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.pdf

企业管理 23 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 [3] 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 [3] 种 [4]，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 [1]。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 研究方面已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 (Knowledge Discovery in 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 [2]。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 [5]。然而这种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 [1]。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