基于数据挖掘的服装推荐系统研究.pdfVIP

西 安 工 程 大 学 学 报 JournalofXi’anPolytechnicUniversity 第24卷第4期 (总 104期) 2010年8月 Vo1．24，No．4(Sum．No．140) 文章编号：1674-649X(2010)04-O438-06 基于数据挖掘的服装推荐系统研究 齐 扬，朱欣娟 (西安工程大学 计算机科学学院，陕西 西安 710048) 摘要：为满足用户网上购物的个性化需要，针对用户 自身特点，建立了服装推荐 系统．以西服为 例，将服装的主要特征分为领型、扣子、面料、颜色、款式等不同要素，并归纳了各要素的分类取 值．在对服装的特征要素进行抽取分类的基础上，采用BDEU决策树算法，构筑了用户类别偏好 模型，向用户提供 了个}生化的推荐服务． 关键词：数据挖掘；电子商务；决策树；偏好模型 中图分类号 ：TP182；TS941 文献标识码：A 服装类商品作为一个特殊的行业已经迅速加入电子商务的行列．在 电子商务时代，商家通过购物网站 提供了大量的商品，客户无法一眼通过屏幕了解所有的商品，也无法直接检查商品的质量．所以，客户需要 一 种电子购物助手，能根据客户 自己的兴趣爱好推荐客户可能感兴趣或者满意的商品．个性化推荐系统就 是基于用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品¨引．由于服装 自身的特殊性、差 异性，在选择用电子商务作为推荐、展示、销售的方式同时，更要考虑到购买者的特点，并且主动推出自己 的商品而不是让用户一直被动的去选择．电子商务中的推荐系统能够改变商家在销售中的被动地位，为商 家提供更大的商业价值 ，因此成为电子商务中的研究热点． 在服装领域应用中，针对服装商品的特殊性，服装电子商务领域服装的商品推荐主要包括面向大众化 的新款服装推荐、热卖服装推荐以及特价服装推荐等 ；面向个性化的基于用户浏览记录、购买记录和兴 趣爱好的服装商品推荐等．如凡客诚品网、淘宝网等．在国外，以世界上从事网上购物业务最成功的公司 Amazon为例，它采用基于用户相关性的推荐，这种推荐系统又称作基于协同过滤的推荐系统，推荐系统根 据用户与其他己经购买了商品的用户间的相关性进行推荐．虽然，国内外的一些网站已经采用了推荐系统 向用户去推荐商品，但对于采用数据挖掘技术在服装 电子商务网站做商品推荐的有关报道较少．由于服装 不同于食品，饮料，也不同于其他类别的商品，服装有其自身的设计细节．因此在做推荐时将面临更多的新 问题．本文在分析和比较现有的采用数据挖掘算法进行商品推荐的基础上，提出了采用 BDEU决策树算法 构建用户个性化的偏好模型，通过收集、分析和处理，从构建的服装电子商务网站上获取的有关消费者消 费行为的数据，从潜在的、隐含的、事先不知的状态，经过决策树算法挖掘出的规则知识 ，进而确定特定消 费群体或个体的消费习惯、爱好、倾向，进而预示出消费者下一步的消费行为，有针对性地提供推荐服务． 收稿 日期：2010-05．19 基金项目：西安市科技局创新支撑计划项 目(CXY1010(3)) 通讯作者 ：朱欣娟 (1969一)，女，河南省开封市人，西安工程大学教授，硕士生导师．Em·ail：zhu—xjcn@yahoo．COLT／．cn 第4期 基于数据挖掘的服装推荐系统研究 439 1 服装要素划分及训练数据 用户偏好模型是关于用户信息、偏好、行为特征的可计算描述．用户偏好模型的准确性、实效性直接决 定了个性化服务的质量优劣，因此用户偏好建模是实现个性化推荐服务的关键技术．数据挖掘技术分类方 法中的决策树可以实现建立用户服装个性化偏好模型． 决策树方法是数据挖掘的核心技术算法之一 ，在解决分类问题的各种方法中，决策树方法也是运用最 广泛的一种．它是一种逼近离散值函数的方法，对噪声数据有很好的适应性，而且能够学习析取表达式．决 策树算法是用于分类和预测的主要技术，着眼于从一组无次序、无规则的事例中推理出决策树表示形式的 分类规则H】，它也是一种归纳算法，采用 “自顶向下、分而治之”的方