大数据时代电子商务个性化推荐服务研究

《大数据时代电子商务个性化推荐服务研究》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、大数据时代电子商务个性化推荐服务研究　　[摘要]当前大数据已成功应用到多个领域，其中，大数据带来的个性化推荐服务迅速应用于电子商务领域，并且颇为成功。早在2012年国内电商界的3个竞争对手――京东、苏宁、国美进行价格大战，令中国互联网硝烟弥漫时，同样作为电商巨头的亚马逊，已经凭借其强大的个性化推荐系统，使公司该年第二财季销售额增长29%，由上一年年同期的99亿美元增长至128.3亿美元。那么如今国内电子商务个性化推荐服务的发展状况如何？发展中存在什么不足之处？该如何改进这些不足？本文正是在这些问题的基础上展开论述。　　[关键词]大数据；电子商务；个性化推荐；服务过度；用

2、户交互　　doi：10.3969/j.issn.1673-0194.2016.10.095　　[中图分类号]F713.36[文献标识码]A[文章编号]1673-0194（2016）10-0-01　　1大数据时代电子商务个性化推荐服务的性质与发展现状　　自2003年以来，电子商务个性化服务成为一个研究热点。对此，不同专家对电子商务个性化推荐服务的看法略有不同。有人认为个性化信息服务的最基本准则，是根据客户的特性提供具有针对性的信息内容和系统功能。也有人把个性化信息服务定义为基于用户平时浏览网页所表现出的习惯、个人偏好和特点，而自主地向用户提供满足其各种个性化需求的一种服务

3、。还有人对个性化推荐服务进行了详细的阐述，认为其是立足于用户的信息使用行为，满足用户个人个性化信息需求的一种服务，往往是在某些特定的网上服务及网上功能中，通过用户自己设定网上信息来源方式、表现形式、特定网上功能及其他网上服务方式等，通过服务器主动向用户提供可能的服务。　　信息技术的迅猛发展给用户提供了海量的信息，为了满足个体用户的特定需求，提供个性化服务势在必行，并且早已成功地应用于电子商务，即在电子商务活动中，根据用户的个人特征、兴趣、心理、经验等方面，针对用户特定需求，以合适的方式，主动向用户提供经过集成相对完整的信息组合或知识组合。例如，在用户打开网页的同时，根据

4、用户最近的行为偏好及特点，实时为其推荐最新的产品信息。　　2大数据时代电子商务个性化服务不足之处　　第一，个性化推荐服务往往只是根据用户平时浏览所产生的简单的关键词进行匹配，推荐结果会产生海量的商品信息，而真正相关的商品或有用的信息却很少。这其实根本无法准确地检测出用户真正的需求，使用户耗费大量的时间和精力处理一些毫不相干的商品信息。　　第二，基于关键字的需求模型不能全面准确地反映出用户的兴趣。当用户对某些商品信息感兴趣时，不能对相关的信息进行保存，不能对信息的完整性进行维护，因此，也就不能更准确地检索出用户需要的商品。　　第三，不可否认的是，这些个性化推荐服务大都是建

5、立在认为浏览者的需求比较稳定的基础上。事实上，用户的网上行为只是现实生活的网络化，因此，浏览者的爱好是不停变化的，而当浏览者的商品偏好发生改变，而推荐系统并不能对此作出准确及时的反应时，甚至在用户不发生浏览行为的情况下不会存在调整，这样，就会产生大量过时无用的信息，而这一弊端，几乎是电商个性化推荐系统的通病。　　第四，当推荐系统以任何方式挖掘到可推荐内容时，很有可能不进行审核判断而直接推荐，在这种情况下，有可能发生侵犯个人隐私的行为。　　3电子商务个性化推荐服务改进的几点建议　　上述的几点不足之处都是过度服务导致的后果。那么，如何为消费者提供恰当的推荐服务，避免出现服务

6、过度的情况呢？　　基于Web挖掘技术所确定的用户兴趣模型，虽然提供了很多便利，但是缺乏对客户心理学、消费行为学的深层研究，容易造成服务过度。　　首先，笔者认为最基本的是改进挖掘技术，做到能够在关联规则中有意识地加强对用户隐私的保护；其次，让更多的用户参与，推荐系统可加强与用户的互动。例如：①个性化推荐服务，可以通过简单的操作让用户参与其中；②用户可以自主地增加或删除自己想要或不想要的相关推荐；③像手机可选择“飞行模式”“会议模式”等一样，用户可根据不同场合选择不同模式，以保证推荐信息的适时性、高效性；④商务网站获取了用户大量的隐私信息，但是针对个性化泛滥信息还没有很好的

7、管理措施，因此，主要靠信息提供商的自我约束，根据用户心理，提供合适的推荐服务，主动保护用户隐私，提供有用的服务。　　4结语　　电子商务个性化推荐服务已日趋完善，但是在发展过程中难免存在不足，因此在最初的数据挖掘上就应当加强研究，在建立用户兴趣模型的过程中，加大用户的参与度，以达到推荐信息的有效性、适时性等。另外，信息服务商应当注重用户的隐私及用户体验。如何提供合理恰当的个性化推荐，将是未来电子商务的一个重点研究方向。　　主要参考文献　　[1]张秀伟，何克清，王健，等.Web服务个性化推荐研究综述[J].计算机工程与科学，2013（9）.