基于关联规则电子商务商品推荐系统研究.docVIP

基于关联规则电子商务商品推荐系统研究 　　[摘 要]本文首先探讨了电子商务推荐系统的定义和类型，然后分析了电子商务推荐系统的作用，最后在此基础上对基于关联规则推荐系统的实现进行了研究。 　　[关键词]电子商务；推荐系统；关联规则 　　[中图分类号]TP399 [文献标识码]A [文章编号]1005-6432(2008)52-0078-02 　　 　　电子商务系统规模越来越大、商品越来越多，让用户拥有了更大选择空间。同时用户必须在大量的无关信息中找寻自己所需商品，这也增加了用户购买的难度。为了解决这种信息过载问题，有效地指导用户在电子商务系统中方便的购物，人们提出了电子商务个性化推荐系统技术。 　　 　　1 电子商务推荐系统定义 　　 　　电子商务推荐系统的定义为：“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，模拟销售人员帮助客户完成购买过程。”推荐系统的??前工作就是根据一定的算法，给出对目标用户的推荐项目。在网上购物环境下的以商品为推荐对象，为用户推荐符合其兴趣爱好的各类产品，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，简称电子商务推荐系统。 　　 　　2 电子商务推荐系统的作用 　　 　　商家通过推荐系统保持与客户的联系，提高电子商务系统的访问量，从而提高电子商务系统的销售能力。推荐系统主要通过如下三种途径增加销售： 　　2.1 将电子商务系统的浏览者转变为购买者 　　电子商务系统的访问者在浏览过程中经常并没有购买欲望，电子商务推荐系统能够挖掘出一些潜在用户，向他们推荐其感兴趣的商品，从而将一些网站商品的浏览者变成实际的购买者。 　　2.2 提高电子商务系统的交叉销售能力 　　电子商务推荐系统在用户购买过程中向其推荐其他有价值的商品，使用户购买自己确实需要但在购买过程中没有想到的商品。这种个性化电子商务能够发现用户的购买模式，减少用户冗余访问，从而有效提高电子商务系统的交叉销售能力。 　　2.3 建立和加强用户的忠诚度 　　如果电子商务推荐系统的推荐质量很高，那么用户会再次访问这个网站，并会推荐给其他人。由于??种“一对一”的服务，进一步吸引了用户，使用户在站点上逗留的时间加长，有效地防止用户离去，提高了用户对电子商务站点的忠诚度。 　　 　　3 基于关联规则个性化商品推荐系统的实现 　　 　　基于关联规则的推荐算法可以分为离线的关联规则推荐模型建立阶段和在线的关联规则推荐模型应用阶段。离线阶段使用各种关联规则挖掘算法建立关联规则推荐模型，这一步比较费时，但放在离线模块进行；在线阶段根据建立的关联规则推荐模型和用户的购买行为向用户提供实时的推荐服务。 　　3.1 关联规则 　　关联规则是一种发现数据集中项与项之间可能存在的相关性的挖掘技术。以下给出的数学模型用来描述关联规则的发现问题。设I={i1,i2,…,i m}是项目集合，其中的元素称为项(i t e m)。记D为交易(Tr a n s ac t ion)T的集合，这里交易T是项的集合，并且T?I。对应每一个交易有唯一的标识，如交易号，记作T I D。设X是一个I中项的集合，如果X?T，那么称交易T包含X。一个关联规则是形如X?Y的蕴涵式，这里X?I,Y?I，并且X∩Y=φ。规则X?Y在交易数据库D中的支持度（S u p p o r t）是交易集中包含X和Y的交易数与所有交易数之比，记为s u p p o r t(X?Y)，即s u p p o r t(X?Y)=|{T:X∪Y?T，T∈D}|/|D|规则X?Y在交易集中的可信度（C o n f i d e n c e）是指包含X和Y的交易数与包含X的交易数之比，记为c o n f i d e n c e(X?Y)，即c o n f i d e n c e(X?Y)=|{T: X∪Y?T，T∈D}|/|{T:X?T，T∈D}|给定一个交易集D，挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度(Mi ns upp)和最小可信度(M i n c o n f)的关联规则。可信度说明了蕴涵的强度，而支持度说明了规则中所出现模式的频率。具有高可信度和强支持度的规则称为“强规则”（S t r o n gRu l e s）。一般地，给定一个事务数据库，关联规则挖掘问题就是通过用户制定最小支持度和最小可信度来寻找强关联规则的过程。 　　3.2 模式产生 　　通过用户给定的最小支持度，寻找所有频繁项目集，即满足s upp or t不小于mi n s upp or t的所有项目子集。事实上，这些频繁项目集可能具有包含关系。算法实现的过程如下：首先产生频繁1-项集L1，然后是频繁2-项集L2，直到有某个r值使得L r为空，这