知识网格与电子商务智能推荐系统研究

《知识网格与电子商务智能推荐系统研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、http://www.paper.edu.cn知识网格与电子商务智能推荐系统研究陈冬林聂规划刘平峰(武汉理工大学经济学院430070)摘要：在日趋激烈的竞争环境下，电子商务推荐系统能有效地保留客户，提高电子商务系统的销售的有效手段。本文首先介绍电子商务推荐技术和系统的研究现状，深入分析现有技术和系统存在的质量、实时性和规模性问题，然后探索了网格技术、知识网格和本体论在相关领域取得的进展，最后提出基于知识网格与电子商务智能推荐系统的构想，这是一种具有广阔前景的电子商务研究方向。关键词：推荐系统；知识网格；语义本体

2、论；电子商务中图分类法：TP311文献标示码：A1引言随着电子商的发展，电子商务网站为客户提供越来越多选择的同时，其结构也变得更加复杂。一方面，客户面临对大量的商品信息束手无策，客户经常会迷失在大量的商品信息空间中；另一方面，商家也失去了与消费者的联系。推荐技术和系统模拟商店销售人员向客户提供商品推荐，帮助客户找到所需商品，从而顺利完成购买过程，因此可以有效保留客户，提高电子商务系统的销售；商家也可以通过推荐系统保持与客户的联系，重建客户关系。目前几乎所有的大型电子商务系统，Amazon、CDNOW、eBay、

3、当当网上书店都不同程度地使用电子商务推荐技术和系统。各种提供个性化服务的Web站点也需要推荐系统的大力支持。美国计算机学会ACM从1999年开始召开的电子商务研讨会中，有关电子商务推荐系统有研究文章点很大比重。此协会的数据挖掘特别兴趣组SIGKDD小组设立WEBKDD研讨组，主题集中在电子商务中的WEB挖掘技术和推荐系统技术。而ACM下面的信息检索特别兴趣组SIGIR在召开的第24届研究和发展会议上，开始专门把推荐作为一个研讨主题。目前电子商务推荐系统主要集中在推荐技术、推荐实时性、推荐质量、多种数据技术的集成

4、、数据挖掘技术在推荐系统中的应用等的研究。虽然电子商务推荐的技术和系统都有相对大的进步，但是，如何及时地在网络上的海量信息发现所需要的商品已经变得越来越困难。IEEEInternetComputing2001年的统计也表明，188互联网每年产生2x10字节的信息量，著名的搜索引擎google只能搜索到1.3×10网页。目前的电子商务推荐系统都只是基于单个电子商务网站的应用，所推荐的产品和服务是基于电子商务网站，客户群体也是特定的，因此不能满足基于网络条件下大规模电子商务推荐应用，并且存在实时性差、推荐质量不高的

5、问题。基于知识推荐的优势在于它对客户的要求较少，因此适用于客户临时随机浏览的情况。虽然它不象协作推荐那样能为每位客户在客户群中找到合适的位置，但只要所依据的知识允许，它做出的推荐就能为多数客户所用。但基于知识的推荐技术最大的难点是知识的获取，而知识网格技术是可以有效地实现知识的获取、聚合和智能推荐问题。作者简介：陈冬林(1970-)，男，湖北安陆人，博士、讲师；聂规划(1957-),男，河南，教授、博士生导师；刘平峰,博士生、讲师。资助项目：武建科字174.18；校博士基金。1http://www.paper.

6、edu.cn2.国外内电子商务推荐技术及系统研究现状2.1电子商务推荐技术研究电子商务推荐技术的研究方向主要包括基于内容的过滤和协同过程过滤两种。(1).基于内容的推荐技术：是信息过滤的派生和继续，是用相关特征来定义所要推荐的商品。例如，NewWeeder等新闻过滤的文本推荐系统就是采用文本中的单词作为文本的特征。系统通过学习客户已评价过的商品的特征来获得对客户兴趣的描述。客户描述类型的产生取决于系统所采用的学习算法，判定树、神经网络、基于向量的表示等技术都可应用于其中。Schafer等称之为“商品与商品的相关

7、性推荐”。这种技术最大的缺点是必须分析资源的内容信息，因此对音乐、图像、视频等信息无能为力，无法分析信息的质量，无法提供新颖的推[1]荐。(2).协同过滤技术：由于基于内容的过滤自身的局限性，协同过滤推荐技术是当前研究的研究。协同过滤的最大优点是不需要分析对象的特征属性，对推荐对象没有特殊要求，能处理非结构化的复杂对象。著名的推荐系统有GroupLens/NetPercep。该方法主要有两类：①基于内存的协同过滤，先用统计的方法得到具有相似兴趣爱好的邻居客户，再基于邻居进行计算，所以该方法也称基于客户的协同过滤

8、或基于邻居的协同过滤；②基于模型的协同过滤，先用历史数据得到一个模型，再用此模型进行预测。目前这方面的研究多集中对协同过滤推荐算法的改进研究。如刘力等人在假设客户多兴趣具有相似性的前提下，提出了客户多[2]兴趣下的个性化推荐算法；Soe-TsyrYuan提出了一种基于语义本体论的耦合聚类算法[OBPC]，应用于异质移动产品的推荐上，它不但解决了现有协同过滤算法存在的局限性，即只能应用于