第7章 电子商务网站智能推荐服务（1）.pptxVIP

电子商务网站智能推荐服务;;某法律网站是北京一家电子商务类的大型法律资讯网站，致力于为用户提供丰富的法律信息与专业咨询服务，本案例主要是为律师与律师事务所提供互联网整合营销解决方案。

随着企业经营水平的提高，其网站访问量逐步增加，随之而来的数据信息量也在大幅增长。带来的问题是用户在面对大量信息时无法快速获取需要的信息，使得信息使用效率降低。用户在浏览搜寻想要的信息过程中，需要花费大量的时间，这种情况的出现造成了用户的不断流失，对企业造成巨大的损失。

为了节省用户时间并帮助用户快速找到感兴趣的信息，利用网站海量的用户访问数据，研究用户的兴趣偏好，分析用户的需求和行为，引导用户发现需求信息，将长尾网页准确的推荐给所需用户，帮助用户发现他们感兴趣但很难发现的网页信息。总而言之，智能推荐服务可以为用户提供个性化的服务，改善用户浏览体验，增加用户黏度，从而使用户与企业之间建立稳定交互关系，实现客户链式反应增值。

;目前该法律网站上已经存在部分推荐，比如当访问主页时可以在婚姻栏目发现图71所示的热点推荐。当访问具体的知识页面时，可以在页面的右边以及下面也存在一些热点推荐和基于内容的关键字推荐，如图所示。;某网站数据基本情况;当用户访问网站页面时，系统会记录用户访问网站的日志，其访问数据的字段说明如表所示。;随着互联网领域的电子商务、线上服务、线上交易等网络业务的普及，大量的信息聚集起来形成海量信息。用户想要从海量信息中快速准确的寻找到感兴趣的信息变得越来越困难，尤其在电子商务领域问题更加突出。搜索引擎的诞生在一定程度上缓解了信息过载问题，用户通过输入关键词，搜索引擎就会返回给用户与输入的关键词相关的信息。但是在用户无法准确描述需求时，搜索引擎就无能为力了。

与搜索引擎不同，推荐系统并不需要用户提供明确的需求，它是通过分析用户的历史行为从而主动推荐给用户能够满足他们兴趣和需求的信息。因此，对于用户而言推荐系统和搜索引擎是两个互补的工具。同时，在电子商务领域中推荐技术可以起到??下作用。

帮助用户发现其感兴趣的物品，节省用户时间、提升用户体验。

提高用户对电子商务网站的忠诚度。推荐系统能够准确地发现用户的兴趣点，将合适的资源推荐给用户，用户容易对该电子商务网站产生依赖，从而提升用户与网站之间的黏度。

;为了解决上述问题，结合本案例提供的原始数据情况，可以分析如下目标。

按地域分析用户访问网站的时间、访问内容、访问次数等主题，了解用户的浏览行为，和感兴趣的网页内容。

根据用户的访问记录对用户进行个性化推荐服务。

;熟悉网站智能推荐的步骤与流程;熟悉网站智能推荐的步骤与流程;熟悉网站智能推荐的步骤与流程;;以用户的访问时间为条件，选取三个月内（2015-02-01~2015-04-29）用户的访问数据作为原始数据集。由于每个地区的用户访问习惯以及兴趣爱好存在差异性，因此，抽取广州地区的用户访问数据进行分析，其数据量总共有837450条记录，其中包括用户号、访问时间、来源网站、访问页面、页面标题、来源网页、标签、网页类别、关键词等。

本案例用到的数据库为开源数据库MariaDB10.0.17（网站/en/可下载并自行安装，与MySQL类似）。安装数据库后导入本案例的数据原始文件7law.sql，然后可以利用R语言对数据库进行相关的操作。;;对原始数据中用户点击的网页类型进行统计分析，结果如表所示。;进一步对咨询类别内部进行统计分析，其结果如表所示。;对知识类型内部的点击情况进行统计分析，其结果如表所示。;分析其他（199）页面的情况，其中网址中带有“?”的占了32%左右，其他咨询相关与法规专题占比达到41%左右，地区和律师占比20%左右。在进行网页分类过程中发现律师、地区、咨询相关的网页还会存在其他类别中，大部分是以下网址的形式存在。

http://www.****.com/guangzhou/p2lawfirm，地区律师事务所。

http://www.****.com/guangzhou，地区网址。

http://www.****.com/ask/ask.php，咨询内容提交页。

http://www.****.com/ask/midqueshtml，中间类型网页。

http://www.****.com/ask/exp/4317.html，咨询经验。

http://www.****.com/ask/online/138.html，在线咨询页。

;对原始数据的网址中存在带“?”的数据进行统计，一共有65492条记录，统计结果如表所示。;其他类型的统计结果如表所示。;访问记录中有一部分用户并没有点击具体的网页，这类网页以.html后缀结尾，且大部分是目录网页，这样的用户可以称为“瞎逛”，总共有165654条记录，统计结果如