电子商务环境下基于实时信息的单类协同过滤算法研究.docVIP

　　电子商务环境下基于实时信息的单类协同过滤算法研究----电子商务论文 --1 引言 1.1研究背景及意义 1.1.1研究背景 在现代生活中，企业形式日趋多样。在众多的企业中，零售企业呈现出飞速发展之势，但同时也面临着诸多的挑战。例如评估用户对商品的感兴趣程度，以及从市场的角度准确评价商品等等，这些挑战在交揚过程中往往会转化为如何找到用户与商品间的最佳搭配。近年来，很多零售企业开始涉足电子商务领域，幵展网络零售，并且发展速度很快。据第三方电子商务研究机构中国电子商务研究中心（100EC.)发布的《2013年度中国网络零售市场数据监测报告》报告显示：截止到2013年底，中国网络零售市场交易规模达18851亿元，同比增长42.8%。报告还预测，2014年全国网络零售市场交易额有望达到27861亿元。截止到2013年底，中国网络零售市场交易规模占当年社会消费品零售总额的8.04%，而这一数据比例在2012年仅为6.3%，预计这一比例还将保持扩大态势，到2014年有望达到9.8%。总体来看，这些数据的背后意味着电子商务已经开始改变零售业的格局，为零售业的蓬勃发展注入了生命活力。 电子商务没有传统商业模式存在的地域限制，消费者有更大的选择空间。但随着互联网上的信息迅速膨胀出现了 “信息过载”现象，即当用户在网站浏览或购买时，因网站中充斥着各种各样的物品，可能会有多种分类供用户选择；用户产生了越来越强的信息过滤需求；其口味也越来越个性化；用户兴趣变化急需及时捕捉。用户如何从海量的资源中快速地找到喜欢的物品是目前急需要解决的问题，而且用户也需要一种能根据自己的需求自动提供感兴趣物品的技术。从零售商的角度来看，尽管发展电子商务机遇巨大，但其却必须解决一个更高层次的复杂问题：近年来，由于用户和商品数量的增加，需要零售商开发一个系统的推荐列表。该列表或是一个针对目标顾客的项目列表，或是针对目标物品的用户列表，让用户更容易发现其所感兴趣的信息，也让信息更便捷地传送给所适合的用户。在这种情况下，电子商务推荐系统应运而生。 电子商务推荐系统的实现原理是：通过对用户购物交易记录及用户对物品评分、评价、用户的历史访问日志等相关信息的处理（评价所需的基础数据），发现并挖掘用户的购物偏好，然后向其推荐相似的其他物品。电子商务推荐系统的作用主要表现在三方面：（1)可以拓展新用户，将电子商务网站的浏览者、观察者等潜在型用户，最终转化为实际的购买者；(2)能够有效保留老用户，为老用户继续提供良好的服务体验，提高其对电子商务网站用户的忠诚度，增加用户的黏性；(3)推荐多样化的相关物品，增加销售成功概率，提高电子商务网站的交叉销售能力。另外，有研究表明，成功有效的电子商务推荐系统能够提高网站的销售额8%~10%[1]。因此，通过电子商务推荐系统进行网络零售是电子商务活动中极其重要的一环。 ...... 1.2相关概念 当前社会，互联网技术的蓬勃发展使得信息发布和传播的速度越来越快，方式越来越便捷，但不断增长和丰富的海量数据却带来了严重的信息过载和信息冗余问题。面对庞杂的数据，人们越来越难以找到自己所需要的信息，这种情况下，当用户不明确自己的需求或者需要更符合个人喜好的物品时，仅仅依赖传统有哪些信誉好的足球投注网站已不能完全满足用户的需求，无差别的信息呈现使得用户较难寻找到自己喜欢的产品信息，互动性较差，用户体验也较差。解决上述问题的一条非常有效的途径是采用推荐系统。“推荐”在《现代汉语词典》中的释义为：介绍合适的人或事物希望被任用或接受。推荐可以分为大众化推荐和个性化推荐。大众化推荐指的是根据大众行为，对每个用户都给出同样的推荐。大众化推荐所提供的可以是静态的由系统管理员人工设定的物品或其他信息，也可以是基于系统所有用户的反馈统计所计算出的当前阶段比较流行的物品或其他信息。不同于大众化推荐，个性化推荐是根据用户的兴趣特征及购买行为，向用户推荐其感兴趣的物品或其他信息。个性化推荐针对不同的用户，根据其口味和偏好提供更加精确的推荐。这种推荐要求系统对需推荐的内容和用户的特征要了解，或者基于社会化网络，通过寻找与当前用户相同偏好的用户以实现推荐。在一般情况下，大多数人们讨论的推荐均属于个性化推荐。个性化推荐是更加智能的信息发现过程。而个性化推荐系统中应用范围最广、推荐效果最明显的就是电子商务推荐系统。 1.2.1电子商务推荐系统 电子商务推荐系统一方面可以起到购物助手的作用，另一方面它还是建立在数据挖掘基础上的智能服务平台，可以帮助商家实现利益最大化。当前的电子商务推荐系统中，一般都是在不同的场景下使用不同的推荐策略，从而达到最好的推荐效果，很少有仅仅采用一个推荐策略的推荐系统。例如亚马逊（Amazon)的推荐系统，采用的就是将基于用户本身历史购买记录数据的推荐，以及将大众喜好的当下较为流行