基于网络数据挖掘的个性化电子商务推荐系统研究.docVIP

基于网络数据挖掘的个性化电子商务推荐系统研究 　　【摘 要】电子商务是伴随着计算机技术发展起来的新兴事物，而推荐系统的任务则是解决信息过载问题。针对当前的协同过滤算法所存在的缺陷，引入了网络思想，解决了推荐系统现有的问题，可以在网络数据的基础上实现对用户的个性化服务，有利于电子商务的进一步发展。为此，本文就基于网络数据挖掘的个性化电子商务推荐系统进行了浅要探讨。 　　【关键词】网络数据挖掘；个性化电子商务；推荐系统 　　【中图分类号】C37【文献标识码】A【文章编号】1672-5158（2013）07-0109-01 　　引言 　　在信息化全方位发展的今天，电子商务之所以能在世界范围内迅速发展，其优势在于方便、快捷、成本低、受限少。然而，电子商务也同样存在一些必须解决的问题，就是用户和商家之间的互选问题，即用户对所需产品的挑选和商家对用户所需的了解。通过网络数据挖掘与电子商务的恰当结合，就可以很好的解决这一问题，对电子商务的发展起到了很大的帮助。 　　1 网络数据挖掘 　　1.1 网络概述 　　在社会生活中存在着关乎人们工作和生活的各种各样的系统，通过对其本质进行分析，可以得到一个抽象的包含众多节点和连接节点的边的网络。网络是复杂系统的研究工具，为复杂系统的研究提供了新的模式和思想方法。 　　1.2 网络数据挖掘推荐算法 　　1.2.1 基于二部分图网络结构的推荐算法 　　因为系统的主体都是用节点来表示的，但是网络中的节点可以是一个类型，也可以不是一个类型。节点的连接关系用矩阵表示，这类节点属于单模式网络；节点不是一种的类型，不同类型的节点之间才能连接的网络称为二部分网络。 　　运用二部分图结构的算法，把推荐的系统中项目节点看作是具备一定的，能够分配出去的资源，同时可以把资源分配给其他看好的商品项目。 　　1.2.2 基于用户关联网络的推荐算法 　　之所以可以将网络思想引入推荐算法，是因为电子商务系统中的用户与商品及用户与用于之间具有关联性，这种基于网络的商务系统具有非常强大的适应性。主要思想就是：首先，建立用户选择的商品与评价信息之间的关联图，以权值计量。然后，在已形成的关联图中，按某商品的全部使用记录，把该商品推荐给其它相关权值较大的用户。 　　2 个性化电子商务推荐系统 　　2.1 个性化电子商务推荐系统的内容 　　电子商务是指有商务能力的实体，通过现代的电子技术来进行商务活动的过程。特别是现阶段，电子商务所表现出的优势越来越明显。现有的个性化推荐系统在主动为用户提供所需的信息或服务的基础上，更能同时满足为企业谋利益的要求，能为企业大力发展潜在用户，也就是可以通过个性化推荐系统实现双向推荐。 　　2.2 推荐系统的主要研究内容 　　2.2.1 信息的获取以及模型建立 　　随着因特网在全球的迅速发展，在准确获取用户信息的基础上，包括用户浏览行为等内容在内的交互式用户信息获取方式成为发展的趋势，这就要求在获取用户信息时，要对信息提前进行分类。 　　模型建立和更新的数据来源于不同途径得到的用户信息数据，并与其数量和质量密切相关，通过数据清理和转换筛选出适用于建模的数据。现阶段常见的建模技术有：关联规则挖掘、基于内容的过滤、聚类算法等。 　　2.2.2 推荐算法设计的有关研究 　　推荐算法有实时、准确、高效的特点，现在使用的主要算法都具有不同的适用领域，由于电子商务系统的使用率日渐增多，用户数据库的内容也越来越多，因此必须要在保证算法准确性的基础上，同时对其实时性进一步研究。尽管新的设计正在不断被推出，但都有一定的片面性，所以，想要得到较理想的推荐算法还需要进一步的研究。 　　2.2.3 评价推荐系统存在的问题 　　由于推荐系统的应用领域较多，并且不同的推荐系统的评价目的各异，另外，现在的评价指标大多只注重评价系统的单一特征，想对目前的推荐系统进行客观的评价还是比较困难的。现在常用的六种准确度评价指标有：预测准确度、排序准确度、半衰期效用指标、距离标准化指标、预测打分关联、分类准确度。 　　2.2.4 一些应用方面的问题 　　研究推荐系统的目的就是使其能够在不同的领域中取得应用，虽然推荐系统已经取得很好的应用效果，但其发展空间还是非常巨大的，如发展企业需要的潜力用户、拓宽推荐系统应用领域等。 　　3 数据挖掘与个性化推荐系统 　　电子商务系统中的信息量非常巨大，并且保持与日俱增的趋势，数据挖掘技术可以让这些蕴含着非常有用的规则和模式的数据得到很好的运用，从而更好的提供个性化服务。 　　3.1 聚类分析技术 　　聚类就是把数据在无指导的情况下通过非预先设定方式进行分组划分，这些数据之所以具有潜在性是因为它们都是在划分过程中自动生成的。利用这种技术得到的数据更有关