面向移動客戶端的數據服務推薦策略

李紅蕾

摘 要 近年來，隨著互聯網的快速發展與應用，人們的生活也發生了巨大的變化，電子商務已經深入我們的實際生活中，互聯網上呈現了更為豐富的產品以供人們的選擇，普通的搜索引擎已經很難滿足人們的需求，因此，這就促使推薦系統的出現。推薦系統是系統通過計算用戶的歷史搜索以及瀏覽信息，根據用戶的信息進行口味化的推薦。本文即對面向移動客戶端的數據服務推薦策略其中有關于電子商務方面的內容進行分析，以便從中找出問題，完善原有策略，改善用戶的體驗。

【關鍵詞】移動客戶端 推薦系統 算法 協同過濾

當前，智能手機用戶一度呈現迅猛增長之勢，人們已經進入到了用電腦進行辦公，用手機進行娛樂的時代。智能手機用戶的增多便促使了智能化應用軟件的不斷更新和發展，所以將移動設備所具有的便利性、靈活按需的特點和云平臺中的海量數據服務進行無縫集成已是云計算和移動計算共同研究的熱點。面向移動客戶端進行數據服務推薦，能夠將用戶在狹小的屏幕上進行瀏覽的不便程度降低，與此同時，把定位系統所搜集的位置信息也作為推薦的重要依據可提高推薦的準確性，讓用戶能夠更好的體驗電子商務的便捷。

1 推薦系統的意義

自互聯網不斷發展以來，電子商務也隨之興起并迅速發展，在線用戶需要借助工具來幫助他們來對網絡上所呈現內容的質量進行應對，傳統的搜索引擎對此提供了不少的幫助，但是，大數據時代的來臨使得傳統引擎越來越不能滿足人們的需求，推薦系統就通過電子商務平臺向顧客主動推薦可能會需要的東西，這種變搜索為推薦，變被動為主動的系統，就是在這樣的市場中誕生的。這一行為與我們現實生活中的導購有些相似，推薦系統所扮演的角色就是導購員，而因為推薦系統是根據搜集用戶的相關信息而生成的一種用戶模式，與導購員相比較而言顯得更為科學。這些搜集到的信息，一部分是用戶主動提供的，另一部分則是系統主動采集到用戶的瀏覽、購買信息，通過不同的推薦算法將得到的信息進行分析、處理、推薦。

2 常見的推薦算法

2.1 基于內容的推薦

基于內容的推薦首先是對商品本身進行詮釋，比如把商品根據某種相似度歸為一類，如相似年齡層次用的商品、相同性質的物品等，然后將這類商品推薦給用戶。這種算法模式使得新的產品在通過推薦樂于使人接受，并且基于此推薦能更好的建立用戶模式，通過產品的疊加得到更好的推薦效果。不過，這種算法也有其缺點，主要缺點就是產品的屬性是有限的，并且這種屬于不同的人會給予不同的定義，這樣就會讓分析階段很難使數據變得更精確，從而難以得到用戶更多的潛在的興趣。

2.2 基于網絡結構的推薦

前面基于內容的推薦是建立在用戶自身的內在聯系上，而基于網絡結構的推薦則是建立在各個用戶間，從而得到更為廣泛的偏好。這種算法是把將用戶和用戶間的項目連接在一起，構成一個網絡圖表，把這種喜好特點變成抽象化的節點，而不去考慮用戶和項目之間的內容特點，最后通過計算來體現各項目間的相關性。

2.3 基于協同過濾的推薦

協同過濾的算法是一個具有典型的個性化推薦的算法，也是一種被廣泛運用于商業推薦系統中的一個算法。協同過濾算法首先是獲取用戶的相關歷史檔案；其次是計算用戶與用戶之間的相似程度，發現最相近的用戶；最后就是計算項目評級。因為，用戶之間一定存在相似的愛好和利益關系，而且這種愛好和利益關系是相對穩定的，所以我們可以根據他們共同的愛好和利益來預測他們的選擇。這也是協同過濾算法的主要依據和來源。

3 推薦系統當前所存在的問題

當前的推薦系統在電子商務的領域被廣泛的使用，但隨著大數據時代的到來，推薦系統所存在的問題也逐漸體現了出來，目前比較明顯的是以下幾個問題：

3.1 冷啟動問題

冷啟動問題主要包含了兩個層面，一是新加入用戶的冷啟動問題；二是新加入項目的冷啟動問題。前者主要是因為對于那些新加入的用戶不能夠在較短的時間內馬上對他們進行相關的推薦，后者是新加入的系統也要有一段較長的適應期才能夠被用戶查詢。因此針對冷啟動問題，就需要我們能夠從中找到一種方法，讓推薦系統能夠在新用戶加入進來的時候就能為他們較為準確的推薦相關的產品，最好是能夠讓新產品一上市場就得到推廣，而不是等到新產品擱置為舊產品了再得到推廣。

3.2 多樣性和精確度的問題

目前推薦系統給用戶們推薦的產品大多數都是時興流行、得到廣泛認同的產品，因為這些產品本身的特點，所以用戶們容易接受。而當前的多數算法都不能夠達到多樣性和精確度兩全，更多的算法都是以犧牲多樣性為前提條件來確保精確度的提高，因為運營商都認為只要精確度提高就能推薦更容易被用戶接受的產品。然而這樣就讓推薦系統失去了原本的作用，用戶之所以使用推薦系統就是為了找到自己曾經不知道的產品而有更好的選擇，而不是瀏覽自己已經見過很多次的產品。同理，用精確度來換取多樣性也是不可取的。所以目前來說，如何處理多樣性和精確度仍然是一個復雜的問題。

3.3 推薦系統的不穩定性

推薦系統被商家所利用就會暴露其自身的不穩定性，有些商家為了更好的推薦自己的產品會利用一些不合理的行為方式來宣傳自己的產品或者打擊同類的其他商家的產品。針對這種行為有一些算法對此有了改進的方法，但是總體而言，對于系統不穩定性研究還是比較少的，這同樣也是一個值得深入思考與探究的問題。

4 結語

綜上所述，本文主要對推薦系統的概念、推薦系統常見的算法、推薦系統所存在的問題進行了簡單的分析，通過這些分析我們發現推薦系統正處于發展上升階段，因此需要及時地應對并解決其在發展過程中所出現的問題，才能讓推薦系統在移動客戶端得到更持續的健康發展。

參考文獻

[1]張程.面向服務環境中服務的個性化推薦[D].中國科學院研究生院（計算技術研究所），2006.

[2]和莉.基于微信的移動客戶端在頂崗實習系統中的應用研究[J].江蘇開放大學學報，2014（06）.

[3]胡曉光.新生報到系統移動客戶端的研究與設計[J].天津職業院校聯合學報，2013（05）.

作者單位

重慶電子工程職業學院 重慶市 401331endprint