購物網(wǎng)站個性化系統(tǒng)應(yīng)用分析

購物網(wǎng)站個性化推薦系統(tǒng)應(yīng)用分析摘要：個性化推薦系統(tǒng)具有良好的發(fā)展和應(yīng)用前景，幾乎所有的大型電子商務(wù)購物網(wǎng)站都不同水平的使用了各種形式的推薦系統(tǒng)。在日趨劇烈的競爭環(huán)境下，個性化推薦系統(tǒng)針對用戶特點(diǎn)以及興趣喜好進(jìn)行商品推薦，能有效的提升電子商務(wù)系統(tǒng)的效勞能力，進(jìn)而保留客戶。本文關(guān)鍵詞語：個性化推薦、電子商務(wù)、購物網(wǎng)站1個性化推薦1.1定義隨著電子商務(wù)規(guī)模的逐步擴(kuò)大，網(wǎng)上商品的種類和數(shù)量也快速增加。商品不斷豐富，顧客購物選擇的余地大大擴(kuò)展，但顧客往往需要花費(fèi)大量的時間能力找到適宜的商品。這種瀏覽大量無關(guān)信息和商品的經(jīng)過無疑會給消費(fèi)者帶來極大的不便，進(jìn)而可能造成客戶流失。為了解決這些問題，個性化推薦系統(tǒng)應(yīng)運(yùn)而生。個性化推薦是根據(jù)用戶的資料信息、興趣喜好和以往購買行為，向用戶推薦其可能感興趣的信息和商品。個性化推薦系統(tǒng)是建立在海量數(shù)據(jù)發(fā)掘基礎(chǔ)上的一種高級商務(wù)智能平臺，以幫助電子商務(wù)網(wǎng)站為其顧客購物經(jīng)過提供完全個性化的支持和信息效勞。1.2個性化推薦的作用成功的個性化推薦系統(tǒng)，向用戶推薦他們感興趣的商品，進(jìn)而促成交易，即將電子商務(wù)網(wǎng)站的瀏覽者改變?yōu)橘徺I者；在用戶購買經(jīng)過中向用戶推薦自己的確需要但在購買經(jīng)過中沒有想到的商品，有效提升電子商務(wù)系統(tǒng)的穿插銷售；為用戶提供個性化的推薦效勞的同時，與用戶建立長期穩(wěn)定良好的關(guān)系，進(jìn)而有效保留客戶，提升客戶的忠實(shí)度，防止客戶流失。1.3著名購物網(wǎng)站中個性化推薦應(yīng)用淘寶網(wǎng)站為例，在登錄已買到的寶貝頁面，除了能夠查看到用戶購物歷史記錄，還有推薦內(nèi)容，如：“您可能對這些寶貝感興趣〞；購物車頁面的推薦，如：“您可能感興趣的寶貝〞、“猜你喜歡的〞。當(dāng)當(dāng)網(wǎng)為例，網(wǎng)站商有個性化推薦模塊網(wǎng)站上有專門欄目“猜你喜歡〞，點(diǎn)擊進(jìn)入，再分為“您可能感興趣的商品〞“和您興趣類似的顧客還關(guān)注〞；在已購商品頁面，有推薦“根據(jù)您購買的商品，當(dāng)當(dāng)猜您會喜歡〞。進(jìn)入卓著亞馬遜網(wǎng)站，提示用戶“您好.請登錄以獲取為您訂制的推薦〞。2個性化推薦系統(tǒng)重要算法完好的推薦系統(tǒng)由3個部分構(gòu)成：采集用戶信息的行為記錄模塊、分析用戶愛好的模型分析模塊、推薦算法模塊。其中，推薦算法模塊是最核心的部分。根據(jù)推薦算法的不同，推薦系統(tǒng)能夠分為如下幾類：2.1關(guān)聯(lián)規(guī)則推薦關(guān)注用戶行為的關(guān)聯(lián)形式。如買了香煙的人大多會購買打火機(jī)，因而能夠在香煙和打火機(jī)間建立關(guān)聯(lián)關(guān)系，通過這種關(guān)系推薦其他產(chǎn)品。這種算法最為簡單直接，往往也會把用戶理解的過于簡單，是不太智能的算法，所以這種算法基本被淘汰了，只要少數(shù)小規(guī)模購物網(wǎng)站還是這種推薦形式。2.2協(xié)同過濾推薦利用用戶的歷史信息，計(jì)算用戶之間的類似性；利用與目的用戶類似性較高的用戶對其他產(chǎn)品的評價(jià)來預(yù)測目的用戶對特定產(chǎn)品的愛好水平；根據(jù)愛好水平來對目的用戶進(jìn)行推薦。協(xié)同過濾又可分為兩種：基于用戶的協(xié)同過濾和基于商品的協(xié)同過濾?；谟脩舻膮f(xié)同過濾是第一代協(xié)同過濾技術(shù)，原理也很簡單：人以群分，即在網(wǎng)站上購買一樣商品的消費(fèi)者應(yīng)該有類似的興趣偏好。系統(tǒng)找出這些有一樣商品購買記錄或?yàn)g覽記錄的用戶，然后把他們還沒購買的商品互相推薦，如把用戶A買過、但用戶B還沒有購買的商品推薦給B，反之亦然。當(dāng)然，在實(shí)際推薦應(yīng)用中，系統(tǒng)會找到與A類似的多位用戶，將那些A未購買而其別人已經(jīng)購買的商品，計(jì)算概率，再進(jìn)行排序，最后把排名靠前的商品推薦給A?；谏唐返膮f(xié)同過濾，是當(dāng)前使用最多的個性化算法。由于大型的購物網(wǎng)站，其用戶數(shù)量遠(yuǎn)遠(yuǎn)大于商品數(shù)量，使用基于用戶的個性化算法會造成許多問題。相應(yīng)的，基于商品的協(xié)同過濾技術(shù)的原理：物以類聚，系統(tǒng)先判定哪些商品之間有潛在關(guān)聯(lián)，再根據(jù)用戶的的購買記錄，把關(guān)聯(lián)度高的商品推薦給用戶。比方“啤酒-尿布〞看似風(fēng)牛馬不相及的商品，假如在銷售記錄中同時出現(xiàn)的頻率越高，說明商品的潛在關(guān)聯(lián)就越強(qiáng)，就能夠向用戶推薦。協(xié)同過濾算法能夠發(fā)現(xiàn)用戶潛在的興趣偏好，進(jìn)而為其推薦新信息；能推薦難以進(jìn)行內(nèi)容分析的產(chǎn)品；但由于是基于用戶對產(chǎn)品的評分，所以對新用戶進(jìn)行推薦或者是對用戶推薦新產(chǎn)品，精度不高。2.3基于內(nèi)容的推薦基于內(nèi)容的推薦是協(xié)同過濾技術(shù)的延續(xù)與發(fā)展。分別對用戶和產(chǎn)品建立配置文件；比較用戶與產(chǎn)品配置文件的類似度；推薦與其配置文件最類似的產(chǎn)品。如，在商品CD推薦中，基于內(nèi)容的系統(tǒng)首先分析用戶買過的打分較高的CD的共性〔歌手、風(fēng)格等〕，再推薦與這些用戶感興趣的內(nèi)容類似度很高的其他CD?；趦?nèi)容的推薦算法根本在于信息獲取和信息過濾?；趦?nèi)容的推薦算法能處理新用戶、新產(chǎn)品的問題〔冷啟動〕；能推薦新產(chǎn)品和非流行產(chǎn)品，發(fā)現(xiàn)隱藏信息；但是假如兩個不同的產(chǎn)品恰好使用了一樣的描繪敘述詞，這兩個產(chǎn)品就無法區(qū)分；而且假如系統(tǒng)只推薦與用戶的配置文件高度相關(guān)的產(chǎn)品，那么推薦的只是與用戶之前購買過的產(chǎn)品類似度很高的產(chǎn)品，無法實(shí)現(xiàn)推薦的多樣性。2.4基于網(wǎng)絡(luò)構(gòu)造的推薦要先建立用戶—產(chǎn)品二維關(guān)聯(lián)網(wǎng)絡(luò)。把用戶和產(chǎn)品的內(nèi)容特征看成抽象的節(jié)點(diǎn)，所有算法利用的信息都藏在用戶和產(chǎn)品的選擇關(guān)系中。對于任意目的用戶A，假設(shè)A選擇過所有的產(chǎn)品，每種產(chǎn)品都具有向A推薦其他產(chǎn)品的能力，把所有A沒有選擇過的產(chǎn)品根據(jù)他喜歡的水平進(jìn)行排序，把排名靠前的推薦給A?；诰W(wǎng)絡(luò)構(gòu)造的推薦同樣面臨著新用戶新產(chǎn)品的問題。而且假如把用戶與產(chǎn)品的所有關(guān)聯(lián)關(guān)系都考慮在內(nèi)，無法區(qū)分出長期興趣和短期興趣點(diǎn)，大大降低推薦精確度。2.5混合推薦上述幾種方法的有機(jī)結(jié)合。實(shí)際的推薦系統(tǒng)中最常見的是基于協(xié)同過濾和基于內(nèi)容的結(jié)合。3個性化推薦技術(shù)的新應(yīng)用一般情況下，網(wǎng)站針對已注冊用戶根據(jù)用戶信息或購買記錄進(jìn)行推薦。同時，個性化推薦還應(yīng)該考慮到匿名購買者，也就是購買者不需要注冊或者登錄也能使用個性化推薦功能。這類技術(shù)的實(shí)現(xiàn)要選擇適宜的匿名用戶行為特征辨別方法，如效勞器端日志發(fā)掘技術(shù)和客戶端信息收集技術(shù)等，進(jìn)而實(shí)現(xiàn)對此類用戶的個性化推薦。針對用戶存在多興趣或興趣發(fā)生轉(zhuǎn)移情況，一些網(wǎng)站提出了基于項(xiàng)目類似性的鄰居用戶協(xié)同推薦算法。該算法改良了傳統(tǒng)協(xié)同過濾算法，使之合適用戶多興趣下的個性化推薦。個性化推薦最熱門應(yīng)用就是將推