基于客户聚类的商品推荐.PDFVIP

第 28卷 笫 6期 情 报 杂 志 ＼’t，1．： (16 2009年 6月 J()URNAI()F INTE1I，f(FN(’E _jllI~tf ()J《9 · 信息技术 · 基于客户聚类的商品推荐 RecommendationBased onCustomerClustering 唐晓波 樊 静 (武汉大学信息管理学院 武汉 430072) 摘 要 目前在电子商务领域，较为有效的商品推荐方法有两类，分别是基于相关性产品推荐和协同过滤推荐。然 而，单独使用这两种推荐都会造成推荐耗时长，推荐质量差等问题。提出了三种有效的客户聚类方法从而解决了协 同过滤推荐的“稀疏性”问题，结合相关性产品和协同过滤推荐，设计出更为有效的推荐过程并以淘宝网为实例详细 分析这种推荐 的实用性 。 关键词 推荐系统 关联规则 协同过滤 商品分类树 收藏 中图分类号 F270 文献标识码 A 文章编号 1002—1965(2009)06—0143—04 随着宽带网络的普及与成熟，中国网民急剧增长， 品推荐 (itemtoitem)，推荐系统根据客户当前感兴趣 电子商务这种新型商业模式的飞速发展给人们的传统 的产品推荐相似的产品；b．协同过滤 (collaborativefil— 购物习惯带来了极大的冲击。网上购物也逐渐走入人 tering)，推荐系统根据客户与其他 已经购买了商品的 们的生活。据 Forrester公司的预测，在线销售将在 客户之间的相似性进行推荐。其中a可以帮助客户比 2010年达到 3310亿_1J。但是 ，面对网站上纷繁的商 较同类商品中最热销的商品，给客户提供极大的方便； 品信息，网购者在挑选商品时需要采集比较大量的商 b可以为客户提供一个更开阔的视角，发现其他与 自 品，才能决定最终购买商品。如果耗时耗力超过了网 己兴趣相同的客户正在关注的商品。这为商家提供了 购者在实体店，势必会削弱客户网上购物的信心。为 向潜在客户做个性化推荐的平台。表 1是这两种推荐 了使客户缩减商品比较时间，快速找到 自己所需产品， 方法的比较 ，可以看出单独使用哪一种推荐方法都存 又使电子商务网站识别、挖掘客户潜在需求，推荐系统 在问题。 应运而生。推荐系统可以减轻客户搜索的不完全性和 表 1 推荐方法的比较 复杂性，从而帮助决策。2005年E—BAY以6．2亿收 购了Shopping．com，这说明推荐技术在电子商务中的 重要性，推荐系统给网上交易带来希望，不仅仅是为客 户找到低价值的产品，更是一种满足客户个性化的重 要工具 。 目前 ，众多学者对推荐方法进行研究 ，提出了很多 推荐算法。然而单独使用推荐算法会存在推荐质量 差 ，推荐效率低等问题。本研究在借鉴了国内外最新 推荐方法研究的基础上 ，提出三种客户聚类的方法以 协 同过滤是推荐系统普遍使用的推荐算法，但 提高推荐的准确性，并综合两种推荐方法进行推荐过 “冷开始”和 “稀疏”问题一直都是协同过滤算法的瓶 程的设计，从而为电子商务网站的推荐提供实用的参 颈。 “冷开始”是指在一个新的产品首次出现时，没有 考价值。 用户做出过评价 ，因此单纯的协同过滤无法进行预测 评分和推荐。“稀疏性”是指用户对商品的评价耗时耗 1 推荐方法比较 力 ，而且没有任何回报，由于一般用户购买商品的总量 目前较为有效的推荐方法分为两类 ：a．相关性产