基于數據挖掘技術的電子商務推薦系統的研究

胡曉超

【摘要】 本文首先對數據挖掘技術進行了分析，重點對數據挖掘技術中的協同過濾技術在電子商務推薦系統中的應用與實現進行了介紹與分析。希望能為促進電子商務推薦系統的發展提供一定的借鑒。

【關鍵詞】 數據挖掘技術；電子商務；推薦系統；研究

隨著計算機互聯網技術在社會工作與生活中的普及，電子商務產業也獲得了快速的發展。為了進一步擴大電子商務的市場，提高電子商務企業的經濟效益，電子商務推薦系統被開發出來。而數據挖掘技術作為支持該系統運行的重要技術，對電子商務推薦系統的發展具有重要意義。本文將主要對其進行分析與研究。

一、數據挖掘技術概述

數據挖掘技術至今還沒有一個統一的、確定的概念定義。歸結起來，筆者認為數據挖掘的概念應主要包括以下三方面內容：①未知。一些學者也將其表述為新穎。這一方面內容強調的是數據挖掘技術能夠清楚的揭示出許多數據之間的相互關聯關系，并對于隱藏在這些數據信息后的隱含信息也能隨之被呈現。通常來說，被挖掘出的信息越隱秘，那么其價值也就越大[1]。②可用。一些學者也將其表述為有效、支持決策等。數據挖掘技術的這一內容主要強調對數據信息可用性價值的需求。因為只有挖掘出了有價值的、能夠被人們利用的數據信息，才能滿足人們的需求，推動某些事物的發展。③可理解。一些學者也將這一內容解釋為可解釋。然而無論表述之間存在著怎樣的差異，這一內容都主要對被挖掘出的數據信息的可理解狀況提出了要求。只有那些通被商家與客戶理解的數據信息才能夠被最終應用，發揮其自身的價值，帶動相關利益主體的進步與發展。

二、協同過濾技術

數據挖掘技術有許多種類，如關聯規則、聚類、貝葉斯網絡和協同過濾技術等[2]。其中協同過濾技術作為數據挖掘技術中最具有價值的一種技術，被廣泛的應用到了現如今的電子商務推薦系統之中。

2.1協同過濾技術的實現

協同過濾技術的實現并不是一步就可以完成的，而需要經過多個步驟。經過歸納，筆者將其分為三個主要步驟：第一，人們需要事先對用戶進行調查，以記錄和收集他們對企業商品項目的評價信息；第二，對企業項目集的搜索結果進行生成操作；第三，對企業項目集推薦結果進行生成操作[3]。在進行第一個步驟時，人們經常使用顯示評價法與人工調查法對商品項目的評價信息進行收集。在電子商務時代，傳統的人工走訪方式已經逐漸被取代，更多的是應用顯示評價法對商品項目信息進行收集。

2.2基于用戶的協同過濾技術

此種協同過濾技術主要通過慣性分析方式將電子商務企業的用戶作為研究對象，這種數據挖掘技術是以用戶為研究對象的。也就是說當電子商務企業的某兩個用戶對于某一商品的評價信息趨于一致時，那么系統就會推斷這兩個用戶對商品的喜好品味是相同的，而商務推薦系統在以后的工作中在對某一商品進行推薦評價等工作時就會認為這兩個用戶也會對此商品有著同樣的喜愛程度。

將基于用戶的協同過濾技術應用到電子商務的推薦系統中，電子商務推薦系統能夠更加輕松的對商品項目用戶的喜好傾向進行搜集與挖掘，從而為相關的商家提供一定的數據信息支持其新產品的研發設計等。并且通過這一技術電子商務推薦系統還能夠對并未購買過某商品的用戶，但是與其有著相同喜好的用戶已經購買過的關聯用戶進行商品推薦，以發掘更多的潛在購買用戶，擴大企業的市場，增加產品的銷量，從而獲取更高的利益。

2.3基于項目的協同過濾技術

基于項目的協同過濾技術主要將商品項目作為其作用對象。若電子商務推薦系統要想將某件商品Y推薦給某個用戶S。就應該首先將用戶S已經購買并評價過的商品（Y1、Y2……Yn）進行統計，然后對電子商務企業需要推薦的商品Y和這n個已經評價過的商品之間的相似度進行計算與對比。找出這n個評價過商品中與待推薦商品Y相似度最大的商品項目，從而建立起與待推薦商品Y相似的商品集合（n1、n2……nk）。由于商品用戶S對待推薦的商品Y的評價情況與用戶S對（n1、n2……nk）中商品集合的評價情況相似度較高，因此電子商務推薦系統會用用戶S對（n1、n2……nk）商品集合的評價值進行加權的方式來得出用戶S對待推薦商品Y的評價值F。當F大于推薦平均值w時，電子商務推薦系統就會對用戶S推薦商品Y。

三、結束語

本文主要對基于數據挖掘技術的電子商務推薦系統進行了研究，并重點對協同過濾技術對電子商務推薦系統的重要性作用進行了分析，希望能夠進一步推動電子商務推薦系統的發展。

參 考 文 獻

[1] 韓家煒.數據挖掘——概念與技術（范明，孟小峰譯）[M].機械工業出版社，2011.

[2] 郭萌，王玨.數據挖掘與數據庫知識發現：綜述[J].模式識別與人工智能，2010，11（3）：292-299.

[3] 卞榮兵.基于網格密度的數據挖掘的研究與應用[D].南京氣象學院碩士論文，2013，14（2）：12-19.