基于规则电子商务推荐系统模型和实现

《基于规则电子商务推荐系统模型和实现》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第10卷第8期204年8月计算机集成制造系统ComputerIntegratedManufacturingSystemsV01．10NO．8Aug．2004文章编号：1006—5911(2004)08—0898—05基于规则的电子商务推荐系统模型和实现张锋1，常会友2，衣杨2(1．中山大学软件学院，广东广州510275；2．中山大学信科院计算机系，广东广州510275)摘要：针对电子商务推荐系统本质上要解决的三个问题——数据源、数据模型和推荐策略，结合最新报道的相关推荐系统，提出并在实验室条件下实现了一个推荐系统原型。为提高该推荐系统的的通用性，采用顾客购买历史这种

2、数据源格式，而不是常见的用户评分数据；另外，为保证产生足够的推荐结果并提高其质量，用关联规则和序列规则结合的方法来构建推荐系统引擎，并设计_了一个基于一次表扫描时间的推荐策略。最后，从定性和定量两方面说明该推荐系统效率高，有更好的推荐质量。关键词：数据挖掘；规则挖掘；电子商务；推荐系统中图分类号：TP31文献标识码：A0引言推荐；③基于上述两种技术的’即混合型啪。在传统商业销售中，商场通过销售人员向顾客推荐商品；但在电子商务环境下，关于商品和客户的信息都是海量的，人工处理既不现实也不经济。于是电子商务推荐系统被应用在电子商务中，扮演传统商业中销售人员的角色：向顾客提供商品信

3、息和建议，帮助顾客完成购买过程。推荐系统在电子商务网站中所起的作用主要体现在三个方面：①将电子商务网站的浏览者转变为购买者；②提高电子商务网站的交叉销售能力；③提高顾客对电子商务网站的忠诚度[1]。数据挖掘技术的应用，使推荐系统更智能化，学习能力更强，推荐效果更好，其实质就是给终端用户和电子商务营销决策者提供相关个性化和智能化的服务‘1～7

4、。从电子商务推荐系统所使用的技术来看，可以分为三大类：①基于内容的，即通过比较项(商品)之间的相似性实现推荐；②基于协同过滤技术的，即根据目标顾客和历史顾客的购买行为特征相似性进行1相关工作电子商务推荐系统，和其他数据挖掘应用一样，首先

5、也要解决源数据的建模和特征提取问题。本质上是要解决三个问题：①采用何种数据源；②建立什么样的描述数据的模型或模式；③用什么方法进行推荐，即推荐策略问题。在数据源选取问题上，大致可以分为基于顾客评分／评价和基于顾客购买历史两类。基于用户评分／评价的推荐系统比较多，如LIBRA[8]，Item—BasedTop—NRecommendation‘9]和RecTree[10]等。这类推荐系统缺乏通用性，因为收集评分数据需要顾客的一些额外配合，这并不是每个电子商务网站都能做到的；其推荐结果也并不一定客观，因为不能保证顾客的评分能客观反映顾客的购买兴趣[11

6、。基于顾客购买历史的推荐系

7、统则避免了上述不足，具有良好的通用性。本文的研究集中在基于规则的推荐系统，这类推荐系统往往利用实际交易数据作为数据源，它符收稿日期：2004—02—20；修订日期：2004—05—21。基金项目：广东省自然科学基金资助项目(031539)。作者简介：张锋(1974--)，男，广西人，中山大学软件学院硕士研究生，主要从事数据挖掘、电子商务等方丽的研究。E--mail：mrzf@163．com。万方数据第8期张锋等：基于规则的电子商务推荐系统模型和实现899合“数据源的通用性”要求。基于关联规则的推荐系统的特点是实现起来比较简洁，推荐效果良好，并能动态地把客户兴趣变化反映到推荐

8、结果中。SurfLenEl21和ASARM[131是最近报道的两个。SurfLen是一个以Apriori[141为核心技术的推荐系统，其推荐对象是顾客浏览的网页而不是商品，但其底层的数据挖掘技术和本文的系统是类似的。它有．两种推荐方式：①比较用户当前和历史数据的相似性进行推荐；②利用最相似用户的数据进行推荐。ASARM实质上是一个自适应的关联规则算法，以这个算法为核心，实现了一个推荐系统，可以通过分析用户的相似性和分析项的相似性产生推荐。上述两个系统的共同点都是基于Apriori的关联规则算法为核心设计的推荐系统，但都没能完全避免联机数据挖掘的情况发生，因此在推荐效率上不很

9、令人满意。如果仅使用关联规则生成推荐结果，很多时候并不能得到足够的推荐。。实现结果表明，如果使用关联规则和序列规则结合的模型来描述交易数据，进而实现对顾客的个性化推荐，不仅可以解决推荐结果的“数量”问题，而且在保证推荐效率的基础上可以提高推荐质量。2总体设计描述2．1数据源最常见的电子商务网站交易格式如下：UserlD：：TranslD：：CommoditiesLists⋯。其中，UserlD为用户编号，TransID为交易号，CommoditiesLists为本交易包括的所有商晶。对这样的交易数据先进行建模再做商