电子商务推荐智能系统分析与设计

    1 引言

    随着信息化水平的提高，网络己成为人们学习、工作和生活的重要组成部分。如何在浩瀚的知识海洋中找到所需信息，己经越来越引起人们的关注。

    传统的网络服务没有考虑到用户差异，而以拓展信息范围，增加信息深度的方法为不同用户提供相同的信息空间。面对巨大的数据源，用户迫切需要一种能够根据自身特点自动组织和调整信息的服务模式，这就为电子商务推荐智能系统的产生和发展提供了契机。

    2 电子商务推荐智能系统简介

    电子商务推荐智能系统是一种根据用户个人喜好向其推荐商品的程序。它基于电子商务网站，通过构建推荐系统模型，分析用户消费偏好，提供个性化产品，提高用户对商务服务的满意程度。

    现阶段的电子商务推荐智能系统还不够完善，用户需要分类测览自主选择喜好的商品。少数电子商务网站能够在这种机械式的产品展示的同时融入个性化的成分，提供：热门产品、同类商品、其他用户评价等服务，引导用户进一步选择。然而这种推荐针对全体用户，而未强调推荐类型和方法的差异性，不利于智能化推荐的实施。

    3 电子商务推荐智能系统功能分析

    3.1 电子商务智能推荐系统应具备的基本功能

    （1）客户端。登陆注册：功能性网站获取用户信息的主要方式。以次确定用户访问权限，获取用户信息集，完成对网站的管理控制。

    分类测览：根据产品规格和类型划分分类目录，通过收集和展示海量信息确保信息空间的全面稳定。它己成为衡量企业网站规模的可测评指标。

    购物车：电子商务网站专有用户操作平台。顾客在测览网页的同时将初选物品暂存于购物车中以便后期操作。操作中包含用户信息、帐户信息、己购商品信息、待购商品信息，同时也应包含用户与金融机构、配送机构的交互，譬如：支付方式、交付手段等。

    信息检索：从数据库中查找与用户输入的字符相匹配的信息和数据，返回目标结果集。在电子商务环境下主要用于对所需商品的查询。

    （2）企业端。传统电子商务网站仅实现商品交易的功能，其销售系统与生产制造系统相互分离，降低了系统的利用率和使用空间。

    在客户管理方面，人们过多的局限于注册信息的获取，忽视了用户需求变更，使用户资料成为单一的文本信息储备。

[page]    3.2 电子商务推荐智能系统

    在具备基本功能之外，还应具备下列特征：

    （1）客户端。个性化推荐：构建匹配模型，寻找邻居用户，根据邻居用户的需求变动推测原用户喜好，向其推荐相关商品；根据用户喜好有针对性的组合推荐商品，使用户方便快捷的一次性购物；自动化过滤用户不感兴趣的信息；对消极商品进行折扣处理或与兴趣商品捆绑销售。

    个性化检索：传统意义上的信息检索需要将用户动态的、临时性的信息输入和静态的、稳定的数据库相匹配。这就在一定程度上造成了信息的间断性。

    电子商务推荐智能系统根据己知用户信息，提供适应用户变化的检索建议。将搜索结果按照用户喜好排序，以便用户更便捷的获取所需信息；通过扩展历史搜索记录充实客户信息集，在商情变更后给予用户提示。

    客户智能管理：根据用户的兴趣水平和购买力特点，提供不同的营销策略和管理方式。追踪商品销售信息，根据商品使用期限，对用户进行二次推荐。

    （2）企业端。推荐系统与生产制造集成：用户可以根据需求订购相关产品。企业定期收集用户反馈，调整产业结构，实行个性化产品生产，用户需求指导生产制造。

    推荐系统与销售系统集成：通过对购买历史的统计，进行产品需求分析，根据用户需求变化调整销售策略。

    4 电子商务推荐智能系统关键技术

    电子商务推荐智能系统相应的关键技术主要有两类：信息检索技术和个性化推荐技术。它们在系统中各有侧重。

    信息检索是根据用户提交的搜索请求，将相应目标结果集按照匹配的相似程度排序后对外发布。而电子商务推荐智能系统所构建的信息检索不仅能准确地查找出检索信息，还要基于用户偏好排序，提高效率。同时通过不定期的交互，主动的增补和修改用户目标结果集，提供更全面的资讯。

    个性化推荐技术是电子商务推荐智能系统中最核心、最关键的技术，目前主要的代表是协同过滤技术。

    该技术不关注于内容的表现形式，而是根据用户信息构造模型确认邻居用户。通过邻居用户对该内容项的评价，比较用户兴趣相似程度后依托邻居用户兴趣向该用户推荐商品。

    协同过滤技术一般分为两类：基于用户的协同推荐和基于模型的协同推荐。前者是用统计的方法得到具有相似爱好的邻居用户，并加权邻居用户在某个特定项目的评价分数来预测当前用户在该项目上的评价分数，根据分数给出推荐。后者则是通过历史数据构造模型，预测潜在需求。这里主要介绍基于用户的协同过滤推荐系统。

    图1 基于用户的协同过滤推荐系统参考模型

[page]    首先构建客户兴趣度矩阵，确定第I个用户对第j项的评估数值。再通过该数值，计算欧几里德距离，根据预先确定的阀值规范化这种距离，选取邻居用户，或者根据事前确定的邻居用户数目选取相似度最大（欧几里德距离最小）的用户。选取邻居用户后，将邻居用户的兴趣项目作为原用户的预测项目，计算兴趣度后排序，得到前n个推荐集，完成协同过滤推荐的全过程。

    5 电子商务推荐智能系统实现过程（见图2）

    图2 电子商务推荐智能系统实现过程

    获取用户信息：有针对性地对用户的兴趣爱好做深入的调查和统计分析，并将统计结果按照某种结构有序存放，完成对用户信息的获取。

    结构化描述：获取信息后，构建模型对用户信息进行结构化的描述。这种结构化的描述，应该以用户信息为基础，以精确性、标准性、易统计性为依据，创建适合于需求模型的用户信息描述方式和存储方式。

    构建需求模型：构建用户需求模型，使系统能够根据用户提供的不同信息，完成对个性化信息需求模型的建立。

    个性化推荐：根据需求模型结果给出的个性化推荐通常以多种形式反馈给用户。我们所关注的是以怎样的形式与用户交互才能达到个性化推荐最好的效果。

    安全性控制：在整个电子商务智能推荐系统实现的过程中，进行全方位的安全性控制是确保系统正常运行的必要手段。无论是对用户信息的隐私性保护，还是对系统健壮性、安全性的维护，都十分的重要。这就需要我们未雨绸谬，进一步开发和改进现阶段的电子商务推荐智能系统的弊端。以期更好的提高效率，提高企业竞争力。

    6 结束语

    电子商务智能化推荐系统可以使电子商务网站的测览者转变为购买者，在一定程度上提高电子商务网站的销售能力和客户对电子商务网站的忠诚度；同时它也更方便用户检索到自己感兴趣的商品。在未来的网络交易中，电子商务推荐智能系统将融入更完善的运行控制机制，成为电子商务的主流。