基于Web日志挖掘的電商平臺產(chǎn)品個性化推薦算法研究

梁清潔 江蘇先農(nóng)電子商務(wù)有限公司

1 Web日志挖掘技術(shù)概述

Web日志挖掘是Web數(shù)據(jù)挖掘的一種，涉及多個領(lǐng)域，是計算機(jī)學(xué)、統(tǒng)計學(xué)、信息學(xué)、數(shù)據(jù)庫等多門技術(shù)的綜合。Web日志挖掘有很多優(yōu)勢，它是基于大數(shù)據(jù)的，少量的數(shù)據(jù)無法通過人工分析來得出蘊(yùn)含的規(guī)律，缺乏普遍性。經(jīng)過Web日志挖掘技術(shù)得出的信息，不是經(jīng)過簡單的推理而得出的信息，它可以深度挖掘隱藏在數(shù)據(jù)內(nèi)部的關(guān)聯(lián)關(guān)系，進(jìn)行準(zhǔn)確的預(yù)測，從而給企業(yè)或者用戶帶來直接利益。

2 Web日志挖掘算法

Web日志挖掘算法有四步。其一，源數(shù)據(jù)收集。它的主要作用是收集系統(tǒng)平臺的日志文件，對用戶的瀏覽記錄、注冊信息、需求信息等進(jìn)行分析提取，提高電商平臺的個性化推薦水平。其二，數(shù)據(jù)預(yù)處理。系統(tǒng)文件存儲的原始信息有些是非結(jié)構(gòu)化的，因此在對這些數(shù)據(jù)信息挖掘之前進(jìn)行預(yù)處理，對日志信息加以整理，剔除無用的記錄。數(shù)據(jù)預(yù)處理要分為三步：首先刪除系統(tǒng)日志中與算法無法的數(shù)據(jù)，比如非HTML文件；然后對用戶進(jìn)行識別，采用啟發(fā)式規(guī)則，盡量避免防火墻、代理服務(wù)器的影響；最后，就是用戶會話的識別，通過用戶對服務(wù)器的有效訪問，根據(jù)訪問記錄獲取用戶瀏覽興趣。其三，模式發(fā)現(xiàn)。即運(yùn)用多種算法技術(shù)對預(yù)處理后的數(shù)據(jù)進(jìn)行挖掘，分析數(shù)據(jù)中的路徑、關(guān)聯(lián)關(guān)系。其四，模式分析。從上一步的發(fā)現(xiàn)算法中篩選出有價值的模式，并對其進(jìn)行精確的分析。模式分析的主要技術(shù)是利用數(shù)據(jù)庫封裝，執(zhí)行聯(lián)機(jī)分析。

3 電商平臺產(chǎn)品個性化推薦算法研究

隨著Web2.0的發(fā)展，有關(guān)推薦算法也逐漸成熟。常用的推薦算法有基于內(nèi)容相似度的算法、協(xié)同過濾推薦算法、聚類算法、基于關(guān)聯(lián)規(guī)則的推薦算法四類。

3.1 基于內(nèi)容相似度的算法

基于內(nèi)容相似度的算法是傳統(tǒng)的推薦算法，應(yīng)用廣泛，它是以分析用戶的購買記錄和瀏覽記錄為核心，將相似度高的商品推薦給用戶。分為信息的獲取和過濾兩個部分，信息獲取是指抽取項目關(guān)鍵字抽取項目的關(guān)鍵字，然后對關(guān)鍵詞的權(quán)重進(jìn)行分析，在依據(jù)用戶的喜好對其進(jìn)行建模，取其平均值。這里指的注意的是關(guān)鍵詞的權(quán)重與出現(xiàn)的次數(shù)成正比例關(guān)系。信息過濾指的是根據(jù)用戶的喜好對其建模的一個過程。該算1給用戶進(jìn)行精準(zhǔn)的推薦，提高了用戶體驗，但是它需要對商品進(jìn)行建模，在而且很難根據(jù)圖像、視頻找出相應(yīng)的文本信息。例如，通過消費(fèi)者瀏覽和購買商品的大數(shù)據(jù)分析，我們可以從中提取出共同點(diǎn)，然后篩選其他產(chǎn)品進(jìn)行推薦，給消費(fèi)者多種選擇，提高支付率。

3.2 協(xié)同過濾推薦算法

協(xié)同過濾推薦算法（user-based collaborative filtering），分為兩種，基于用戶的和基于商品的?；谟脩舻膮f(xié)同過濾算法的核心思想就是找出有其用戶相似喜好相似的鄰居群，根據(jù)他們的歷史記錄，來分析用戶的習(xí)慣，從而對其推薦商品的一個算法，它可以挖掘用戶潛在的興趣愛好，但是準(zhǔn)確性不高。基于商品的協(xié)同過濾算法，與之前的推薦機(jī)制類似，但是它的核心思想是挖掘商品之間的相似性。這種推薦方式，可以離線運(yùn)行，對圖像視頻等對象也可以進(jìn)行有效的推薦。例如，對某用戶買衣服，經(jīng)過算法的綜合排名，發(fā)現(xiàn)排第一的是方便面，排第六的才是衣服，結(jié)果推薦了方便面豈不鬧了笑話。但是對商品進(jìn)行了歸一分類，服裝類商品只限推薦服裝，這樣就會增強(qiáng)商品的過濾性和協(xié)同性。

3.3 聚類算法

聚類算法，它可以對目標(biāo)用戶進(jìn)行多指標(biāo)劃分，個性化和精細(xì)化運(yùn)營。它是通過對目標(biāo)用戶進(jìn)行群體分類，對產(chǎn)品進(jìn)行價值組合，發(fā)現(xiàn)其孤立點(diǎn)。但是在實際應(yīng)用中，數(shù)據(jù)處理復(fù)雜，聚類分析作為其中的一個環(huán)節(jié)。例如，在電商平臺的搜索引擎中，很多網(wǎng)民所查詢和瀏覽的商品種類比較類似，對這些查詢進(jìn)行聚類，一方面可以使用類內(nèi)部的詞進(jìn)行關(guān)鍵詞推薦；另一方面，聚類過程的自動化，有助于產(chǎn)生新的話題類別，還有助于減少存儲空間。

3.4 基于關(guān)聯(lián)規(guī)則的推薦算法

基于關(guān)聯(lián)規(guī)則的推薦算法是最為經(jīng)典算法，它的核心就是找出數(shù)據(jù)的依賴關(guān)系。通過關(guān)聯(lián)關(guān)規(guī)則分析，及時了解到用戶在購買某種物品后還需要哪些物品，挖掘出相應(yīng)的關(guān)聯(lián)信息，為用戶推薦關(guān)聯(lián)物品。實際上是一種交叉銷售模式，根據(jù)不同的商品，結(jié)合其歷史瀏覽、購買記錄，構(gòu)建符合需求的關(guān)聯(lián)模型。例如，可以在用戶支付下單一種商品后，通過計算，推薦其它周邊商品，比如替代品、互補(bǔ)品之類的商品，加強(qiáng)線上產(chǎn)品之間的關(guān)聯(lián)性，提高周邊商品的推薦率。

Web日志挖掘是一項綜合性的技術(shù)，尤其在用戶和商品指數(shù)上升的今天，電商平臺采用個性化推薦算法，可以有效幫助用戶找到所需要的商品。電子商務(wù)平臺通過對用戶的瀏覽習(xí)慣、購買記錄等進(jìn)行分析挖掘，找出相應(yīng)的關(guān)聯(lián)信息，可以精準(zhǔn)預(yù)測用戶需求，為用戶提供更加人性化、個性化的服務(wù)，從而提升用戶的體驗和黏著度，提高平臺的效益。

[1]盧輝數(shù)據(jù)挖掘與數(shù)字化運(yùn)營實戰(zhàn)[M]北京:機(jī)械工業(yè)出版社2013:15-28

[2]單劍鋒，馬德錦常用Web服務(wù)技術(shù)研究[J]計算機(jī)技術(shù)與發(fā)展2013(6):253-257

[3]桑志超個性化推薦引擎及在電子商務(wù)中的應(yīng)用[J]科技視界2014(91):136，141