淺析電子商務推薦系統
[摘 要] 隨著互聯網的普及和電子商務的發展，商品推薦系統逐漸成為電子商務IT技術的一個重要研究內容，越來越多地 受到研究者的關注。本文探討了電子商務系統的構成、研究內容、研究現狀，分析了目前有的推薦系統存在的缺陷和題目，提出了未來電子商務推薦系統研究的發展方向。[關鍵詞] 電子商務；推薦系統；協作過濾；個性化推薦
隨著互聯網的普及和電子商務的發展，商品推薦系統逐漸成為電子商務IT 技術的一個重要研究內容，越來越多地得到研究者的關注。目前，幾乎所有大型的電子商務系統，如Amazon、CDNOW、eBay、當當網上書店等，都不同程度地使用了各種形式的推薦系統。
而且現在電子商務系統規模的進一步擴大，用戶數目和項目數據急劇增加，迫切需要相應信息檢索技術產生。商品個性化推薦技術，尤其是協同過濾技術，構成了現有電子商務個性化推薦系統的基礎。在這里，之所以夸大個性化，是由于需要推薦系統能為每個用戶推薦適合他們偏好和愛好的產品，而不是千篇一律的推薦。
一、電子商務推薦系統及構成
電子商務推薦系統(Recommendation Systems for E-Commerce)定義是：“它是利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售職員幫助客戶完成購買過程”。
推薦系統面對的是用戶(user)，任務是為用戶提供對項目(item)的推薦。用戶是指推薦系統的使用者，也就是電子商務活動中的客戶。項目是被推薦的對象，是指電子商務活動中提供給客戶選擇的產品和服務，也就是終極推薦系統返回給用戶的推薦內容。在一個電子商務活動中，用戶數和項目數是非常多的。推薦系統面對確當前用戶，稱為目標用戶或者活動用戶。推薦系統確當前工作，就是為根據一定的算法，給出對目標用戶的推薦項目。
電子商務推薦系統主要由三大部分構成：輸進模塊、推薦方法模塊和輸出模塊。輸進模塊用來接受用戶的輸進信息，用戶的輸進信息中最重要的是用戶對項目的評價(rating)數據；推薦方法模塊用來根據一定算法，根據用戶數據，得出對目標用戶的推薦，該模塊是整個推薦系統的核心部分，個性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶。
根據項目的特點，目前主要有兩種類型的推薦系統，一種是以網頁為對象的個性化推薦系統，主要采用Web數據挖掘的方法與技術，為用戶推薦符合其愛好愛好的網頁；另一種是網上購物環境下的、以商品為推薦對象的個性化推薦系統，為用戶推薦符合其愛好愛好的各類產品，如各種書籍，音像等，這種推薦系統也稱電子商務個性化推薦系統。
二、電子商務個性化推薦系統的作用
電子商務推薦系統的最大的優點在于它能收集用戶愛好資料并根據用戶愛好偏好為用戶主動作出個性化的推薦，也就是說，當用戶每次輸進用戶名和密碼登錄電子商務網站后，推薦系統就會按照目標用戶偏好程度的高低推薦用戶最喜愛的N個產品，而且系統給出的推薦是實時更新的，也就是說當系統中的產品庫和用戶愛好資料發生改變時，給出的推薦序列會自動改變，大大方便了用戶，也進步了企業的服務水平。
總體說來，電子商務推薦系統的作用主要表現在以下幾個方面：一方面，使用戶從無窮的網絡資源和商品世界中解脫出來，大大節約了用戶采購商品的時間和本錢；與此同時，推薦系統的個性化推薦服務，進步了客戶對電子商務網站的忠誠度(Building Loyalty)，將更多的電子商務網站瀏覽者轉變為商品的購買者，從而進步電子商務網站的交叉銷售能力(Cross-Selling)，為電子商務企業贏得了更多的發展機會。
研究表明，在基于電子商務的銷售行業使用個性化推薦系統后，能進步銷售額2%-8%，尤其在書籍、電影、CD音像、日用百貨等產品相對較為低廉且商品種類繁多的行業，以及用戶使用個性化推薦系統的程度高的行業，推薦系統能大大進步企業的銷售額。
電子商務推薦系統和銷售系統(Marketing Systems)、供給鏈決策支持系統(Supply-Chain Decision-Support Systems)既相似又有不同。銷售系統是幫助銷售職員如何把產品銷售出往；推薦系統終極目的幫助用戶，輔助用戶購買什么產品做出決策。供給鏈決策支持系統是幫助生產者決定什么時候生產多少什么產品，以及倉庫應該存貯多少各類產品，其終極目的是為企業生產者服務的，而同樣推薦系統是面向用戶的系統。
三、電子商務個性化推薦系統的研究內容
電子商務個性化推薦的研究有四方面的題目：首先，要解決推薦系統的信息來源題目——推薦系統的基礎是用戶愛好資料信息，如何在電子商務環境下盡可能獲得更多用戶的相關信息，并以合適的形式表示是進行個性化推薦的條件；其次，要實現被顧客接受和認可的個性化推薦，設計正確、高效率的個性化推薦算法是核心；另外，要讓推薦系統為廣大用戶所接受，必須對推薦系統作出客觀、綜合的評價，尤其要留意從正確率、個性化、安全性、用戶滿足度等多方面進行評價；推薦系統的應用是終極研究的落腳點，推薦系統不僅能為用戶提供完全個性化購物環境，更應為企業的銷售決策和客戶關系治理提供支持。
在電子商務環境下，用戶信息收集表示是電子商務個性化推薦的基礎。根據當前對電子商務環境下用戶信息收集表示的研究來看，主要著眼于研究如何有效地收集能反映用戶愛好偏好的信息，以及如何通過網絡數據挖掘等的方法更自動化地收集用戶的隱式信息，解決用戶信息收集過多的依靠于顯式評價數據的題目。
個性化推薦技術是電子商務自動化推薦系統的核心題目。目前的推薦技術有協同過濾推薦(包括基于用戶的和基于項目的)、基于用戶人口統計信息的推薦、基于內容的推薦、基于效用的推薦、基于知識的推薦、基于規則的推薦等等。協同過濾推薦是個性化推薦中研究和應用最多的方法，廣泛應用于電子商務網站、數字圖書館、網頁搜索、新聞過濾等，著名的推薦系統有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其條件假設是存在具有相似愛好愛好的用戶群，每個用戶都有與其愛好愛好相似的鄰居用戶。猜測用戶對某一項目的偏好是根據鄰居用戶對該項目的偏好程度計算的，也就是說假如其鄰居用戶喜愛某項目，則該用戶也很可能會喜愛該項目。協同過濾最大優點是不需要分析對象的特征屬性，所以對推薦對象沒有特殊的要求，能處理非結構化的復雜對象，如音樂、電影等。
對推薦系統總體性能的評價是推薦系統研究的重要組成部分。目前大都只是采用正確率、召回率等評判標準對推薦算法進行評價，并沒有真正意義上的、提升到對整個推薦系統進行的評價，尤其缺乏從個性化程度、持久性程度、系統的安全性以及用戶接受程度等多方面對推薦系統進行綜合的評價。
四、研究現狀
推薦行為產品或其它項目的軟件代理已經在很多應用中使用在電子商務領域，為了增加購買經驗并滿足客戶需求，已經推出了充分利用消費者的訪問和購買行為的推薦系統。推薦者通常通過給用戶展示他們可能感愛好的產品或服務來促進購買。例如，諸如Amazon.com就是通過利用偏好或其他用戶購買信息來先容書籍或者其它產品給用戶的推薦系統。然而，使用的技術相當簡單，而且并非很精確和有效�；旧�，程序將當前客戶購買的一系列產品與其他客戶購買的一系列產品作比較，選擇客戶購買較多的產品與當前客戶購買的產品集合的交集，最后從中選出一些尚未被客戶所購買而仍然在顧客購物籃中的產品，并將它們作為推薦列表呈現給客戶。該技術也用于類似于協作過濾的文本文檔的信息抽取。電影或音樂唱片的推薦，例如Moviefrnder.com，通過預知一個人的偏好與其他人偏好的線性權重集合，并運用協作過濾技術來實現。 對于推薦系統的研究可分為三個種類：技術系統開發研究，用戶行為研究和隱私題目研究。其中技術系統開發是重點。目前各種推薦技術，例如數據挖掘，代理和推理，都已經應用到了推薦系統中�，F存的推薦系統從廣義上可以劃分為基于規則的系統和信息過濾系統。信息過濾系統又可分為基于內容過濾的系統和協作過濾系統兩種。
基于規則的系統，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他們答應系統治理員根據用戶的靜態特征和和動態屬性來制定規則，一個規則本質上是一個if-then語句，規則決定了在不同的情況下提供不同的服務�；谝巹t的系統，其優點是簡單、直接，缺點是規則質量很難保證，而且不能動態更新。此外，隨著規則的數目增多，系統將變得越來越難以治理。
基于內容過濾的系統，例如：Personal WebWather， SysKill
【淺析電子商務系統】相關文章：
淺析電子商務時代的信息管理與信息系統06-10
淺析自動控制系統04-19
電子商務系統開題報告07-20
淺析發電機內冷水系統處理05-25
淺析現行主流大學英語網絡教學系統改進08-24
淺析配網TMR系統的兩種GPRS抄表方式05-11
淺析日本交通08-09
淺析藝術的本質10-27