電子商務(wù)中推薦系統(tǒng)的研究應(yīng)用

鄧佳燕 歐陽紅巍

（湖南現(xiàn)代物流職業(yè)技術(shù)學(xué)院，湖南 長沙 410131）

一、引言

當(dāng)今大數(shù)據(jù)時代，互聯(lián)網(wǎng)成為我們生活中不可分割一部分。網(wǎng)上購物給消費者帶來巨大便利，同時也帶來很多困擾。每一個電子商務(wù)平臺的商家擁有很多商品，同一種不同性能、不同價位、不同針對對象的產(chǎn)品更是讓顧客眼花繚亂[1]。顧客不得不花大量時間去尋找適合自己商品，這不但給顧客帶來很多困擾，同時不能確保用戶找到合適的產(chǎn)品，這嚴(yán)重阻礙電子商務(wù)健康的快速發(fā)展[2]。

電子商務(wù)中推薦系統(tǒng)技術(shù)在一定程度上解決上述問題，它像一個導(dǎo)購員一樣，根據(jù)顧客需求和偏好，耐心幫助顧客完成一次滿意的購物[3]。幾乎當(dāng)前所有的電商平臺如淘寶、京東、拼多多、百度等都采用推薦系統(tǒng)技術(shù)，并取得較好的效果。電子商務(wù)系統(tǒng)中推薦系統(tǒng)主要充分利用用戶瀏覽、搜索、購買、評論、收藏等記錄信息，分析得出用戶需求和偏好，從而向用戶推薦更合適的商品[4]。好的推薦系統(tǒng)對電商平臺和用戶都有利，用戶通過推薦系統(tǒng)能購買稱心如意的商品，節(jié)約時間和精力；而電商平臺通過推薦技術(shù)，讓用戶更好購物，增加用戶購物滿意度，不但帶來更多商品的銷售，同時增加一些潛在的顧客的忠誠度[5]。

二、電子商務(wù)平臺推薦系統(tǒng)構(gòu)成

推家系統(tǒng)一般五大部分組成，即基礎(chǔ)層、模型層、算法層、組合成以及應(yīng)用層，如圖一?；A(chǔ)層主要對電商平臺上的數(shù)據(jù)進行運算、儲存以及傳輸，這個過程相當(dāng)重要，因為要確保數(shù)據(jù)不被泄露、丟失和數(shù)據(jù)的完整性，同時能充分利用數(shù)據(jù)。模型層就是輸入的數(shù)據(jù)進行分析計算，根據(jù)用戶的歷史數(shù)據(jù)建立相關(guān)的模型，并給用戶推薦相關(guān)的物品。這一層決定推薦系統(tǒng)好壞的一個很重要的因素。

算法層也是推薦系統(tǒng)很關(guān)鍵的一部分，優(yōu)秀的推薦平臺一般都會尋求合適的推薦算法，充分分析用戶相關(guān)數(shù)據(jù)，在無數(shù)商品中推薦出適合用戶的商品。

組合成主要幾種算法組合，主要單一算法有相應(yīng)的優(yōu)勢和不足，結(jié)合兩種或多種算法，充分彌補單一算法不足之處，形成功能強大的算法。目前常用的組合算法有：迭代決策樹融合算法、玻爾茲曼機融合算法、邏輯斯特回歸融合算法以及支持向量機融合算法，充分利用這些融合后算法，能最大程度挖掘顧客有價值信息，給顧客推薦更合適的物品[3]。

應(yīng)用層根據(jù)不同需求提供不同服務(wù)，例如個性化推薦、關(guān)聯(lián)推薦、熱門推薦等。個性化推薦主要充足數(shù)據(jù)下，快速幫助用戶尋找到適合自己的商品信息，不同人給出不同推薦，推薦給每一個人最合適商品。

圖一 電子商務(wù)平臺中的推薦系統(tǒng)框架

三、常見的推薦系統(tǒng)應(yīng)用

（一）基于內(nèi)容的推薦算法

這種推薦算法主要根據(jù)用戶關(guān)注的商品的特征來計算與其他同類型商品之間的相似度，進而為用戶推薦與他們歷史記錄相似的商品。這種算法會給每一個用戶建立特征庫，記錄用戶詳細(xì)的搜索、瀏覽、購買記錄，分析上述數(shù)據(jù)，計算這些數(shù)據(jù)與即將推薦的商品之間相似程度，匹配度較高的商品推薦給用戶。由于基于內(nèi)容推薦的算法不好分析一些視屏、音樂數(shù)據(jù)，故此這類算法主要用于一些靜態(tài)的數(shù)據(jù)。同時該類算法推薦主要是基于類似的商品推薦，如果沒有相似商品，就會推薦一些無關(guān)的商品，不利于電子商務(wù)一些潛在商品的推薦[4]。

（二）協(xié)同過濾推薦算法

協(xié)同過濾推薦算法是當(dāng)前應(yīng)用最為廣泛推薦技術(shù)，這種算法不需要考慮推薦商品的內(nèi)容信息，只需要在歷史用戶群體中尋找偏好相同的消費群體，以這些用戶消費記錄的屬性和特征為基礎(chǔ)，像當(dāng)前用戶推薦偏好相似的商品。此種推薦算法的主體不在基于商品本身，而是興趣偏好相似的用戶，即是做決定之前參考其他用戶的意見。但協(xié)同過濾推薦算法更多依賴用戶歷史評分記錄，需構(gòu)建用戶和商品之間的評分矩陣，如果這個矩陣很稀疏，推薦就沒有太大意義。同時如果隨著用戶和對應(yīng)項目的增加，矩陣規(guī)模不斷增大，計算復(fù)雜度增加，導(dǎo)致系統(tǒng)性能急劇下降，嚴(yán)重影響電商平臺推薦的實時性[1]。

（三）基于關(guān)聯(lián)規(guī)則的推薦

基于關(guān)聯(lián)規(guī)則推薦就是尋找商品之間的關(guān)聯(lián)關(guān)系，即用戶購買這類產(chǎn)品之后，同時又購買其他商品，從而調(diào)整電商平臺上商品擺放位置，引導(dǎo)用戶購買一些未曾想到卻潛在消費的商品，既能讓商家銷售更多商品，也讓用戶購買更多合適商品。常見關(guān)聯(lián)分析主要充分挖掘用戶購物車商品之間關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)其他購買這類產(chǎn)品用戶，還會購買其他產(chǎn)品，從而在用戶購買之后，推薦相關(guān)商品。關(guān)聯(lián)推薦主要根據(jù)商品之間的關(guān)聯(lián)關(guān)系進行推薦，因此推薦結(jié)果的個性化程度不是很高[2]。

四、電商平臺中推薦系統(tǒng)的未來

（一）推薦質(zhì)量

推薦系統(tǒng)最為重要就是推薦結(jié)果是否與用戶相關(guān)，推薦是否有價值，用戶對推薦的東西是否感興趣，這就是所謂的推薦質(zhì)量。當(dāng)用戶確實對推薦的東西感興趣，符合自己的需求，的確讓他們方便，減少很多彎路，消費者才會進一步采用這樣推薦。目前大多數(shù)電商平臺的推薦質(zhì)量還需有待進一步提高，例如經(jīng)常推薦一些無關(guān)的東西，不相關(guān)的廣告隨意推薦等等。如何向顧客推薦有價值、符合預(yù)期消費標(biāo)準(zhǔn)、真實有效的產(chǎn)品，是電商平臺目前面領(lǐng)巨大挑戰(zhàn)[5]。

（二）推薦系統(tǒng)易用性

一個良好的推薦系統(tǒng)應(yīng)該是一個易用的，信息編排合理的系統(tǒng)。如果推薦的結(jié)果排列混亂，用戶不易找到與自己緊密關(guān)聯(lián)的商品，就會造成不好購物體驗。因此推薦系統(tǒng)不僅要很好地滿足用戶的需求，同時相關(guān)推薦信息要排列簡單，易用，讓顧客第一時間就能找到自己需求相關(guān)的商品。推薦結(jié)果也要表述通俗易懂，避免采用過多的專業(yè)化術(shù)語，同時應(yīng)該給出推薦理由，提升用戶的購買欲望[3]。

（三）推薦系統(tǒng)的信任度

加強用戶和電商平臺推薦系統(tǒng)交流，讓用戶更加熟悉推薦系統(tǒng)，有利于更多用戶做出購買的決定。目前電商平臺為了讓用戶表述自身需求，讓推薦系統(tǒng)更加容易理解自己的需求，采用短信、調(diào)查問表、電話等方式詢問用戶的意見，構(gòu)建一個更加智能化的推薦系統(tǒng)。如果用戶不滿意相關(guān)推薦結(jié)果時候，可以隨時修改消費需求和其他信息，從而讓推薦系統(tǒng)更加準(zhǔn)確推薦用戶密切關(guān)聯(lián)的商品。一旦這樣良性循環(huán)開始，用戶會越來越滿意信任商家的推薦系統(tǒng)，從而進行更多消費活動，這讓用戶和商家從中獲利[4]。

五、電商推薦系統(tǒng)一點建議

未來電商平臺應(yīng)該發(fā)展更智能更全面的推薦系統(tǒng)，讓用戶更輕松購物。同時電商平臺應(yīng)該注重保護用戶的隱私問題，采用多級密碼保護賬號，隱私數(shù)據(jù)本地保護等手段保護用戶隱私信息。政府應(yīng)該出臺更加全面法律法規(guī)，規(guī)劃推薦系統(tǒng)未來發(fā)展方向，保護用戶隱私信息[2]。

六、總結(jié)

本文從三大方面對電商中的推薦系統(tǒng)展開研究，首先介紹下電子商務(wù)平臺常見的構(gòu)建模塊以及每一個模塊功能，然后給出三大方面常見的推薦系統(tǒng)的應(yīng)用，并給出優(yōu)缺點，最后從三大方面探討電商中推薦系統(tǒng)未來發(fā)展并給出相關(guān)建議。