薦標(biāo)準(zhǔn)主要源于各個(gè)用戶的評(píng)價(jià)，對(duì)全部用戶評(píng)價(jià)作出綜合判斷，這種推薦系統(tǒng)對(duì)全部用戶的推薦標(biāo)準(zhǔn)相同，并且是系統(tǒng)自動(dòng)產(chǎn)生的，不需要對(duì)用戶需求進(jìn)行復(fù)雜的分析；基于產(chǎn)品屬性的推薦系統(tǒng)，主要核心是商品，通過(guò)接收用戶輸入的相關(guān)產(chǎn)品屬性，推薦給用戶具有對(duì)應(yīng)屬性的商品。這種推薦系統(tǒng)注重用戶的個(gè)性化需求，可以使根據(jù)用戶的瞬時(shí)需求進(jìn)行推薦，也可以根據(jù)用戶的多種需求來(lái)推薦；相關(guān)性產(chǎn)品和相關(guān)性客戶推薦分別是根據(jù)商品的相似性和用戶之間的相似性進(jìn)行推薦，個(gè)性化程度較高。

基于大數(shù)據(jù)的電子商務(wù)商品推薦系統(tǒng)的研究

基于大數(shù)據(jù)的電子商務(wù)個(gè)性化推薦

大數(shù)據(jù)的挖掘是根據(jù)用戶需求進(jìn)行相應(yīng)商品推薦的前提。目前，主要推薦算法包括內(nèi)容過(guò)濾算法和協(xié)同過(guò)濾算法兩類，其中過(guò)濾算法是在內(nèi)容的基礎(chǔ)上進(jìn)行信息檢索，協(xié)同過(guò)濾算法更多的是根據(jù)用戶的具體需求，以客戶的興趣為主要推薦標(biāo)準(zhǔn)。當(dāng)前最為流行的挖掘算法是基于Web的挖掘，因此將Web挖掘的電子商務(wù)推薦與用戶需求進(jìn)行有效結(jié)合是實(shí)現(xiàn)電子商務(wù)發(fā)展的關(guān)鍵。

研究表明，目前存在的推薦算法準(zhǔn)確性不夠，通常是根據(jù)用戶以往的瀏覽內(nèi)容進(jìn)行推薦。而用戶的需求處于不斷變化中，若只根據(jù)消費(fèi)者以往需求進(jìn)行推薦，往往有別與消費(fèi)者的目前需求，并且這種方式也不被消費(fèi)者接受，在進(jìn)行商品選擇時(shí)，常出現(xiàn)用戶不感興趣的商品推薦，會(huì)影響用戶的消費(fèi)情緒。因此，創(chuàng)新出能滿足用戶當(dāng)前商品需求的推薦算法，是完善電子商務(wù)商品推薦系統(tǒng)的重點(diǎn)。

基于關(guān)聯(lián)規(guī)則的推薦算法

基于關(guān)聯(lián)規(guī)則的推薦算法。關(guān)聯(lián)規(guī)則屬于數(shù)據(jù)挖掘技術(shù)，該技術(shù)能發(fā)現(xiàn)數(shù)據(jù)之間的某些關(guān)聯(lián)。關(guān)聯(lián)規(guī)則挖掘出的數(shù)據(jù)能有效將用戶消費(fèi)特點(diǎn)顯示出來(lái)，根據(jù)用戶的購(gòu)買(mǎi)習(xí)慣，可通過(guò)關(guān)聯(lián)規(guī)則進(jìn)行與用戶需求有關(guān)的商品匹配，對(duì)用戶的需求有一定的掌握。這種方法對(duì)商家進(jìn)行商品促銷(xiāo)有很大的幫助，舉例說(shuō)明，當(dāng)用戶產(chǎn)生購(gòu)買(mǎi)記錄后，關(guān)聯(lián)規(guī)則便會(huì)挖掘出相關(guān)數(shù)據(jù)，商家通過(guò)對(duì)數(shù)據(jù)的分析，能直觀的發(fā)現(xiàn)消費(fèi)者的購(gòu)買(mǎi)習(xí)慣，在進(jìn)行商品促銷(xiāo)時(shí)，商家便會(huì)根據(jù)分析出的數(shù)據(jù)結(jié)果，進(jìn)行符合群眾需求的商品促銷(xiāo)，能為商家?guī)?lái)很大的效益。

Apriori算法及改進(jìn)算法。Apriori算法是基于關(guān)聯(lián)規(guī)則的一種推薦算法，它的基本思想是，首先通過(guò)挖掘數(shù)據(jù)中大范圍的數(shù)據(jù)項(xiàng)集作為候選，并記錄候選項(xiàng)集中每個(gè)數(shù)據(jù)發(fā)生的次數(shù)，將大于最小支持率的數(shù)據(jù)作為一個(gè)集合，將該集合記作L1，再基于L1中數(shù)據(jù)，進(jìn)一步生成集合L2，以此類推，直至生成集合Ln，標(biāo)志著集合已經(jīng)不能更加細(xì)分。最后，再根據(jù)相應(yīng)算法導(dǎo)出規(guī)律。Apriori算法在用戶相似商品需求的判斷中起到重要的作用，但是仍然存在一些不足，包括由于數(shù)據(jù)庫(kù)太大，導(dǎo)致算法存在一些不必要的規(guī)則，加大了數(shù)據(jù)分析難度；Apriori算法的運(yùn)算步驟，要求在運(yùn)算時(shí)，要對(duì)數(shù)據(jù)庫(kù)進(jìn)行多次掃描，降低了算法的效率；由于一些客觀因素的存在，也會(huì)影響算法的準(zhǔn)確性，導(dǎo)致最后的結(jié)果與實(shí)際存在差異。算法的改進(jìn)是實(shí)現(xiàn)結(jié)果準(zhǔn)確的重點(diǎn)，它的改進(jìn)可以從算法的效率和產(chǎn)生集合的準(zhǔn)確性入手，例如數(shù)據(jù)庫(kù)中包括多種商品的信息，由于某些商品之間的聯(lián)系較大，可能導(dǎo)致它與其他商品之間關(guān)聯(lián)性被忽視，那么產(chǎn)生的集合就是不準(zhǔn)確的，為了改善這種情況，可以將與眾多商品具有關(guān)聯(lián)性的商品做出標(biāo)志，避免此類商品數(shù)據(jù)的頻繁掃面，造成算法的不準(zhǔn)確。

分段Apriori算法及其應(yīng)用。分段Apriori算法就是將大數(shù)據(jù)庫(kù)中的項(xiàng)分成小部分，再對(duì)各部分進(jìn)行Apriori算法。這種算法可能會(huì)丟掉數(shù)據(jù)庫(kù)中的一些信息，是分段算法存在的缺陷，但是由于數(shù)據(jù)庫(kù)太大，其中的數(shù)據(jù)不完全有效，分段算法通過(guò)丟掉多余的數(shù)據(jù)，不僅可以提高算法效率，還能提高算法的準(zhǔn)確性。舉例說(shuō)明，當(dāng)我們針對(duì)某些屬性進(jìn)行推薦算法時(shí)，可以通過(guò)添加一些限制條件，頻繁集合必須滿足前提條件才能進(jìn)行運(yùn)算，這樣就可以在進(jìn)行算法前將不必要的數(shù)據(jù)進(jìn)行排除，減少運(yùn)算量，提高算法的效率。

隨著科技的發(fā)展，電子商務(wù)越來(lái)越普遍化，網(wǎng)上消費(fèi)者的數(shù)量明顯增加，同時(shí)由于電子商務(wù)商品數(shù)量和種類的增加，電子商務(wù)的競(jìng)爭(zhēng)力增大。如何提高對(duì)消費(fèi)者的了解程度，提供相應(yīng)的產(chǎn)品推薦成為重點(diǎn)問(wèn)題?？梢酝ㄟ^(guò)完善電子商務(wù)商品推薦系統(tǒng)，實(shí)現(xiàn)提高網(wǎng)上交易量的目標(biāo)。

（作者單位：蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院）