中小网商商品推荐的冷启动解决方案研究--基于数据挖掘和社会网络分析方法-论文.pdf

《中小网商商品推荐的冷启动解决方案研究--基于数据挖掘和社会网络分析方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、企业管理中小网商商品推荐的冷启动解决方案研究——基于数据挖掘和社会网络分析方法沈燕花许研一、引言荐机制，其网上用户从访问到购买的转化率达到16．5％，在1．推荐机制产生的背景。信息共享时代的来临，用户亚马逊网站上有35％的销售额是来自个性化推荐，有60％的虽然享受着丰富信息所带来的满足感，但也面临着如何在茫销售额是间接受到推荐的影响。茫信息大海中发现自己的目标信息的巨大挑战。然而经过信3．社会网络中个性化推荐机制。目前网络上个性化推荐的息搜索技术过滤后的信息仍然难以满足个性化用户的需求。‘表现形式大概有个人化推荐、基因化推荐以及社会网络

2、化推荐此时个性化服务技术便应运而生了，推荐机制便是个性化服种，其中社会网络化推荐是应用了社会网络分析的思想。务的重要组成部分。以电子商务背景为例，电子商务中的推根据社会网络的定义：“个体之间不同的社会交互，这些个体荐机制是基于消费者已有的信息和数据，通过科学性的预测，由于共同的兴趣爱好、物质利益或互相相识而联系在一起。”向消费者推荐令其感兴趣的商品或服务。电子商务中应人处在社会网络中总是存在多种丰富的关系，因此，社会网络用的推荐机制，通过消费者与电商的互动，从而实现消费利中存在大量的信息可用于分析和挖掘。社会网络化推荐机制借益以及企业效

3、益两全其美的局面。用web2．0技术，基于对用户需求、偏好性类似的客户群体，在2．推荐机制的发展沿革。在推荐机制的优越性以及电对这类群体的过去行为记录和数据的调查和研究，然后为处在商市场的需求推动下，国外专家及学者对推荐机制的深入研这个偏好性类似群体中的客户，提供相关产品推荐服务。社会究开始于20世纪九十年代，在电子商务推荐技术和机制的网络化推荐机制融入了社会学概念，不同于个人化推荐只是单研究方面己取得较多的理论和应用成果。更多的学者把推纯性地研究用户个人的历史数据，而是站在社会网络群体的角荐系统视为一种数据库知识发现(Knowledg

4、eDiscoveryin度对用户的行为进行分析。这种方式相对来说在人情化、实际Databases，KDD)系统或者电子代理系统。推荐机制的优性以及有效性方面更具有优越性。越性不仅在电子商务系统中淋漓尽现，在新闻行业、音乐推其中最常用的推荐技术便是基于社会网络分析的协同过滤荐等领域也是推荐机制的用武之地。推荐。协同过滤推荐技术是利用用户爱好之间的相似性来进行从推荐技术上，推荐系统可以分为两类：一类是基于规则推荐，通过类似用户对商品的偏好情况，通常主要以评价和打的系统，别一类是信息过滤系统。信息过滤系统又可分为基于分的形式为标准J。然而这种

5、传统的协同过滤推荐技术存在数内容过滤的系统和协同过滤系统。基于协同过滤的个性化推荐据稀疏性、冷启动以及低效评价行为等问题。尤其对刚刚起步机制被认为是应用比较成功的一种推荐机制。融合社会网络的中小规模B2C网商，由于经营时间短，用户量较少，用户购分析的协同过滤推荐机制，是通过研究社会网络而不是单纯性买数据有限，无法建立起完善的“用户一产品”样本数据库搭分割式地研究消费者个人或组织，通过协同推荐技术找出目标建社会网络，更无法基于网络进行数据分析形成推荐结果。学消费者的信息“最近”邻居用户，根据邻居用户对物品或服务术研究中称这样现象为个性化推

6、荐机制的“冷启动”问题。由的评分等，对目标消费者提供有效的推荐服务。基于社会网络于推荐功能处于劣势，中小规模网商在经营过程中丧失了有效的协同过滤推荐机制术结合了社会学、数据挖掘领域、人工智能、的营销工具，拓展销售规模更是举步维艰。对于整个行业来讲，模式识别以及个性化推荐技术，克服了传统个性化推荐存在的推荐工具的差异化会导致网商之间规模差距越来越大。因此，新用户、新项目及数据稀疏性等部分问题，被认为蕴含较高的推荐机制的冷启动问题不但制约着小网商的发展，而且进一步学术价值和乐观的实际运用前景。导致行业竞争中的马太效应，不利于网购行业的发展。

7、基于协同过滤推荐机制的成功运用案例便是亚马逊，其因此，本文基于数据挖掘和社会网络分析的方法，设计应用的推荐机制，是源于对用户过去行为的数据分析、群体了中小规模网商在经营初期进行商品推荐的冷启动问题解决浏览记录、交易记录而得的关联推荐以及基于用户评论评分方案，帮助小商家实现更加精准的商品推荐，促进网商销售和主观要求等个人反馈数据的推荐。亚马逊凭借其良好的推规模增长。www：guanh~uancha．com管理观察·总第525期蛋企业管理二、方案设计数计算随机行走后仍在同一集群中获得节点的最佳分割。为1．获取数据。冷启动问题的核心是经营初期

8、用户购买了在网络图中展示这些子群，我们采用了不同的颜色来标记数据稀少，难以搭建信息含量丰富的社会化网络。为了解决他们，如图1所示。其中根据聚集度不同，分别标记了黄、这一问题，我们选择利用内容挖掘软件对行业中