基于知识网格电子商务推荐系统设计.pdfVIP

1基于知识网格的电子商务推荐系统设计 聂规划 陈冬林 刘平峰 （武汉理工大学经济学院电子商务系 430070） 摘要：现有的电子商务推荐技术和系统不能满足大规模、高质量和实时的网络化电子商务推 荐需要。基于知识的推荐技术是解决该问题最佳方法，但知识获取、聚合和智能推荐是研究 的难点。在现有相关理论和应用研究成果基础上，借鉴知识网格和语义本体论技术和方法， 提出电子商务网站、知识网格节点和虚拟知识网格服务社区三级结构模型，建立自动实现商 品知识获取、聚合和智能推荐的运作机制，设计了基于知识网格的电子商务智能推荐系统结 构。 关键词：推荐系统；知识网格；语义本体论；电子商务 中图分类法：TP311 文献标示码：A 1 引言 电子商务推荐系统可以向客户提供商品推荐，帮助客户找到所需商品，满足客户个性化 的需求。目前几乎所有的大型电子商务网站都不同程度地使用电子商务推荐技术。国内外在 电子商务推荐技术和系统的研究方面已取得较多的理论和应用成果。目前国外内在电子商务 推荐研究工作主要有以下几个方面： （1）推荐质量实时性和质量研究。大部分推荐系统在保证实时性要求的同时，是以牺 牲推荐系统的质量为前提的[1][2] 。现有推荐技术主要是基于内容的推荐技术和协同过滤技 术。前者最大的缺点是必须分析资源的内容信息，因此对音乐、图像、视频等信息无能为力 [3][4] [5] 。而协同推荐技术是当前研究的热点，其最大优点是不需要分析对象的特征属性 ，如 刘力等人提出的客户多兴趣下的个性化推荐算法[6] ；Soe-Tsyr Yuan 提出了一种基于语义本体 论的耦合聚类算法[OBPC]，它解决了现有协同过滤算法只能应用于具有历史商品评分记录 的局限性问题[7] 。协同过滤技术也存在自身的不足，主要表现在客户对商品评分数据比较少 的时候推荐质量比较低。为解决上述两种技术存在的不足，人们提出基于知识的推荐技术， 它不依赖客户对商品的评分数据量，因此可以提高推荐的质量。Bin Xiao 等人采用基于案例 推理的推荐技术 CBR （Case Based Reasoning ），设计出了电子商务产品智能推荐系统 PCFinder[8] 。基于知识的推荐技术研究难点是知识的获取。 （2 ）推荐系统规模性研究。到目前为止，绝大多数电子商务推荐技术及系统研究都是 基于特定网站，不能满足大规模网站推荐应用。文献[9]提出了一种“电子商务虚拟社区推 荐系统”，它是假设在某一电子商务社区，存在相近商品的一群电子商务网站，提出了基于 “基于智能代理的社区推荐系统”。Cyrus Shahabi 等人综合基于内容的过滤和协同过程过滤 两种推荐技术的优点，设计出了离线训练模型、在线使用模型进行推荐模式－Yoda ，提高 [10] 了基于WEB 的推荐系统的质量和规模性 。 1资助项目：国家自然科学基金“基于知识网络的电子商务智能推荐系统研究”，编号 1 （3 ）网格技术下的电子商务推荐系统研究。国外刚开始基于信息网格的推荐算法和知 识获取研究工作。Lan ，M 等人提出了“电子商务推荐系统的信息网格结构”[11]，采用了基 于内存的多代理节点结构来实现，能减少客户在线的信息交互量。但该方法在推荐质量、推 荐的深度和大规模应用方面没有显著提高。文献[12]提出了基于本体论的知识逻辑和多 Agent 结构模型（KSNet ），用以解决网格条件下的用户知识获取和聚合问题。 知识网格是一个智能互联环境，它能使客户有效地获取、发布、共享和管理知识资源， 并为客户提供所需要的知识服务，辅助实现知识创新、协同工作、问题解决和决策支持。2001 年 5 月，Web 之父 Tim Berners-Lee 正式