浅谈电子商务个性化推荐系统

《浅谈电子商务个性化推荐系统》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、浅谈电子商务个性化推荐系统　　中图分类号：TP393文献识别码：A：1001-828X（2015）015-000-02　　一、引言　　在虚拟的电子商务世界里，大量的商家把商品放在虚拟的网络空间，存在海量的商品信息在互联网上，对于普通消费者很难准确的找到对某个商家提高的商品非常感兴趣。用户也不可能花很多时间在浩瀚的网络资源世界里随意的去寻找自己所需，对于商品的信息用户也不可能像在现实生活的商场里一样进行实物比对。用户也无法知道商品的真正质量和品质。所以绝大多数的用户希望电子商务网站能够自动的为用户进行推荐，帮助用户在网上进行商品的

2、挑选和购买，同时也希望网站提供其他购买商品的用户的一些评价信息，以便用户更好的了解商品的质量，根据相似或用户兴趣相同的用户进行推荐，满足用户在第一时间为用户推荐有效商品信息的需求。由于这一需求的用户量越来越多，电子商务个性化推荐系统也由此而生。　　二、电子商务个性化推荐系统　　所谓电子商务个性化推荐技术，即通过电子商务网站给前来访问的用户，提供一个人性化、个性化、方便、快捷的信息推荐，更加符合用户的兴趣偏好，推荐的形式多样，商品比对多样的个性化产品信息，以便用户采购商品。　　电子商务个性化推荐系统一般来说，可以按主要的功能模块进

3、行划分，通常包括用户输入模块和用户输出功能模块。输入可以是用户在登录该网站的个人信息注册，也可以是多个用户的注册信息的综合。客户个人输入主要是指目标用户，也就是说，要求建议，建议必须评估项目，将他们自身的爱好、隐式浏览和显示扫描输入、关键词以及项目属性及用户购买记录等充分表达出来。社区输入主要包含了项目属性、协会购买记录、评价内容等，是一种集体形式的评估数据。主要表达形式为建议，包括排序建议列表及建议列表排序两种，排序建议列表通常是参考用户的爱好为客户推荐具有吸引力的产品；预测系统的总体评估得分针对于一个给定的项目，个人得分，输

4、出其他客户对商品的个别评级；对于商品的评级可以得出用户对该商品的兴趣度，文本输出也就是用户选购商品后的一组信息填写，一般会采用多种推荐算法的组合，亦或者计算机技术对数据收集整合的方式进行推荐，这个在推荐系统中占据着关键位置，直接影响着推荐系统的质量以及商品信息推荐的有效性。　　电子商务推荐系统中拥有海量数据的信息资源，不同的网站可以在用户访问该网站时，通过cookie收集到各种用户的信息，并且根据用户在网站上选购商品的停留时间，可以判断用户的兴趣喜好，记录用户的信息并为用户提供有效的信息推荐。电子商务个性化推荐系统还可以不断的更

5、新发现用户的新兴趣，根据用户注册时候所填写的资料，自动跟踪用户的购买行为习惯，及时发现用户兴趣的变化。当系统的产品库和用户兴趣的信息变化，自动推荐的序列变化，极大地促进了用户浏览商品信息，并提高服务水平。　　三、电子商务个性化推荐系统结构及检索过程　　电子商务个性化推荐系统的形成起源于每个人的兴趣爱好不是独立的个体，而是属于某种或某个群体。人们在日常生活中所获取的信息多数都是通过他人的引荐得到的。所以按照类似兴趣或完全相同的用户爱好进行相对的信息评价与了解，再向周围人群推荐。根据电子商务个性化推荐系统的结构如图1所示，首先通过用

6、户对信息的评价与了解状况，将用户划分为不同的类别，如：兴趣相同或类似的用户为一类；用户推荐制度主要是通过对类别内外因素的综合影响进行考虑，按照不同的影响程度将信息推荐给相应的用户；通过用户的评价和了解，对用户类别进行相应的调整，对各类参数做出相应的修改，从而将过滤效率不断完善。信息过滤推荐主要是参照用户相互推荐的情况进行，通过对相同或类似用户的正确判断，保证信息推荐的相关性，从而避免无效信息的干扰。　　图1推荐系统整体结构　　信息过滤系统的性能，关键在于过滤模型的完善程度如何。个性化推荐信息系统的过滤工作主要包含了以下几方面：第

7、一，用户的评注和分类机制；第二，用户的推荐机制，结合类别的内外评注信息向用户进行推荐；第三，反馈机制，对用户类别和参数进行不断调整。根据对合作模式的文本过滤中，过滤的结果会根据用户的评注进行判定。而用户评注主要是通过评分的方式决断，根据用户的爱好以及评分标准，为浏览的信息评定相应的分数，评分采用百分制。用户判断分数多少一般都是通过其他用户相同或类似爱好的用户推荐进行的，这样的合作不仅可以避免无效信息的干扰，还能够有效提升过滤系统的精准度。任何用户在合作的状态下都会受类内和类外因素的影响，所以用户可以通过对其他用户的评注信息判断用

8、户爱好和信息之间的关联程度。由于合作模式的文本过滤模式主要是通过用户相互间的推荐形成的，并非是由信息内容形成，所以，在很大程度上减少了系统对信息进行分析时的困难度和成本浪费现象。这种方式不只在文本信息过滤方面受到应用，同样也可以运用到信息推广和推荐方面。推荐系统