推荐技术在电子商务中的应用研究 research on recommender technology applied in e-cominerce.pdfVIP

[摘要]本文介绍7 标．并对未来推荐技术在电 [关键词]推荐技术： 1．引言 随着网络技术及企业数字信息化程度的不断提高，电子 联规则的推荐算法就是根据关联规则发现算法以及客户购买 商务以前所未有的速度发展。电子商务网站的用户数目和商 记录向客户产生推荐。该算法常被用于产生Top-N推荐。在关 品数目日益增加，带来一系列问题，包括如何在电子商务网站 联规则推荐技术中，关联规则的发现是最耗时的，也是算法的 上有效地提高产品的吸引力；如何将电子商务网站的浏览者 瓶颈，～般适合离线进行。 变为购买者；如何提高电子商务网站的交叉销售能力使企业 3．2基于协同过滤的推荐算法 获得尽可能多的效益；如何帮助用户面对电子商务网站提供 协同过滤(collabor8tiveFiltering)或称社会过滤 的上万甚至上百万种产品时，更好地选择到自己满意的商品， (S0cialFiltering)，是利用人们之间兴趣爱好的相似性进 等等。电子商务推荐系统正是针对这一系列问题应运而生的。 行信息推荐的一种方法。协同过滤的特点是{(1)能够过滤难 2．电子商务推荐技术的概念 以进行机器自动内容分析的信息；(2)共享其他人的经验：(3) 减少用户的反馈量；(4)具有推荐新信息的能力。协同过滤的 电子商务推荐技术的定义是“利用电子商务网站向客户 基本出发点是：(1)用户是可以按兴趣分类的；(2)用户对不同 提供商品信息和建议，帮助用户决定应该购买什么产品，模拟 信息的评价包含了用户的兴趣信息；(3)用户对一个未知信息 销售人员帮助客户完成购买过程”。199B年7月，由美国从^I 的评价将和其相似(兴趣)用户的评价相似。协同过滤是目前 组织各地学者在威斯康辛州召开了以推荐系统为主题的会 研究最多、应用最广的个性化推荐。按照出发点的不同，协同 议，集中讨论了推荐系统的发展问题。目前，推荐系统技术已 过滤算法可以分为基于最近邻居的协同过滤算法和基于项目 广泛运用到各行业中．推荐对象包括书籍、音像、网页、文章和 的协同。 新伺等。推荐系统可以是根据其他客户的信息或是此客户的 3．2．1基于最近邻居技术的协同过滤算法 信息。根据客户的购买频率、消费金额和购买模式预测未来的 “最近邻居算法”是到目前为止最为成功的自动推荐技 购买行为，为客户提供个性化服务。根据挖掘的客户行为模 术．被许多系统采用。这种技术使用统计方法挑选出与目标用 式和购买组合来获取新客户、保持老客户、细分客户和实现交 户最相似的若干用户．称为“邻居”，然后根据这些邻居的意见 叉销售。其作用主要表现在以下三个方面：(1)将电子商务网 推测用户对目标商品感兴趣程度。算法分为三个主要阶段： 站的浏览者转变为购买者；(2)提高电子商务网站的交叉销售 1)原始数据表示：对客户已经购买的商品进行建模；21邻居形 能力；(3)提高客户对电子商务网站的忠诚度。 成：寻找目标客户所对应的邻居，关键在于计算客户之间的相 应用数据挖掘技术使推荐系统更智能化．学习能力更强， 似性：3)推荐产生：从目标客