楊明娟

摘 要：隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，為電子商務(wù)的發(fā)展提供了更大的空間，目前，電子商務(wù)的技術(shù)也越來越發(fā)達(dá)，以前的電子商務(wù)的服務(wù)是一個人對多個人，現(xiàn)在的電子商務(wù)模式變成了一個人對一個人。為每個用戶提供及時的服務(wù)，并且傳遞正確的消息。在生活中，物流變得越來越便利，物流行業(yè)的發(fā)展是電子商務(wù)發(fā)展的前提，每個商家在網(wǎng)上可以賣出多種多樣的商品，而且用戶可以足不出戶的發(fā)現(xiàn)自己需要的商品，用戶不需要花太多的時間的時間就可以找到自己需要的商品。所以電子商務(wù)系統(tǒng)是為了給人們提供更好的購物便利，根據(jù)人們的日常瀏覽得出每個人的興趣愛好，并且推薦給用戶，這樣就可以節(jié)約人們的時間，充分發(fā)揮電子商務(wù)的作用。

關(guān)鍵詞：電子商務(wù);推薦系統(tǒng);關(guān)鍵技術(shù)分析

目前，電子商務(wù)行業(yè)發(fā)展迅速，電子商務(wù)的推薦系統(tǒng)也有獲得了很大的發(fā)展，為人們提供了方便，電子商務(wù)系統(tǒng)是電子商務(wù)中不可缺少的內(nèi)容，越來越多地受到人們的重視。電子商務(wù)有很快的發(fā)展，電子商務(wù)推薦系統(tǒng)也在實踐中不斷地發(fā)展和完善，與此同時，在發(fā)展的同時也面臨著不同的挑戰(zhàn)，本文主要針對電子商務(wù)推薦系統(tǒng)技術(shù)展開討論，對電子商務(wù)推薦系統(tǒng)技術(shù)進(jìn)行了分析，并且提出了針對性地改變策略。

一、電子商務(wù)推薦系統(tǒng)

電子商務(wù)推薦系統(tǒng)主要是通過電子商務(wù)網(wǎng)站像用戶推薦更多用戶感興趣的商品信息，讓用戶對推薦的商品更加感興趣，這個過程和商場里銷售員向顧客推薦商品性質(zhì)是一樣的，通過推薦，讓用戶進(jìn)行購買，屬于自動化的銷售過程，也稱為個性化推薦系統(tǒng)。在以往的商品推薦中，商場的售貨員通過會向顧客推薦顧客所需的商品。但是當(dāng)前處于電子商務(wù)時代，越來越多地消費者選擇電子商務(wù)的形式進(jìn)行消費，而且網(wǎng)上的商品更加豐富多樣，雖然采用了人工客服的方式對商品進(jìn)行介紹，但是這種方法既費人力而且經(jīng)常發(fā)生回復(fù)不及時的情況，這就會降低消費者的購買欲望。在這種情況下，電子商務(wù)推薦系統(tǒng)就發(fā)揮了關(guān)鍵作用，電子商務(wù)推薦系統(tǒng)就像是在商場中的售貨員，將商品的具體信息傳遞給小分著，并且?guī)椭M者購買商品。電子商務(wù)的優(yōu)點在于可以準(zhǔn)確了解到用戶的購買需求，并且結(jié)合用戶的購買需求向消費者做出個性化地推薦。隨著電子商務(wù)系統(tǒng)的快遞發(fā)展，目前也面臨一些問題，主要是電子商務(wù)系統(tǒng)推薦商品的依據(jù)，以及采用什么樣的推薦策略，最后是需要通過采用什么方法進(jìn)行推薦更容易讓消費者接受。

二、電子商務(wù)個性化推薦技術(shù)

（一）協(xié)同過濾的推薦技術(shù)

基于協(xié)作過濾的推薦技術(shù)是目前研究最多的個性化推薦技術(shù)，從其他用戶的角度為目標(biāo)用戶生成推薦列表。在高度個性化的協(xié)作過濾推薦系統(tǒng)中，通過的典型描述方式是將用戶對商品的評價作為用戶的購物傾向。隨著用戶和系統(tǒng)之間交互時間的延長，推薦協(xié)作過濾的核心想法是充分從意圖相似的用戶組購買商品進(jìn)行相關(guān)推薦。這取決于用戶組的情況。協(xié)同過濾的最大優(yōu)點是對推薦對象沒有特殊要求，可以處理非結(jié)構(gòu)化的復(fù)雜對象。比方說，拿音樂、電影方面的推薦為例協(xié)同過濾推薦主要分為三類：臨近協(xié)同過濾推薦方法、項目作為基礎(chǔ)的協(xié)同過濾方法、將模型作為基礎(chǔ)的協(xié)同過濾方法。臨近協(xié)同過渡推薦技術(shù)是基于這些假設(shè)，對其他項目進(jìn)行類似評價的過程，協(xié)作過濾推薦系統(tǒng)使用統(tǒng)計技術(shù)搜索目標(biāo)用戶的，并根據(jù)最近相同用戶的評價預(yù)測目標(biāo)，生成相應(yīng)推薦列表的目標(biāo)用戶最近的查詢是否正確是共同過濾建議成功的關(guān)鍵。基于項目的協(xié)作過濾最好預(yù)測用戶對目標(biāo)項目的評價和當(dāng)前用戶的評價?；陧椖康膮f(xié)作過濾推薦系統(tǒng)使用統(tǒng)計技術(shù)查找目標(biāo)項目的最近購買商品情況。當(dāng)前用戶最近對鄰居的評價與對目標(biāo)項目的評價相似?；谀Ｐ偷膮f(xié)作過濾建議，可以根據(jù)當(dāng)前用戶的最近購買情況評估來預(yù)測與目標(biāo)項目評估相對應(yīng)的建議列表。首先使用歷史數(shù)據(jù)獲取模型，然后根據(jù)模型預(yù)測后的推薦廣泛使用。

（二）把內(nèi)容作為基礎(chǔ)的推薦技術(shù)

基于內(nèi)容的推薦是信息過濾的持續(xù)和發(fā)展。商品是由相關(guān)特征的屬性定義的。系統(tǒng)根據(jù)用戶評價對象的特點了解用戶興趣，并根據(jù)用戶數(shù)據(jù)和預(yù)測項目的一致性推薦購買內(nèi)容。只能推薦用戶已經(jīng)感興趣的類似信息。

（三）將效用作為基礎(chǔ)的推薦技術(shù)

基于效用的推薦根據(jù)用戶要求和可選選擇集的匹配評價來計算商品，推薦用戶的效用。它的核心問題是生成適合每個用戶的效用函數(shù)?；谛в玫耐扑]是系統(tǒng)為用戶生成的效用函數(shù)

（四）基于知識庫為基礎(chǔ)的推薦技術(shù)

知識庫推薦是通過判斷用戶的需求來推薦的。具有滿足特定用戶要求的特定產(chǎn)品的知識，導(dǎo)出用戶要求和建議項目之間的關(guān)系。知識庫推薦可以是支持派生的任何知識結(jié)構(gòu)。每個方法根據(jù)用戶使用的知識，在配置的查詢語句系統(tǒng)中，僅明確區(qū)分用戶說明的知識。例如，使用頁面之間的鏈接信息推測熱門度和權(quán)限，使用與函數(shù)相關(guān)的知識計算實用程序函數(shù)的用戶統(tǒng)計數(shù)據(jù)的推薦技術(shù)。

三、各推薦技術(shù)之間的對比

基于協(xié)作過濾的推薦依賴于用戶之間評價的重疊，因此在同一評價產(chǎn)品時，特別是在新系統(tǒng)開發(fā)初期，只有少數(shù)用戶，可以處于說“評價稀缺”的狀態(tài)。在用戶基數(shù)不大的情況下，用戶關(guān)注度明顯，用戶關(guān)注密度相對較高產(chǎn)品，數(shù)量相對較小且固定的情況下，用戶之間可以共享的產(chǎn)品聯(lián)合過濾建議最合適。也就是說，將用戶與不同用戶群體分離的基于內(nèi)容的推薦也是推薦商品?；趦?nèi)容的電影推薦系統(tǒng)可以在沒有新用戶問題的情況下共享。也就是說，評價少的新用戶很難推薦評價少的新商品，可以分為基于“評價少”問題效用的推薦需求系統(tǒng)。包括交貨計劃、保證條件等。它構(gòu)建了涵蓋所考慮商品所有特征的效用函數(shù)。產(chǎn)品僅限于特定的性能特性，可以通過基于實用程序的系統(tǒng)表達(dá)所有考慮事項。要設(shè)置完全感興趣的實用程序函數(shù)，建議測量這些元素權(quán)重。這是一個完全明確的實用工具功能，會給用戶和系統(tǒng)交互帶來負(fù)擔(dān)，對有特殊購買要求的專業(yè)用戶有用，但對幾乎沒有相關(guān)知識的臨時用戶來說可能會很麻煩?；谛в玫耐扑]系統(tǒng)不適合用戶知識的臨時閱讀。推薦的重點和難點是知識，即推薦產(chǎn)品及其特點的知識，其次是功能知識。該系統(tǒng)可以與能夠滿足用戶需求的產(chǎn)品功能相比較。為了提供高質(zhì)量的推薦服務(wù)，需要用戶相關(guān)知識的新系統(tǒng)在基于用戶統(tǒng)計的推薦中有“灰色量”，但沒有新的用戶問題。該系統(tǒng)不需要用戶評估產(chǎn)品，但隨著隱私問題的敏感性提高，收集必要的用戶統(tǒng)計數(shù)據(jù)是推薦系統(tǒng)面臨的問題。

結(jié)束語：電子商務(wù)推薦系統(tǒng)為電子商務(wù)的發(fā)展發(fā)揮著很大作用，是一種新的電子商務(wù)技術(shù)，目前，雖然取得了一定的成效，還是存在一些問題，因此，在電子商務(wù)個性化推薦的發(fā)展中仍然需要加強(qiáng)對技術(shù)的研究，結(jié)合時代的需求，做出更多適應(yīng)時代發(fā)展的電子商務(wù)技術(shù)策略，促進(jìn)點電子商務(wù)的長遠(yuǎn)發(fā)展。

參考文獻(xiàn)：

[1]電子商務(wù)推薦系統(tǒng)地研究[J]. 王丹，趙瑜，王樂天.? 泰安教育學(xué)院學(xué)報岱宗學(xué)刊. 2019（03）

[2]基于ART的電子商務(wù)推薦系統(tǒng)地研究與實現(xiàn)[J]. 劉芳，晏志勇.? 中國商貿(mào). 2019（07）

[3]電子商務(wù)推薦系統(tǒng)研究[J]. 黎星星，黃小琴，朱慶生.? 計算機(jī)工程與科學(xué). 2016（05）