网络书店推荐系统的负效应与对策.docVIP

网络书店推荐系统的负效应与对策 　　摘要：网络书店推荐系统主要使用信息检索、协同过滤和内容推荐等技术。过度使用推荐系统会产生负效应，降低用户满意度，给网络书店自身发展带来威胁。网络书店要吸收新成果，提升用户满意度；诚信经营，承担社会责任。 　　关键词：网络书店；推荐系统；过度推荐；负效应优化 　　《开卷2016年全国图书零售市场报告》显示，2016年我国图书零售市场总规模701亿元，网上书店的图书销售业务依然保持30%左右的增长，同时，网上书店销售的总码洋首次超过实体书店，当当一家图书销售码洋就近140亿，网络书店已成为绝对优势渠道。与此同时，面对图书种类的纷繁复杂（如当当2016年在售品种就有110万种，还有显示缺货的480万种）和数量的骤增，用户经常感到无所适从。这种可供选择的多样性在为网络书店产生巨大经济效益的同时，某种程度上也降低了用户的满意度。近年来，推荐系统被证明是一种解决信息超载问题、帮助用户做决策的有效工具，被应用到互联网的各个领域。推荐系统中最核心的部分就是推荐技术，它是利用用户的一些行为数据，通过一定的数学算法，向用户推荐可能喜欢的物品的软件工具和技术。 　　感受推荐系统带来便利的同时，人们也感觉到它的一些局限和问题，开始对其进行反思，如随着“今日头条”的崛起，一些媒体行业的从业者和观察者指出，推荐系统的算法分化瓦解了媒体品牌、媒体受众、媒体策展的概念，这些新平台上的媒体正与粉丝“失联”，但在现有环境和可预见的将来，“任何媒体的掌门人，都必须直面算法，接受算法，与算法共舞”。网络书店是较早引入推荐系统的领域之一，国外相关资料显示，亚马逊的销售业绩有20%35%要归功于推荐系统，京东报告也显示，搜索对京东订单引入贡献非常大，推荐的贡献更是高速增长，但业界、学界较少对其作用进行反思。本文拟结合自身多年的网络购书经验，通过网络调研、文献研读等方法，归纳描述当当、京东、亚马逊（中国）三大网络书店主要使用的推荐系统技术类型，分析其过度依赖和使用推荐系统带来的问题及成因，并针对性地给出建议，以期出版业更健康地发展。 　　一、推荐系统原理及主要技术类型 　　随着电子商务的快速发展，推荐系统与技术不断丰富和提高，三大网络书店根据实际需要，选择了适合自身发展的推荐系统。 　　1.推荐系统原理 　　推荐系统主要依据人类行为习惯的可预测性，利用信息检索、信息过滤和文本分类等技术，通过数据挖掘、机器学习和基于知识的系统等方法进行预测和推荐，涉及的知识类型和知识来源主要有三类：一是社群知识，指关于整个用户群体的知识，主要来自用户使用过程中的上下文、评价、行为和人口统计等；二是个人知识，指关于目标用户的知识，主要来自目标用户的评价、行为、人口统计、需求等；三是内容知识，指关于将要被推荐的物品的知识以及泛指其用途的知识，主要来自物品内容、领域知识、上下文知识等。当当、京东、亚马逊中国的推荐系统，就是基于上述研究成果，实现的书目推荐。 　　2.主要推荐技术类型 　　一是信息检索。信息检索是最早用于解决信息超载问题的技术，我们在三大网络书店所见到和使用过的图书分类浏览、关键词查询以及网站的主编、专家、作者、读者推荐等，使用的就是信息检索技术。其优点是直观、符合用户传统购书习惯，但推荐的信息有限，浏览选择耗时耗力，且因为很多用户缺乏相关知识准备，难以满足在最短时间内找到满意图书的迫切需求。 　　二是协同过滤。这种方法的原理是找到与该用户有相同品位的用户，然后将相似用户过去喜欢的物品推荐给该用户。其优点是涉及的知识较少，只用到用户对物品的评价等一些简单且基础的数据，如亚马逊会记录读者购买过的图书及其评价，通过人工智能为某位读者提供可能与他兴趣相仿的人购买的图书（alsobuy功能）。其优点是有可能发掘用户自己未曾意识到的兴趣和需求，缺点是对新用户推荐的质量较差，且由于历史数据质量问题，对老用户的推荐质量也有很大提升空间。 　　三是基于内容的推荐。这种技术方法主要是通过获取用户的浏览、购买等记录来为用户推荐与其过去的兴趣类似的图书，即我们在网络书店看到的“猜您喜欢”下面的推荐，如“与您浏览过的商品的相关推荐”“根据购物习惯为您推荐”“您最近查看的商品和相关推荐”等。基于内容推荐的核心是能够得到图书的描述及其特征的记录。优点是不需要大规模用户就可以达到适度的精准推荐，而且一旦得到图书的属性就能立即推荐新图书。缺点是对新用户推荐质量差，可分析的内容有限，容易过度特征化。 　　以上是三大网络书店使用的主要推荐技术类型，各有优缺点。目前三大网络书店基本是以协同过滤为主，吸收其他推荐技术的优点，通过多层面算法和数据交融，提高推荐的个性化和精准度。 　　二、过度使用推荐系统的负效应 　　推荐系统为提高了图书被发现的几率，不但给