基于移动终端电子商务商品模型研究.docVIP

基于移动终端电子商务商品模型研究 　　摘要：随着移动互联网技术和电子商务的快速发展，基于移动终端的“掌上消费”在人们的消费形式中占据着越来越大的比重。同时，商品推荐系统作为电子商务系统中的重要组成部分受到了研究学者的普遍关注。因此，如何在商品推荐技术中结合移动终端特性，成为一个值得关注的问题。为了解决这个问题，本文在介绍了几种主流的推荐技术及其优缺点之后，提出了一种新型推荐算法，该算法基于移动终端特性并混合了基于内容和协同过滤两种推荐算法，随后本文详细的介绍了该算法的系统流程与步骤，最后在实验环境下实现了该算法的应用，验证了该算法的可行性。 　　关键词：计算机应用技术；商品推荐；移动终端；电子商务 　　中图分类号：TP399 　　文献标识码：A 　　DOI：10.3969/j.issn.1003-6970.2015.11.020 　　0 引言 　　随着移动互联网的普及和电子商务的快读发展，推荐系统已经成为电子商务系统的重要研究内容之一，如Amazon宣称推荐系统提高了其30%左有的销售额。但随着电子商务的发展，电子商务。推荐系统具有很强的实用性，它能根据用户的兴趣和购买力等特性帮助用户发现并推荐给他们感兴趣的商品，在方便用户的同时提高了营销效果，因此在电子商务中获得了巨大的成功。因此，目前几乎所有的大型电子商务系统都在不同程度地使用着各种形式的推荐系统。电子商务中的推荐系统首先从客户方提取客户喜爱的产品信息，然后向他们推荐最大可能满足其需求的商品。在消费过程中，推荐系统类似于实际消费行为中的销售人员，帮助并引导消费者完成购买。其作用主要表现在三个方面：将电子商务网站的浏览者转变为购买者；提高客户对电子商务网站的忠诚度；提高电子商务网站的交叉销售能力，如用户之前购买了奶粉，下次购物的时候就会推荐母婴物品等。 　　电子商务平台的实现形式以PC（Personal Com-puter）端网站为主，而移动设备相对于PC端设备，有着不可比拟的优势与特点。首先，移动设备最大的特点就是可移动性，用户可以带着移动设备在任何可以联网的地方上网，活动范围包含公共交通工具、公共场合等地方；其次，移动设备可以借助于设备本身，获取如天气状况、朋友列表、周边环境等信息；最后，移动设备要比PC设备小很多，而且不同的移动设备屏幕大小也会相差很大。现有的商品推荐算法都是基于PC端的电子商务网站设计，虽然近几年电子商务平台陆续开发了基于移动设备的应用程序，但还只是停留在将针对PC端的商品推荐结果显示在移动端应用中，并没有针对移动端的特性进行设计和完善。如何在设计商品推荐算法的同时兼顾移动设备的优势，是本文将要解决的主要问题。 　　1 现有推荐算法 　　目前应用最广泛的商品推荐算法有：基于内容的推荐、协同过滤推荐和混合推荐算法。这几种算法在商品推荐方面有着各自的优劣。 　　1.1 基于内容的推荐 　　基于内容的推荐（Content-based Recommenda-tion）是信息过滤技术的延续与发展。该算法基于内容信息做出推荐，如历史信息、关键同等信息，不依据用户在项目中的评价等信息，主要使用机器学习的相关方法，从与内容相关的事例中提取用户的兴趣信息。基于内容的推荐方法通过历史信息来构造用户偏好模型，计算推荐项目和用户偏好模型之间的相似度，将相似度最高的项目推荐给用户。相对于多媒体信息（图片、音频、视频等），文本信息类项目的特征提取比较容易，因此基于内容的推荐算法在文本信息类推荐领域得到了广泛的应用。 　　基于内容的推荐基于这样的假设：一个用户会更喜欢那些与他购买过的商品相似的商品。所以该算法的核心是分析每个商品的特性，在此基础上计算应该被推荐的商品。分析商品的相似性首先需要描述商品的内容，描述一般通过定义一组商品的属性，然后对不同的属性值进行相似度计算。计算方法主要有条件概率近似度计算和向量近似度计算二种。对于一般电子商务网站而言，基于内容的推荐并不十分适用，主要原因有：电子商务网站的用户数量普遍较大，而在针对大量用户集合进行推荐时，基于内容的推荐算法只能发现用户感兴趣的项目，不能发掘用户新的心情和够买倾向，缺乏个性化；另一方面，基于内容的推荐仅限于分析属性规定的内容，不能发现一些隐含的属性或特点；最后一点，缺乏用户反馈。 　　1.2 协同过滤推荐 　　协同过滤推荐（Collaborative Filtering Recom-mendation）是最早被提出来的推荐方式，也是个性化推荐当中研究和使用最多的推荐技术。协同过滤推荐算法一般采用近邻技术，即根据目标用户对商品的历史评价相似性查找目标用户的近邻用户，然后利用近邻用户对商品评价的评价值来预测目标用户对特定商品的喜好程度，类似于在现实生活中购物时听取熟人或朋友的建议，系统则根据