电子商务中个性化信息服务的研究的论文

《电子商务中个性化信息服务的研究的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子商务中个性化信息服务的研究的论文[摘要]与传统信息服务相比，个性化信息服务能更好地满足用户的需求，是电子商务发展的方向。本文在介绍个性化信息服务的同时，着重讨论了实现个性化信息服务的关键技术——个性化信息推荐系统，尝试给出一个个性化信息服务推荐系统的体系结构。　　[关键词]电子商务个性化信息服务个性化推荐系统　　　　一、个性化信息服务　　　　随着网络技术的不断发展和电子商务的盛行，个性化信息服务成为了各商家在激烈的竞争中立于不败之地的重要法宝。dell公司的成功，就证实了个性化信息服务的重要性。

2、个性化信息服务是指互联网络使用者可以按照自己的目的和需求，在某种特定的网络功能和服务方式中，自己设定网上信息的来源方式、表现形式、特定网上功能以及其他的网上服务方式等，以达到最为快捷地获取自己所需的网上信息服务内容的目的，强调“以用户为中心”尽可能的满足用户的需求。个性化信息服务应用于电子商务中，通过捕获用户的兴趣来提高商品的销售量。　　　　二、个性化信息服务的主要特点　　　　1.以用户为中心，以满足用户个性化的价值追求为目标。个性化信息服务应主动为用户选择最需要的资源与服务，根据用户需求的变化，动

3、态的改变所提供的信息，让用户得到个性化的服务。它以满足特定用户的特定需求为主旨，以给用户提供最快捷、最方便、最易用的服务为目标，它是“以用户为中心”的服务，可以是以用户的信息需求为依据，面向用户开展的一切服务性活动，也可以是针对特定需求向用户提供特定信息的有计划、有目的的活动，服务的基础就是用户的信息需求。.　　2.具备智能化信息分析与处理功能。个性化信息服务中的智能化信息分析与处理功能一方面表现在系统的主动性推荐和协同推荐上，另一方面表现在对用户综合行为的挖掘中。主动推荐是指主动采集并跟踪用户浏览

4、的信息，从用户日常检索浏览中主动学习用户的兴趣，推理并预测用户需求，及时处理推荐信息；协同推荐是指根据不同用户的相同点或相似性进行信息推荐，使需求相同的用户之间共享查询结果。用户综合行为的挖掘是针对用户所有可能被记录下来的行为进行数据挖掘，实现资源的深层挖掘并提供有效的服务。　　3.推荐精确、系统的知识。个性化信息服务通过过滤、屏蔽无关无用的冗余信息，推荐精确、有效、真正具有针对性的信息，:能自动地、智能地将大量的数据转换为具有规律性、系统性的知识，形成具有内在关联的信息链和知识链，并以易于理解的模

5、式推荐给用户。　　4.主动性、高效性、灵活性。个性化信息服务采用“push”技术，其主动性主要是指服务不需要用户及时请求而主动地将数据传给用户，与传统的浏览器的“pull”技术的被动服务形成鲜明的对比；高效性主要是指可在网络空闲时启动，能够有效的利用网络带宽，比较适合传送大量的多媒体信息；灵活性主要体现在用户能够完全根据自己的方便和需要，灵活地设置连接时间，通过e-mail、对话框、音频、视频等方式获取网上特定信息资源。　　5.允许用户充分表达个性化需求。个性化信息服务系统不仅提供友好的界面，而且方

6、便用户交互、描述自己的需求、反馈对服务结果的评价等。　　　　三、个性化信息服务研究的基本问题　　　　个性化信息服务研究的基本问题包括个性化的具体应用：个性化应用分为资源的个性化入口和过滤/排序；用户信息需求定义文件的表示与创建：用户信息需求或兴趣的描述和存储；协同过滤与单独过滤：针对一个或一组用户对信息文档根据文件进行的相关度排序；系统的体系结构：用户信息需求定义文件放在服务器还是客户计算机上，或者处于二者之间的代理服务器上；个性化系统的评估：包括信息需求定义文件的收敛分析和信息需求定义文件是否反映

7、用户的实际兴趣分析。这些问题也是设计一个具体的应用必须要明确的问题，而且它们之间是互相关联、互相制约的。　　　　四、个性化信息推荐系统　　　　推荐系统是一种在特定类型数据库中进行知识发现的应用技术，使用多种数据分析技术为用户更好的服务，向用户主动、及时、准确地提供所需信息，并能根据用户对推荐内容的反馈进一步改进推荐结果。不仅要对用户提出的要求提供最贴切的信息服务，还要能依据个体个性特征，主动收集个体可能感兴趣的信息，甚至预测个体可能的个性发展，提前收集相应的信息，最后以个性化方式显示给个体。是实现个

8、性化信息服务的关键。　　1.个性化信息推荐系统的关键技术。个性化信息服务推荐系统是实现个性化信息服务的主要途径，主要是通过信息过滤和协同过滤等技术将用户需要的信息推荐给用户的。其关键技术有：　　(1)内容过滤技术:试图跟踪和把握用户的潜在信息需求，比较资源和用户描述文件，对动态信息流进行过滤，尽量屏蔽无用信息，向用户主动提供信息资源列表，从而提高用户获取信息的效率。　　(2)协同过滤技术：利用用户的访问信息，通过用户群的相似性进行内容推荐，不依赖于内容仅依赖于用户之间