电子商务推荐系统研究综述武汉理工大学.pdfVIP

情报杂志 2007 年第 9 期 　　　　　 　　　　　　　　　　　　　J o ur nal of Inf or m a ti o n No . 9 ,2007 电子商务推荐系统研究综述 A Survey : Electronic Commerce Recommender Systems 刘平峰　聂规划　陈冬林 (武汉理工大学经济学院 　武汉 　430070) 摘 　要 　对电子商务推荐系统在国内外的研究现状进行了综述 ,分析与评述了各种电子商务推荐技术的原理方法、特 点、优势和不足 ,阐述了电子商务推荐系统的研究内容 ,指出了现有电子商务推荐系统存在的问题和研究的发展方向。 关键词 　电子商务 　推荐系统 　推荐技术 　网格 　　电子商务规模的迅速增长在给用户带来更多选择机会的 基于内容的推荐技术最大的缺点是必须分析资源的内容信息 , 同时 ,也使得用户搜索所需商品的成本越来越高。电子商务推 因此对音乐、图像、视频等信息无能为力 ;另外该技术的推荐结 ( ) 荐系统可以向用户提供商品推荐 ,帮助用户找到所需商品 ,满 果过于专门化 over specialization ,无法向用户推荐不在用户概 足用户个性化的需求 ,将用户从浏览者转变为购买者 ,通过网 要信息中的商品[5 ] 。 站与用户的互动提高了用户的忠诚度 ,从而增加企业的效益 , 　12 　协同过滤技术 　协同过滤推荐技术是当前研究的热 同时将用户从繁重的搜索任务中解脱出来。目前几乎所有的 点 ,其最大优点是不需要分析对象的特征属性 ,对推荐对象没 大型电子商务网站都不同程度地使用电子商务推荐技术 , 比如 有特殊要求 ,在数据密度达到一定程度时表现出较好的推荐质 Amazon 、CDNow 、ebay 和 dangdang 等。 量。Breese 等人将协同过滤技术分为两类[6 ] :a. 基于内存的协 同过滤 ,也称为基于相关性的协同过滤 ,用户对商品的评分数 1 　电子商务推荐技术研究现状 据采用统计的方法得到具有相似兴趣爱好的邻居客户 ,然后根 常用的推荐技术包括基于内容的过滤技术、协同过滤技 据邻居客户的爱好作出推荐 ; b. 基于模型的协同过滤 ,从用户 术、基于人口统计的推荐技术、基于效用的推荐技术、基于知识 兴趣数据库学习得到一个模型 ,再用此模型进行预测 ,通常情 的推荐技术和上述推荐技术的混合推荐技术。 况下模型的学习过程需要花费一定的时间 ,是离线进行的 ,主 　11 　基于内容的过滤技术 　早期的推荐系统是为了克服文 要用于用户兴趣变化缓慢的场合 ,但相对基于内存的协同过滤 本领域信息负担的信息过滤和信息提取系统 ,基于内容的过滤 而言其响应较快[7 ] 。常采用的学习算法有贝叶斯网络和基于 技术是信息过滤的派生和继续 ,基于内容的推荐常采用两种方 分类的算法[8 ] 。第一个协同过滤推荐系统是 Xerox PARC 研究 法 :a. 基于特征。即用相关特征来定义所要推荐的商品 ,定义 中心提供的 Tapestry ,该系统用于在一个小的社区环境里过滤 方法可以采用向量空间模型、矢量权重模型、概率权重模型或 E - mail 信息和 Usen