文 君

（文華學(xué)院信息學(xué)部 湖北 武漢 430074）

1 引言

相關(guān)數(shù)據(jù)顯示，我國(guó)上網(wǎng)用戶數(shù)量已經(jīng)超過了12億，CN下注冊(cè)的域名數(shù)量也快速增長(zhǎng)，而個(gè)性化推薦是當(dāng)前一種先進(jìn)的服務(wù)方式，能夠?yàn)轭櫩吞峁﹤€(gè)性化的決策支持以及信息服務(wù)。但是伴隨電子商務(wù)交易規(guī)模不斷擴(kuò)大，網(wǎng)購(gòu)的熱潮也在不斷地升溫，要想準(zhǔn)確地預(yù)測(cè)顧客的興趣，并且產(chǎn)生有效的推薦結(jié)果，尤其是面對(duì)數(shù)據(jù)信息的稀疏性以及計(jì)算時(shí)遇到的各種問題，那么對(duì)以往協(xié)同過濾算法就要進(jìn)行積極改進(jìn)[1-2]。

2 電子商務(wù)概述

電子商務(wù)主要是借助信息技術(shù)開展的商務(wù)活動(dòng)，基于服務(wù)器以及瀏覽器等應(yīng)用方式，買方和賣方在線上開展各種商貿(mào)活動(dòng)，從而實(shí)現(xiàn)顧客的網(wǎng)上購(gòu)物、在線支付及各種商務(wù)活動(dòng)等。

即便電子商務(wù)在各個(gè)國(guó)家或不同的領(lǐng)域都有著不同的定義，然而最關(guān)鍵的仍舊是依靠網(wǎng)絡(luò)技術(shù)以及電子設(shè)備進(jìn)行的一種商業(yè)模式，電子商務(wù)主要包括網(wǎng)絡(luò)營(yíng)銷、電子貨幣交換、存貨管理、電子交易以及供應(yīng)鏈管理等系統(tǒng)。在這個(gè)過程中，運(yùn)用的信息技術(shù)又包含：外聯(lián)網(wǎng)、移動(dòng)電話、內(nèi)聯(lián)網(wǎng)、互聯(lián)網(wǎng)以及電子郵件等[3]。

3 推薦系統(tǒng)作用

將瀏覽者變成購(gòu)買者，電子商務(wù)站點(diǎn)的訪問人員通常只是隨便瀏覽網(wǎng)站，他們并沒有購(gòu)買的意向，若是此時(shí)推薦系統(tǒng)可以有針對(duì)性地給瀏覽網(wǎng)站的人員提供一些高質(zhì)量產(chǎn)品的話，那么，就能極大地引起瀏覽人員購(gòu)買產(chǎn)品的興趣，將訪問者轉(zhuǎn)化成消費(fèi)者[4-5]。

推薦系統(tǒng)能夠通過向消費(fèi)者推薦額外的產(chǎn)品來提升其交叉銷售量，若是網(wǎng)站推薦系統(tǒng)較好，那么還能增加各企業(yè)平均定購(gòu)數(shù)量。其次，推薦系統(tǒng)能夠結(jié)合顧客目前購(gòu)物車?yán)锩娴纳唐穪硐蚱渫扑]一些類似的商品。比如顧客買了一個(gè)鞋柜，網(wǎng)站就會(huì)向顧客推薦衣柜、酒柜等。

與顧客建立忠誠(chéng)度。在當(dāng)前的環(huán)境下，必須要提升網(wǎng)站的吸引力。首先，要通過優(yōu)質(zhì)的內(nèi)容實(shí)現(xiàn)。其次，要為顧客提供一個(gè)便于快捷瀏覽到自己比較喜歡感興趣產(chǎn)品的途徑。若是顧客在每一次購(gòu)買產(chǎn)品時(shí)，推薦系統(tǒng)都能夠進(jìn)行有效的產(chǎn)品推薦，那么肯定會(huì)吸引顧客下一次繼續(xù)在此網(wǎng)站上購(gòu)買產(chǎn)品。不僅如此，個(gè)性化的推薦系統(tǒng)還能夠進(jìn)一步吸引顧客[6]。

4 協(xié)同過濾技術(shù)存在的問題

即便協(xié)同過濾技術(shù)在現(xiàn)階段獲得了成功的運(yùn)用，然而，協(xié)同過濾技術(shù)并不是說在什么環(huán)境下都可以表現(xiàn)出比較好的效果。比如隨著電子商務(wù)站點(diǎn)規(guī)模不斷地?cái)U(kuò)大，其商品數(shù)量以及用戶數(shù)量也在迅速增長(zhǎng)，所以協(xié)同過濾技術(shù)便遇到了較為嚴(yán)重的挑戰(zhàn)，包含數(shù)據(jù)信息的可擴(kuò)展性以及稀疏性問題等。要想解決這些問題就要從下面兩個(gè)方面著手，首先是在沒有改變數(shù)據(jù)信息的情況下提升算法的準(zhǔn)確度，其次是采取有效的技術(shù)方法改變數(shù)據(jù)信息稀疏的情況[7]。

5 協(xié)同過濾技術(shù)應(yīng)用

5.1 信息數(shù)據(jù)的檢索

信息數(shù)據(jù)檢索技術(shù)應(yīng)用于顧客查詢，信息數(shù)據(jù)檢索所研究的內(nèi)容包含兩種，一種是查詢技術(shù)，另一種是索引技術(shù)。后者是對(duì)資源內(nèi)容展開分析，然后把資源表示成計(jì)算機(jī)能夠處理的數(shù)據(jù)信息結(jié)構(gòu)。前者是通過接口來接受顧客的需求，所以可以看出，信息數(shù)據(jù)檢索技術(shù)通常運(yùn)用在大規(guī)模數(shù)據(jù)庫(kù)系統(tǒng)當(dāng)中，并且這一數(shù)據(jù)庫(kù)通常是靜止的。它既不能主動(dòng)為顧客做出推薦，也不能發(fā)掘出顧客更多的興趣[8]。

5.2 信息過濾

與信息檢索不同，信息過濾重視顧客的長(zhǎng)線需求，主要是用來處理一些文本信息，最終的目標(biāo)是幫助顧客處理海量的信息，這一技術(shù)必須建立在基于顧客興趣愛好上。其主要分為兩種，一種是基于內(nèi)容信息過濾技術(shù)，另一種是協(xié)同過濾技術(shù)，結(jié)合信息內(nèi)容特征來過濾，把信息流與顧客檔案文件有機(jī)匹配，根據(jù)匹配的程度來確定這一信息流對(duì)顧客有沒有價(jià)值[9]。

5.3 協(xié)同過濾

在這一項(xiàng)技術(shù)中，顧客通過互相合作進(jìn)行信息選擇，其主要是根據(jù)與自己興趣比較相似的顧客，通過這些顧客對(duì)信息數(shù)據(jù)做出評(píng)價(jià)。協(xié)作方通常是顧客信任的親戚朋友、同事或者與自己興趣比較相似的客戶等，根據(jù)他們的判斷來向消費(fèi)者推薦信息。協(xié)同過濾技術(shù)最大的優(yōu)勢(shì)在于其不再結(jié)合物品本身來分析，而是分析消費(fèi)者的行為，進(jìn)而完成過濾。通過不斷研究分析協(xié)同過濾技術(shù)，人們也開始完善這一項(xiàng)技術(shù)，進(jìn)而產(chǎn)生一種自動(dòng)化智能化的協(xié)同過濾技術(shù)。協(xié)同過濾技術(shù)有如下幾點(diǎn)優(yōu)點(diǎn)。

（1）協(xié)同過濾技術(shù)不關(guān)心資源實(shí)際的內(nèi)容，所以很難分析資源的內(nèi)容，比如音樂、圖形、視頻以及圖像等作為資源內(nèi)容時(shí)，協(xié)同過濾技術(shù)是非常好的選擇。

（2）協(xié)同過濾技術(shù)能夠發(fā)現(xiàn)內(nèi)容上看起來完全不一樣的資源，消費(fèi)者對(duì)推薦的內(nèi)容無法提前預(yù)料。相比以往的傳統(tǒng)方式，協(xié)同過濾技術(shù)會(huì)有很多不可取代的優(yōu)勢(shì)，也是[10]目前為止個(gè)性化推薦系統(tǒng)當(dāng)中運(yùn)用比較成功的一項(xiàng)技術(shù)

6 個(gè)性化推薦技術(shù)分類

6.1 基于項(xiàng)目推薦算法

主要分為兩個(gè)階段，第一個(gè)階段是最近鄰查詢，第二個(gè)階段是結(jié)合顧客對(duì)最近鄰居實(shí)際評(píng)分來預(yù)測(cè)其對(duì)目標(biāo)項(xiàng)評(píng)分，然后產(chǎn)生TOP-N產(chǎn)品的推薦。

基于項(xiàng)目推薦算法，它除了可以提升可測(cè)量性，同時(shí)對(duì)于推薦的結(jié)果還能作出很好的解釋，由于大多數(shù)情況下，特定的一些消費(fèi)者對(duì)特定的產(chǎn)品會(huì)比較感興趣。然而，基于項(xiàng)目推薦算法無法作出“跨類型”產(chǎn)品推薦，因此就不能夠挖掘出消費(fèi)者的潛在興趣。

6.2 基于商品的推薦系統(tǒng)

結(jié)合商品屬性特征來向消費(fèi)者產(chǎn)生推薦列表，這一推薦系統(tǒng)就需要消費(fèi)者輸入其所需要的商品屬性特點(diǎn)，所以屬于手工輸入推薦的方式。基于商品屬性的推薦不僅是瞬時(shí)的，同時(shí)還是個(gè)性化的，主要取決于站點(diǎn)是不是保存消費(fèi)者偏好的記錄。

6.3 基于內(nèi)容推薦

首先，對(duì)每一個(gè)客戶的訪問要建立文檔，并且還要把網(wǎng)站內(nèi)容進(jìn)行分類，比如說商務(wù)網(wǎng)站中的產(chǎn)品、教育平臺(tái)的課程內(nèi)容等要進(jìn)行細(xì)致分類，在消費(fèi)者訪問這一網(wǎng)站的時(shí)候，就能結(jié)合該消費(fèi)者訪問內(nèi)容建立文檔。

運(yùn)用結(jié)合內(nèi)容的方式來推薦，其優(yōu)點(diǎn)是簡(jiǎn)單。但缺點(diǎn)是無法為客戶挖掘出新鮮的資源，只是可以發(fā)現(xiàn)和客戶已有的興趣相類似的資源，同時(shí)還很難區(qū)分資源的風(fēng)格與品質(zhì)。其次，在推薦前還應(yīng)該做全面的分析工作，詳細(xì)分析現(xiàn)階段客戶訪問的內(nèi)容都是什么[11]。

6.4 知識(shí)工程方法

在個(gè)性化的推薦系統(tǒng)中，知識(shí)工程的方式能夠用來尋求在發(fā)現(xiàn)客戶選擇產(chǎn)品時(shí)，影響他們喜好的因素。這一系統(tǒng)使用人員通過自定義規(guī)則進(jìn)行顯示文本的消息，然而規(guī)則對(duì)每一個(gè)客戶來說是個(gè)性化的。這部分自定義規(guī)則是結(jié)合內(nèi)容以及文本消息屬性，比如說閃光點(diǎn)、發(fā)送人、長(zhǎng)度等。知識(shí)工程的方式不僅可以基于項(xiàng)目的特征、其他特定的領(lǐng)域，并且還能基于用戶的特征。同其他方式相比，知識(shí)工程的方式的不同之處主要表現(xiàn)為知識(shí)工程所產(chǎn)生的過程不是自動(dòng)的，并且在這種方法中，需要利用過去人類一切文明成果。

7 結(jié)語(yǔ)

綜上所述，隨著電子商務(wù)不斷發(fā)展，數(shù)據(jù)量正在以驚人的速度呈爆炸式增長(zhǎng)，要想獲取有價(jià)值和有用的信息，那么電商推薦系統(tǒng)對(duì)于不同的用戶，以及對(duì)服務(wù)和商品就要作出個(gè)性化的推薦。協(xié)同過濾的方式當(dāng)前已經(jīng)成功運(yùn)用在電子商務(wù)個(gè)性化推薦系統(tǒng)中，然而伴隨電商推薦系統(tǒng)普遍的運(yùn)用以及系統(tǒng)規(guī)模逐步擴(kuò)大，協(xié)同過濾推薦算法也暴露出了諸多問題和挑戰(zhàn)。對(duì)此，文章首先研究分析了協(xié)同過濾技術(shù)存在的問題，隨后又分析了電商個(gè)性化推薦方法，并對(duì)各種推薦方式在電商推薦系統(tǒng)中的運(yùn)用進(jìn)行了比較，希望能夠?yàn)閺V大用戶提供更為精確的推薦結(jié)果。