电子商务推荐系统主要推荐技术研究.docVIP

电子商务推荐系统主要推荐技术研究 摘要：推荐系统作为解决信息超载问题的有效工具，受到国内外研究者的广泛关注。本文简要描述了推荐系统的定义以及作用，重点介绍了基于规则的推荐、基于内容的推荐和协同过滤推荐这三种算法，分析了每种算法的优缺点，并描述了混合推荐技术的基本思路。文中列出了几种评价推荐系统性能的重要指标。 关键词：电子商务；推荐算法；评价指标 中图分类号：TP311 目前网络交易已逐渐得到人们的认可，成为人们日常生活中的重要部分。众多企业开始创建电子商务网站，希望通过网络交易的低廉成本获得更大的商业利润。目前，电子商务网站数量不断增多，网站的用户对其提供的服务质量要求也越来越高。因此更好地了解用户的需求，提供更优质、个性化的服务成为各大电子商务网站竞争的有利条件。推荐系统就是在这样的环境中产生的。 1 电子商务推荐系统的作用 著名的电子商务网站亚马逊积极地应用和推广了个性化推荐系统，至于推荐系统究竟给亚马逊带来了多少经济利润，目前亚马逊官方还没有明确公开过，但亚马逊的前科学家Gerg Linden在他博客里曾说过，在他离开亚马逊的时候，亚马逊至少有20%（之后的一篇博文则变更为35%）的销售额来自推荐算法。研究表明，电子商务的销售行业，尤其在书籍、电影或者日用百货等商品价格相对较低而且种类繁多的行业，推荐系统能有效提高企业的销售额。推荐系统之所以能给商家带来巨大的经济效益，其优势在于它能分析用户的行为数据，概括出用户的爱好特征，从而可以根据用户自身的需求提供推荐列表项目。如果网站中的商品或者用户兴趣倾向发生改变， 推荐系统也可以进行实时更新，自动改变推荐列表。 推荐系统的作用主要有几下几点[1]： （1）挖掘潜在用户。用户购买意向不强时可能只是随意地浏览商品，如果此时推荐系统的推荐结果能够引起用户的兴趣，浏览者就很有可能变成购买者。 （2）提高网站连锁销售的几率。用户在网购过程中，如果推荐系统能向用户提供一些他极有可能会购买的商品，这样就能够促进商品的连锁销售。比如那些用户需要但一时还没想起购买的商品。 （3）增加忠实用户的数量。如果推荐系统能够为用户提供优质的服务，就会增加用户对网站的访问次数，最终发展成为忠实顾客。 2 主要的推荐算法 2.1 基于规则的推荐 基于规则的推荐就是通过挖掘关联规则寻找可以用于推荐的项目。所谓关联规则挖掘是一种在大规模交易中识别类似规则关系模式的通用技术。这种技术的典型应用就是从超市里经常购买的商品中发掘成对或成组的商品。假如用集合表示所有商品，集合T表示已经购买的商品，其中，集合T是集合P的子集。关联规则经常写成X Y的形式，X和Y都是P的子集，并且X和Y交集为空。关联规则X Y表示只要交易T中包含X集合中的元素，那么Y集合中的元素就非常有可能也在相同的交易T中。关联规则的衡量标准是支持度和可信度。关联规则X Y的支持度是X和Y同时出现在一次交易中的概率，可信度是对应给定条件X时Y的条件概率。用公式可表示为： ； 。 简单的关联规则推荐算法过程如下： （1）使用关联规则发现算法，确定与目标用户相关的关联规则X Y的集合，即目标用户买过或者喜欢的集合X中的所有元素； （2）计算出这些规则的Y集合中用户没有购买过的商品集S； （3）按照规则的可信度从高到低的顺序对集合S中的商品进行排序。如果多条规则都推荐一个商品，则选取可信度最高的那条规则； （4）输出排序列表中最前面的N个元素作为推荐结果。 2.2 基于内容的推荐算法 基于内容的推荐：根据用户历史行为信息（如评价、分享、收藏过的文档）构造该用户的爱好倾向模型，计算其他推荐项目与爱好倾向模型中文档的相似度，将比较相似的几个项目推荐给用户。基于内容的推荐系统的典型应用就是文档推荐，通过比较待选文章的主要关键词和用户过去高度评价过的其他文章中出现的关键词来推荐新文章。这些关键词能够明确表现出文档的特征。 基于内容的推荐算法依赖项目和用户兴趣偏好的额外信息，但是该算法不需要大量的用户评分记录，即使只有一个用户也可以产生推荐列表，因此不会受到稀疏性问题的影响。另外该推荐算法根据的是项目或用户偏好的描述信息，因此推荐结果能够解释为什么系统会选择这些项目推荐给用户，让用户能更直观的感受推荐系统带来的便利。但是基于内容的推荐算法仍然具有一定的局限性： （1）对内容分析的不够深入。在推荐网页时，仅仅看文本内容可能无法确定网页的质量和偏好，比如美观、可用性、时效性或者超链接的正确性都能够决定网页的质量。另外目前的超文本文档中越来越多地包含多媒体元素的信息，比如图片、音频和视频序列，纯粹的基于内容的推荐算法却无法收集这些类型（图形、图像、音频、视频）的内容信息。 （2）推荐结果缺乏新颖性。基于内容的推荐系统是给用户推荐那些与他评价较高的项目相似的项目，因