电商个性化推荐系统在图书购物网站的应用研究

来源:用户上传      作者:

　　摘  要：随着互联网的普及，电子商务的发展日趋成熟，在线购物已成了日常生活的一部分，本文主要针对图书购物网站进行深入的调查研究，当前，网上图书商城扩大了用户的选择面积，价格实惠，交易方便，但是如何从大量的信息中快速找到自己所需的有效物品呢？如何帮助图书购物平台快速获取更多的用户，让用户更加有黏性，让购物过程更便捷？如何实现在线购书系统个性化推荐一直是个有待解决的难题。虽然目前国内外的相关学者对于该系统逐渐产生了重视，并进行了深入的研究，不过其研究成果在实际生活当中的应用却并不十分有效，仍具有较多问题。
　　关键词：电商;推荐系统;购物网站;研究
　　一、数据稀缺性和冷启动问题
　　由于教育行业与其他行业不同，数据较为稀疏，且系统存在冷启动问题，导致用户的精准推荐实现的可能性就大打折扣，用户进行相关书籍的购买时通常具有较低的频率，这就造成了系统很难根据稀疏的数据分析用户的喜好和需求，同时由于系统缺少场景数据，系统冷启动情况会经常发生，因此无法真正意义上做到个性化的推荐。
　　二、排序结果不精准的问题
　　系统对用户的分析过于细致，因此推荐的结果过多，同时由于主次顺序没有确定，因此造成了排序的不合理性，用户购买意愿最高的资源反而被放在了较为靠后的位置，严重阻碍用户的服务转化。
　　三、用户意图推测问题
　　系统中还可能会出现推荐结果不能及时更新的情况，导致系统虽然及时对客户的需求和喜好进行了分析，但没法进行跟踪推荐。用户数据往往是动态信息，而不是单纯的静态数据，通常情况下，用户在进行某些网站或商品的浏览时，用户都抱有较强的目的性，因此系统完全可以通过用户的这些行为进行意图判断，并以此为基础进行商品和信息的推荐，从而保证系统推送的信息更加准确，且有迹可循。
　　对于存在问题，文中提出了个性化推荐算法系统设计。个性化推荐系统是基于在一个先进的商务智能平台的基础上，依托于海量数据，帮助电子商务网站为其用户提供完全个性化的推荐支持和服务的信息系统。图书购物网站的推荐系统可以为其用户推荐符合用户喜好的书籍，同时能够自主的完成个性化选取书籍。
　　推荐系统的研究始于20世纪年代初期，推荐系统大量借鉴了相关领域的研究成果，在推荐系统的研究中广泛应用了认知科学、近似理论、信息检索、预测理论、管理科学以及市场建模等多个领域的知识。推荐算法作为推荐系统的重要组成部分，其确定了整个推荐系统的工作方式和推荐策略，推荐算法性能也直接影响推荐系统的整体性能，所以推荐系统的研究工作主要集中在推荐算法的设计和实现。
　　个性化推荐算法设计主要包含两个方面：
　　（一）基于人口統计学的推荐算法
　　在人口统计方面这种个性化推荐机制十分有用，而且目前这也是常用的方式之一，这种算法的功能主要是通过系统用户的基本信息，然后对用户的其他信息进行深入发掘，从而获取直接信息之外的间接信息。通过这种方式，系统可以进一步推测用户的其他喜好，从而向用户推荐，具体内容如图2.1所示。
　　通过图2.1可以看出，对于所有的系统用户，系统都会建立一个完整的模型，然后系统会识别模型的相关信息，例如姓名、性别、年龄等，通过这些信息，系统会自动识别出不同用户的个人喜好，如果系统发现在商品浏览或者商品购买的过程中，用户A和C都有相似的喜好或者习惯，那么系统就会自动将A和C归类成一类人，从而让这类人形成的圈子都有类似的推送信息，就如同图2.1的信息推送模式一样，如果A有相关偏好的商品，那么这个商品也会推送给C。
　　（二）基于内容的推荐算法
　　基于内容的推送方式是目前电商行业最常使用的个性化推荐机制，这种推荐算法的目的就是通过不同商品之间的关键词以及属性之类的信息产生一定的联系，并且通过用户日常的购买或者浏览习惯进行分析，从而将商品向用户推送，具体的原理如图2.2所示。
　　通过图2.2可以看出基于内容的推荐机制的完整工作原理，本文主要是以海产品为例进行推荐机制的内容。系统首先要对海产品的数据进行建模，从而分出海产品的类别，具体可以分成虾类、贝类、鱼类，根据这些分类进行不同用户的推送。不过通过这种方式进行商品的推送依旧存在一定的问题，例如推送的物品在质量方面就需要一定的分析，这需要整合商品的所有数据信息，并进行建模，不过由于商品的种类十分庞大，因此建模和数据分析的工程量也较为巨大，同时还要对这些产品制定一定的标签，或者在上面打上关键字，从而方便用户在搜索时快速找到自己想要的商品。另外，在物品相似度方面，系统只是根据商品的内容进行关联，并没有进行商品主观能动性的分析，这样会导致用户体验感下降，因此这些还需要系统开发人员的重新考量。
　　本系统的设计主要是对传统的图书购物网站的算法进行优化，其主要价值如下：
　　1、提升客户转化率
　　我国的图书电商一般都会花费大量的费用进行宣传，从而获取更多流量，不过如果能采用这种智能化的吸粉模式，就可以大幅度提升流量的转化率，可以大幅度降低运营成本，从而提升企业的营利能力。
　　2、提升用户体验
　　一般来说，用户体验会影响电商企业的用户黏性，因此通过这种智能化的算法，可以让客户更快速的获取客户需要的产品，而无需用户盲目的进行产品的搜索，极大程度上为用户节约了时间，也让用户的体验感有所提高。
　　3、提升自动化水平
　　如果电商网站没有一个较为智能化、个性化的算法，那么仅仅通过人工来进行产品特征的获取，就会使产品经营的成本大幅度增加，因此通过人工进行用户购买特征和喜好的获取和分析从理论上来看就是不可取的，因此对于这种可以实现自动商品匹配的系统可以让运营成本有效的降低。
　　完整的图书购物网站是一个庞大的系统，涉及多个方面，除了个性化推荐系统设计等步骤外，还有数据准备与处理，工程架构与实现，前端展现等等。 希望在日后研究中，结合在线学习、强化学习、迁移学习等方面的进展，优化推荐的整体质量。
　　参考文献：
　　[1]崔凌云.内蒙古赤峰市“智慧教育”云平台投入试运行[J].中国电化教育，2017，（07）：39-46.
　　[2]刘振兴.基于协同过滤的推荐系统的设计与实现[D].中山大学，2015.
　　[3]MJ Pazzani. A Simple Dimensionality Reduction Technique for Fast Similarity Search in Large Time Series Databases [J]. Springer Berlin Heidelberg， 2010：43-52.
　　[4]McMahan H B， Holt G， Sculley D， et al. Ad click prediction： a view from the trenches[C].Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM， 2013： 1222-1230.
　　[5]鲁丹.基于个性化推荐算法的图书购物网站的设计与实现[D].华东师范大学， 2014.
　　[6]王中主.智慧校园中基于位置服务的图书购物网站研究[D].华东师范大学， 2016.
转载注明来源:https://www.xzbu.com/3/view-15129415.htm