林正蕤

(南開大學(xué)商學(xué)院 天津南開 300110)

電子商務(wù)個(gè)性化推薦系統(tǒng)是以網(wǎng)站為平臺(tái)，開展客戶商品推薦的真實(shí)模擬，解決了信息過載的問題。該系統(tǒng)不僅可快速幫助客戶定位，讓他們?cè)邶嫶蟮男畔⑷褐?，用?短的時(shí)間找到心儀的商品，還能幫助企業(yè)實(shí)現(xiàn)差異性經(jīng)營(yíng)，為其帶來(lái)巨大的經(jīng)濟(jì)利益?？蛻艨粗心骋簧唐泛螅欠駮?huì)買下它有兩個(gè)決定因素：商品質(zhì)量、商家服務(wù)。為此，本文另辟蹊徑，從關(guān)注客戶分類入手，對(duì)電子商務(wù)個(gè)性化推薦問題深入研究，從客戶需求進(jìn)行分類，并以此為基礎(chǔ)，提出針 對(duì)性的推薦法。

1 電子商務(wù)推薦系統(tǒng)內(nèi)涵分析

個(gè)性化的推薦即依照客戶愛好及習(xí)慣、需求來(lái)模仿銷售人員推薦信息、商品的程序。在實(shí)際操作中，電子商務(wù)個(gè)性化推薦系統(tǒng)融合了統(tǒng)計(jì)學(xué)、數(shù)據(jù)挖掘技術(shù)、人工智能技術(shù)等多個(gè)技術(shù)形式，在技術(shù)的配合下，能夠分析訪問者在網(wǎng)站上的訪問行為，獲取幫助顧客訪問感興趣產(chǎn)品信息的推薦結(jié)果，引導(dǎo)顧客購(gòu)買行為，進(jìn)而從中獲取利潤(rùn)。

電子商務(wù)推薦系統(tǒng)可以劃分為輸入、推薦、輸出等功能板塊。在輸入板塊中，有社團(tuán)、客戶兩個(gè)群體內(nèi)容，個(gè)人輸入目標(biāo)主要是為了客戶服務(wù)，目的是在了解用戶需要的基礎(chǔ)上為其提供有針對(duì)性的服務(wù)支持。

服務(wù)分析所參考的內(nèi)容包含用戶歷史瀏覽、關(guān)鍵詞搜索、之前所購(gòu)買過的歷史等。社團(tuán)群體輸入是集體方式的數(shù)據(jù)開展評(píng)估工作，包括歷史、評(píng)價(jià)等內(nèi)容。輸出是推薦系統(tǒng)獲得信息之后推薦給用戶的內(nèi)容，表現(xiàn)形式為建議、預(yù)測(cè)、個(gè)體評(píng)分和評(píng)論。

建議環(huán)節(jié)是根據(jù)客戶的喜愛，推薦最能吸引他們的商品；預(yù)測(cè)則是給定項(xiàng)目開展總體的評(píng)分工作；而個(gè)體評(píng)分是輸出對(duì)其他客戶商品開展的個(gè)體的評(píng)分；評(píng)論則是輸出其他客戶進(jìn)行字面上的評(píng)價(jià)。

2 個(gè)性化推薦技術(shù)

2.1 協(xié)同過濾推薦技術(shù)

這種推薦技術(shù)是當(dāng)前研究最廣的，可劃分為兩個(gè)類別，第一類是基于用戶的協(xié)同過濾，即在實(shí)施操作的識(shí)貨先用統(tǒng)計(jì)學(xué)分析方法，能獲取有相似興趣的客戶；第二類是以歷史的數(shù)據(jù)得到模型，以該模型完成預(yù)測(cè)的工作，這種方法我們稱為“以模型開展的協(xié)同過濾”。該技術(shù)包括很多內(nèi)容，如貝葉斯網(wǎng)絡(luò)。但這個(gè)算法有一個(gè)致命的問題，其算法會(huì)因?yàn)橛脩魯?shù)量的增加而增長(zhǎng)，所以數(shù)據(jù)計(jì)算會(huì)以線性方式增長(zhǎng)，數(shù)量越多，算法性能越弱，且對(duì)推薦結(jié)果未必會(huì)產(chǎn)生積極的影響。為了更好地解決這個(gè)問題，有人提出了一個(gè)全新的算法，即第三種協(xié)同過濾推薦算法，這種方法稱之為項(xiàng)目協(xié)同推薦算法，這種算法對(duì)視對(duì)已評(píng)價(jià)完項(xiàng)目評(píng)估做出的選擇，以相似度為權(quán)重分析，加權(quán)處理并完成后或獲得預(yù)測(cè)的數(shù)據(jù)。

2.2 其他推薦技術(shù)

第一，以內(nèi)容為主的推薦技術(shù)。以這種信息過濾技術(shù)的拓展，在運(yùn)用時(shí)相關(guān)項(xiàng)目、對(duì)象或有關(guān)特征定義的內(nèi)容。根據(jù)用戶評(píng)估對(duì)象重點(diǎn)找到客戶的群體，并根據(jù)用戶資料及被檢測(cè)項(xiàng)目，以其匹配度開展推薦工作；第二，以用記統(tǒng)計(jì)的信息進(jìn)行推薦。該系統(tǒng)是以用戶個(gè)人角度為用記開展分類的，之后根據(jù)用戶分類結(jié)果為用戶推薦信息；第三，采用交用推薦法。這種方法是根據(jù)用戶以項(xiàng)目盜用計(jì)算的，關(guān)鍵的問題是如何使用戶創(chuàng)造其有盜用的函數(shù)；第四，基于知識(shí)的推薦技術(shù)?；谥R(shí)的推薦技術(shù)是推理技術(shù)形式，會(huì)依照一系列邏輯思想完成知識(shí)的推薦。

3 CBR算法及在推薦系統(tǒng)中的工作流程

3.1 內(nèi)涵

CBR是一種基于案例的學(xué)習(xí)方法，在使用時(shí)，通過打造豐富的主體案例庫(kù)來(lái)尋找最理想化的問題解決方案。CBR法在使用時(shí)與問題解決法非常類似，電子商務(wù)個(gè)性化推薦是否成功，取決于其推薦結(jié)果是否符合客戶的思維特點(diǎn)和基本需要。因此，將CBR應(yīng)用到電子商務(wù)個(gè)性化推薦系統(tǒng)中具有十分重要的現(xiàn)實(shí)應(yīng)用意義。

3.2 工作流程

CBR算法在推薦系統(tǒng)中的應(yīng)用步驟如下：第一，案例收集和表示。收集過去進(jìn)行問題求解的典型案例，在具體實(shí)施操作時(shí)每個(gè)案例由客戶的個(gè)人特征資料、需求信息和消費(fèi)行為信息構(gòu)成；第二，案例檢索。檢索案例庫(kù)，從中提取問題領(lǐng)域和目標(biāo)問題相似的案例，之后根據(jù)客戶需求信息，動(dòng)態(tài)化地調(diào)整相關(guān)特征的權(quán)重比例；第三，案例匹配。通過案例的匹配計(jì)算出案例的相似度，并通過相似度的量值分析和排序結(jié)果，從案例庫(kù)中檢索出匹配的案例；第四，案例求解。對(duì)最理想化的相似案例求解方案實(shí)施修改和調(diào)整；第五，案例更新。將調(diào)整之后的目標(biāo)案例推薦結(jié)構(gòu)作為目標(biāo)案例，引入案例庫(kù)中，積累更多的案例累積經(jīng)驗(yàn)。

3.3 技術(shù)方法

案例的表示是基于相似案例分析的電子商務(wù)個(gè)性化系統(tǒng)打造的一個(gè)基礎(chǔ)性工作，在系統(tǒng)運(yùn)作時(shí)只有完整、清晰地表達(dá)自己的特點(diǎn)及在購(gòu)買時(shí)的需求信息，才能為客戶提供相應(yīng)的支持。站在個(gè)性化角度，完善案例模型，要包括客戶的信息特點(diǎn)，也包括需求的信息。

在確定案例表示方法后，結(jié)合數(shù)據(jù)分析結(jié)果打造相似案例索引機(jī)制，將目標(biāo)案例和問題的解決相匹配，為了保證匹配結(jié)果的精準(zhǔn)性，可以對(duì)數(shù)據(jù)信息實(shí)施全面的量化分析。相似度的測(cè)量范圍大小深受測(cè)量領(lǐng)域的影響，返回?cái)?shù)值在0～1時(shí)，意味著一個(gè)案例中的特征數(shù)值和其需求關(guān)聯(lián)的案例特征值存在較大的相似性。在綜合統(tǒng)計(jì)分析之后對(duì)相似度進(jìn)行分析，即根據(jù)案例之間的距離判定案例數(shù)據(jù)信息之間的相關(guān)度。

在確定相似度之后，基于相似案例分析的電子商務(wù)個(gè)性化，系統(tǒng)會(huì)根據(jù)相似度對(duì)備選方案實(shí)施排序。案例檢索時(shí)，以客戶需求設(shè)定參數(shù)，系統(tǒng)顯示大于閾值案例信息，推薦系統(tǒng)能夠向客戶提供適當(dāng)數(shù)量的和目標(biāo)案例匹配的信息。

4 電子商務(wù)個(gè)性化推薦系統(tǒng)的基本結(jié)構(gòu)框架

基于CBR的個(gè)性化推薦系統(tǒng)使用了三層體系結(jié)構(gòu)，具體如圖1所示，筆者結(jié)合圖1的結(jié)構(gòu)做出如下分析：

圖1 基于CBR的個(gè)性化推薦系統(tǒng)三層結(jié)構(gòu)框架

第一，客戶應(yīng)用層。為客戶和企業(yè)客戶訪問推薦系統(tǒng)提供一個(gè)良好的交互界面，整個(gè)界面的功能如下：(1)為客戶端的消費(fèi)、客戶信息輸出提供推薦結(jié)果；(2)為企業(yè)端的客戶、產(chǎn)品生產(chǎn)加工提供重要決策支持。

第二，Web服務(wù)層。Web服務(wù)層會(huì)從數(shù)據(jù)源中檢索、更新數(shù)據(jù)信息，在此期間，系統(tǒng)中間層會(huì)根據(jù)需要調(diào)節(jié)信息的使用，主要模塊如下：(1)管理模塊。管理模塊在運(yùn)作時(shí)會(huì)和第一層相互作用，并對(duì)其他模塊實(shí)施管理；(2)檢索模塊、匹配模塊。檢索模塊和匹配模塊能夠按照需要完成信息的檢索和匹配應(yīng)用；(3)案例挖掘模塊。案例挖掘模塊會(huì)分析案例倉(cāng)庫(kù)中的數(shù)據(jù)信息，并結(jié)合信息的應(yīng)用情況調(diào)整信息使用規(guī)則，將信息的使用規(guī)則輸入管理模塊中。

第三，數(shù)據(jù)源層。數(shù)據(jù)源層包含案例約束庫(kù)、案例倉(cāng)庫(kù)、產(chǎn)品數(shù)據(jù)庫(kù)、歷史數(shù)據(jù)庫(kù)。其中，案例倉(cāng)庫(kù)包含所有客戶的特征信息和長(zhǎng)期消費(fèi)行為信息；案例閱書庫(kù)包含信息使用標(biāo)準(zhǔn)；歷史數(shù)據(jù)庫(kù)包含消費(fèi)客戶的消費(fèi)歷史、瀏覽記錄。

5 基于CBR的個(gè)性化推薦系統(tǒng)應(yīng)用過程展示——以某服裝電子銷售網(wǎng)站設(shè)計(jì)的個(gè)性化推薦系統(tǒng)為例

某服裝電子銷售網(wǎng)站設(shè)計(jì)的個(gè)性化推薦系統(tǒng)在設(shè)計(jì)時(shí)，以消費(fèi)者的購(gòu)買行為(一次、多次均計(jì)算在內(nèi))把客戶分成新、舊兩種。新的通過破瓦頹垣有關(guān)偏好抽取數(shù)據(jù)庫(kù)的案例，把目標(biāo)特點(diǎn)和歷史案例的特征量進(jìn)行相似度匹配，從中選擇理想的數(shù)據(jù)，通過多次修訂，獲取目標(biāo)的問題解值。如果未能檢索到相似案例，就可把問題當(dāng)成新案例，反復(fù)進(jìn)行計(jì)算，就推導(dǎo)出來(lái)的結(jié)果進(jìn)行分析，同時(shí)把目標(biāo)案例、決策結(jié)果都加到新案例庫(kù)內(nèi)(見圖2)。

圖2 基于CBR的個(gè)性化推薦系統(tǒng)實(shí)際案例應(yīng)用

在模型打造好之后，推薦系統(tǒng)動(dòng)作進(jìn)一步說(shuō)明：

第一，新客戶推薦。系統(tǒng)把這類客戶定義成C10，結(jié)合基本情況，從案例庫(kù)中檢索尋找和用戶特征符合的數(shù)據(jù)信息，實(shí)現(xiàn)案例抽取，獲得從大到小的案例序列。在具體分析時(shí)，如果將前三個(gè)相似度較大的案例作為一個(gè)研究備選方案，獲得案例圖解：SIM(C10)=(C1、C2和C6)。在此期間，如果用戶對(duì)推薦結(jié)果不是很滿意，就需要操作人員積極調(diào)整和修改案例信息，并將修改后的案例信息推薦給用戶。

第二，對(duì)老客戶實(shí)施推薦。假設(shè)老用戶的信息編號(hào)是C7，在客戶偏好不出現(xiàn)變化的情況下，編號(hào)是C7的老客戶的備選案例解為：SIM(C7)=(C7、C3、C5)，客戶信息的個(gè)性化程度達(dá)到最高的狀態(tài)。在客戶的喜好出現(xiàn)變化時(shí)，需要對(duì)客戶的數(shù)據(jù)信息重新進(jìn)行計(jì)算，并根據(jù)計(jì)算出來(lái)的結(jié)果對(duì)相似度進(jìn)行排列，整合后來(lái)的序列排序結(jié)果，為客戶的選擇提供信息參考支持。

在開展上文分析評(píng)價(jià)時(shí)，不需要了解客戶對(duì)項(xiàng)目的態(tài)度，是項(xiàng)目分析時(shí)克服傳統(tǒng)意義推薦系統(tǒng)數(shù)據(jù)，輸入過多依賴客戶對(duì)項(xiàng)目評(píng)估問題。通過上述的案例分析可發(fā)現(xiàn)，基于個(gè)性化案例推導(dǎo)分析推薦系統(tǒng)可有效提升客戶信息個(gè)性化水平。

6 結(jié)語(yǔ)

在未來(lái)，為了更好地發(fā)揮基于相似案例分析的電子商務(wù)個(gè)性化系統(tǒng)應(yīng)有的作用，需要相關(guān)人員引進(jìn)更為先進(jìn)的技術(shù)來(lái)處理多樣化的案例數(shù)據(jù)信息，并結(jié)合企業(yè)發(fā)展的內(nèi)外部環(huán)境變化打造具有實(shí)際應(yīng)用意義的案例倉(cāng)庫(kù)，并借助案例倉(cāng)庫(kù)中的數(shù)據(jù)信息解決企業(yè)經(jīng)營(yíng)發(fā)展所面臨的不確定問題，拉近企業(yè)銷售和客戶之間的距離。