浅析电子商务推荐系统
[摘 要] 随着互联网的普及和电子商务的发展，商品推荐系统逐渐成为电子商务IT技术的一个重要研究内容，越来越多地 受到研究者的关注。本文探讨了电子商务系统的构成、研究内容、研究现状，分析了目前有的推荐系统存在的缺陷和题目，提出了未来电子商务推荐系统研究的发展方向。[关键词] 电子商务；推荐系统；协作过滤；个性化推荐
随着互联网的普及和电子商务的发展，商品推荐系统逐渐成为电子商务IT 技术的一个重要研究内容，越来越多地得到研究者的关注。目前，几乎所有大型的电子商务系统，如Amazon、CDNOW、eBay、当当网上书店等，都不同程度地使用了各种形式的推荐系统。
而且现在电子商务系统规模的进一步扩大，用户数目和项目数据急剧增加，迫切需要相应信息检索技术产生。商品个性化推荐技术，尤其是协同过滤技术，构成了现有电子商务个性化推荐系统的基础。在这里，之所以夸大个性化，是由于需要推荐系统能为每个用户推荐适合他们偏好和爱好的产品，而不是千篇一律的推荐。
一、电子商务推荐系统及构成
电子商务推荐系统(Recommendation Systems for E-Commerce)定义是：“它是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售职员帮助客户完成购买过程”。
推荐系统面对的是用户(user)，任务是为用户提供对项目(item)的推荐。用户是指推荐系统的使用者，也就是电子商务活动中的客户。项目是被推荐的对象，是指电子商务活动中提供给客户选择的产品和服务，也就是终极推荐系统返回给用户的推荐内容。在一个电子商务活动中，用户数和项目数是非常多的。推荐系统面对确当前用户，称为目标用户或者活动用户。推荐系统确当前工作，就是为根据一定的算法，给出对目标用户的推荐项目。
电子商务推荐系统主要由三大部分构成：输进模块、推荐方法模块和输出模块。输进模块用来接受用户的输进信息，用户的输进信息中最重要的是用户对项目的评价(rating)数据；推荐方法模块用来根据一定算法，根据用户数据，得出对目标用户的推荐，该模块是整个推荐系统的核心部分，个性化推荐方面的研究的很大一部分，都集中在找到好的推荐方法。输出模块主要是指得到的推荐以何种形式反馈给用户。
根据项目的特点，目前主要有两种类型的推荐系统，一种是以网页为对象的个性化推荐系统，主要采用Web数据挖掘的方法与技术，为用户推荐符合其爱好爱好的网页；另一种是网上购物环境下的、以商品为推荐对象的个性化推荐系统，为用户推荐符合其爱好爱好的各类产品，如各种书籍，音像等，这种推荐系统也称电子商务个性化推荐系统。
二、电子商务个性化推荐系统的作用
电子商务推荐系统的最大的优点在于它能收集用户爱好资料并根据用户爱好偏好为用户主动作出个性化的推荐，也就是说，当用户每次输进用户名和密码登录电子商务网站后，推荐系统就会按照目标用户偏好程度的高低推荐用户最喜爱的N个产品，而且系统给出的推荐是实时更新的，也就是说当系统中的产品库和用户爱好资料发生改变时，给出的推荐序列会自动改变，大大方便了用户，也进步了企业的服务水平。
总体说来，电子商务推荐系统的作用主要表现在以下几个方面：一方面，使用户从无穷的网络资源和商品世界中解脱出来，大大节约了用户采购商品的时间和本钱；与此同时，推荐系统的个性化推荐服务，进步了客户对电子商务网站的忠诚度(Building Loyalty)，将更多的电子商务网站浏览者转变为商品的购买者，从而进步电子商务网站的交叉销售能力(Cross-Selling)，为电子商务企业赢得了更多的发展机会。
研究表明，在基于电子商务的销售行业使用个性化推荐系统后，能进步销售额2%-8%，尤其在书籍、电影、CD音像、日用百货等产品相对较为低廉且商品种类繁多的行业，以及用户使用个性化推荐系统的程度高的行业，推荐系统能大大进步企业的销售额。
电子商务推荐系统和销售系统(Marketing Systems)、供给链决策支持系统(Supply-Chain Decision-Support Systems)既相似又有不同。销售系统是帮助销售职员如何把产品销售出往；推荐系统终极目的帮助用户，辅助用户购买什么产品做出决策。供给链决策支持系统是帮助生产者决定什么时候生产多少什么产品，以及仓库应该存贮多少各类产品，其终极目的是为企业生产者服务的，而同样推荐系统是面向用户的系统。
三、电子商务个性化推荐系统的研究内容
电子商务个性化推荐的研究有四方面的题目：首先，要解决推荐系统的信息来源题目——推荐系统的基础是用户爱好资料信息，如何在电子商务环境下尽可能获得更多用户的相关信息，并以合适的形式表示是进行个性化推荐的条件；其次，要实现被顾客接受和认可的个性化推荐，设计正确、高效率的个性化推荐算法是核心；另外，要让推荐系统为广大用户所接受，必须对推荐系统作出客观、综合的评价，尤其要留意从正确率、个性化、安全性、用户满足度等多方面进行评价；推荐系统的应用是终极研究的落脚点，推荐系统不仅能为用户提供完全个性化购物环境，更应为企业的销售决策和客户关系治理提供支持。
在电子商务环境下，用户信息收集表示是电子商务个性化推荐的基础。根据当前对电子商务环境下用户信息收集表示的研究来看，主要着眼于研究如何有效地收集能反映用户爱好偏好的信息，以及如何通过网络数据挖掘等的方法更自动化地收集用户的隐式信息，解决用户信息收集过多的依靠于显式评价数据的题目。
个性化推荐技术是电子商务自动化推荐系统的核心题目。目前的推荐技术有协同过滤推荐(包括基于用户的和基于项目的)、基于用户人口统计信息的推荐、基于内容的推荐、基于效用的推荐、基于知识的推荐、基于规则的推荐等等。协同过滤推荐是个性化推荐中研究和应用最多的方法，广泛应用于电子商务网站、数字图书馆、网页搜索、新闻过滤等，著名的推荐系统有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其条件假设是存在具有相似爱好爱好的用户群，每个用户都有与其爱好爱好相似的邻居用户。猜测用户对某一项目的偏好是根据邻居用户对该项目的偏好程度计算的，也就是说假如其邻居用户喜爱某项目，则该用户也很可能会喜爱该项目。协同过滤最大优点是不需要分析对象的特征属性，所以对推荐对象没有特殊的要求，能处理非结构化的复杂对象，如音乐、电影等。
对推荐系统总体性能的评价是推荐系统研究的重要组成部分。目前大都只是采用正确率、召回率等评判标准对推荐算法进行评价，并没有真正意义上的、提升到对整个推荐系统进行的评价，尤其缺乏从个性化程度、持久性程度、系统的安全性以及用户接受程度等多方面对推荐系统进行综合的评价。
四、研究现状
推荐行为产品或其它项目的软件代理已经在很多应用中使用在电子商务领域，为了增加购买经验并满足客户需求，已经推出了充分利用消费者的访问和购买行为的推荐系统。推荐者通常通过给用户展示他们可能感爱好的产品或服务来促进购买。例如，诸如Amazon.com就是通过利用偏好或其他用户购买信息来先容书籍或者其它产品给用户的推荐系统。然而，使用的技术相当简单，而且并非很精确和有效。基本上，程序将当前客户购买的一系列产品与其他客户购买的一系列产品作比较，选择客户购买较多的产品与当前客户购买的产品集合的交集，最后从中选出一些尚未被客户所购买而仍然在顾客购物篮中的产品，并将它们作为推荐列表呈现给客户。该技术也用于类似于协作过滤的文本文档的信息抽取。电影或音乐唱片的推荐，例如Moviefrnder.com，通过预知一个人的偏好与其他人偏好的线性权重集合，并运用协作过滤技术来实现。 对于推荐系统的研究可分为三个种类：技术系统开发研究，用户行为研究和隐私题目研究。其中技术系统开发是重点。目前各种推荐技术，例如数据挖掘，代理和推理，都已经应用到了推荐系统中。现存的推荐系统从广义上可以划分为基于规则的系统和信息过滤系统。信息过滤系统又可分为基于内容过滤的系统和协作过滤系统两种。
基于规则的系统，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他们答应系统治理员根据用户的静态特征和和动态属性来制定规则，一个规则本质上是一个if-then语句，规则决定了在不同的情况下提供不同的服务。基于规则的系统，其优点是简单、直接，缺点是规则质量很难保证，而且不能动态更新。此外，随着规则的数目增多，系统将变得越来越难以治理。
基于内容过滤的系统，例如：Personal WebWather， SysKill
【浅析电子商务系统】相关文章：
浅析电子商务时代的信息管理与信息系统06-10
浅析自动控制系统04-19
电子商务系统开题报告07-20
浅析发电机内冷水系统处理05-25
浅析现行主流大学英语网络教学系统改进08-24
浅析配网TMR系统的两种GPRS抄表方式05-11
浅析日本交通08-09
浅析艺术的本质10-27