电子商务推荐系统研究

《电子商务推荐系统研究》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、电子商务推荐系统研究摘要：简要介绍了电子商务推荐系统的概念、作用及其组成模块，系统介绍了基于协同过滤的推荐技术、基于内容的推荐技术、基于效用的推荐技术、基于知识的推荐技术、基于用户统计的推荐技术等六种推荐技术，并描述了电子商务推荐系统的工作流程，重点阐述了未来电子商务推荐系统的研究方向。关键词：推荐系统；电子商务；协同过滤一电子商务推荐系统概念及作用推荐系统就是一个能够在分析用户以往的使用行为的基础上，能够破解用户需求并提出建议的信息系统，该信息系统实际上市网站与用户之间的一个行为对话系统。（刘杰决策支持系统应用的一个新领域：电子商务推荐系统管理学家2008297-299）推荐系统的有效性取决

2、于提供个性化服务的深度和能够充分减少信息超载以及增加用户的满意度，它已经成为决策支持系统(DecisionSupportSystems—DSS)的一个重要的研究方向。Resnick&Varian在1997年给出了电子商务推荐系统(RecommenderSystems)正式的定义，指利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。(Resnick,Varian.Recommendersystems.CommunicationoftheACM,1997,40(3):56-58.)电子商务推荐系统最大的优点在于它能收集用户感兴趣的资料，并根据

3、用户兴趣偏好主动为用户作出个性化推荐。电子商务推荐系统作用主要表现在以下几个方面：①将电子商务网站的浏览者转变为购买者者(ConvertingBrowsersintoBuyers)；②提高电子商务网站的交叉销售能力(Cross-Sell)；③减少消费者成本（时间、资金等），满足顾客需求，增加其满意度；④增加卖家产品浏览度，从而提高卖家收益。二电子商务推荐系统的组成推荐系统面对的是用户（user），任务是为用户提供对项目（item）的推荐。用户是指推荐系统的使用者，也就是电子商务活动中的客户。项目是被推荐的对象，是指电子商务活动中提供给客户选择的产品和服务，也就是最终推荐系统返回给用户的推荐内容

4、。在一个电子商务活动中，用户数和项目数是非常多的。推荐系统面对的当前用户，称为目标用户或者活动用户。推荐系统的当前工作，就是为根据一定的算法，给出对目标用户的推荐项目。电子商务推荐系统主要由三大部分构成：输入模块、推荐方法模块和输出模块。输入模块用来接受用户的输入信息，输入主要来自个人和社团群体两部分。个人输入主要指目标用户，即要求获得推荐的人，为得到推荐必须对一些项目进行评价，以表达自己的偏好，包括隐式浏览输入、显式浏览输入、关键词和项目属性输入以及用户购买历史等；社团群体输入主要指集体形式的评价数据，包括项目属性、社团购买历史、文本评价和等级评分等。其中用户的输入信息中最重要的是用户对项目

5、的评价（rating）数据；推荐方法模块用来根据一定算法，根据用户数据，得出对目标用户的推荐，该模块是整个推荐系统的核心部分，个性化推荐方面的研究的很大一部分，都集中在找到好的推荐方法。输出模块主要是指得到的推荐以何种形式反馈给用户。主要的形式有：（余力,刘鲁.电子商务个性化推荐研究.计算机集成制造系统.2004(10):1306-1309）①建议(suggestion)，分为单个建议(singleitem)、未排序建议列表(unorderedlist)和排序建议列表(orderedlist)，典型的如Top-N：根据客户的喜好向客户推荐最可能吸引客户的N件产品；②预测(prediction)

6、,系统对给定项目的总体评分；③个体评分(individualrating)，输出其他客户对商品的个体评分；④评论(Review)，输出其他客户对商品的文本评价。二电子商务推荐系统的关键技术电子商务系统根据其所采用推荐技术大致可以分为几类：一是基于协同过滤技术的推荐系统，所采用的技术是协同过滤；二是基于内容过滤的推荐系统，所采用的技术是信息过滤；三是基于知识发现推荐系统，所采用的技术是知识发现，搜索与数据挖掘技术；四是一些非主流推荐系统，比如基于统计、效用的推荐系统，如贝叶斯网络、神经网络等。此外还有一些组合技术和交互式推荐等。其中使用较多的是协同过滤，内容过滤，知识发现等。如图为几个主要的推荐

7、技术示意图1所示。1.基于协同过滤的推荐技术基于协同过滤的推荐时目前研究最多的个性化推荐技术，它根据其他用户的观点产生对目标用户的推荐列表，推荐的个性化程度高。在协同过滤推荐系统中，用户描述的典型方法是采用以商品及其评价为分量的向量来表示，向量将随着用户与系统交互时间的增加而不断增大，协同过滤推荐的核心思想是认为用户倾向于购买具有相似意向的用户群所购买的商品，因而它在预测某个用户的商品购买倾向时是