浅析电子商务推荐系统(2)
2014-06-04 01:06
导读：电子商务推荐系统和销售系统(Marketing Systems)、供给链决策支持系统(Supply-Chain Decision-Support Systems)既相似又有不同。销售系统是帮助销售职员如何把产品销
电子商务推荐系统和销售系统(Marketing Systems)、供给链决策支持系统(Supply-Chain Decision-Support Systems)既相似又有不同。销售系统是帮助销售职员如何把产品销售出往；推荐系统终极目的帮助用户，辅助用户购买什么产品做出决策。供给链决策支持系统是帮助生产者决定什么时候生产多少什么产品，以及仓库应该存贮多少各类产品，其终极目的是为企业生产者服务的，而同样推荐系统是面向用户的系统。
三、电子商务个性化推荐系统的研究内容
电子商务个性化推荐的研究有四方面的题目：首先，要解决推荐系统的信息来源题目——推荐系统的基础是用户爱好资料信息，如何在电子商务环境下尽可能获得更多用户的相关信息，并以合适的形式表示是进行个性化推荐的条件；其次，要实现被顾客接受和认可的个性化推荐，设计正确、高效率的个性化推荐算法是核心；另外，要让推荐系统为广大用户所接受，必须对推荐系统作出客观、综合的评价，尤其要留意从正确率、个性化、安全性、用户满足度等多方面进行评价；推荐系统的应用是终极研究的落脚点，推荐系统不仅能为用户提供完全个性化购物环境，更应为企业的销售决策和客户关系治理提供支持。
在电子商务环境下，用户信息收集表示是电子商务个性化推荐的基础。根据当前对电子商务环境下用户信息收集表示的研究来看，主要着眼于研究如何有效地收集能反映用户爱好偏好的信息，以及如何通过网络数据挖掘等的方法更自动化地收集用户的隐式信息，解决用户信息收集过多的依靠于显式评价数据的题目。
个性化推荐技术是电子商务自动化推荐系统的核心题目。目前的推荐技术有协同过滤推荐(包括基于用户的和基于项目的)、基于用户人口统计信息的推荐、基于内容的推荐、基于效用的推荐、基于知识的推荐、基于规则的推荐等等。协同过滤推荐是个性化推荐中研究和应用最多的方法，广泛应用于电子商务网站、数字图书馆、网页搜索、新闻过滤等，著名的推荐系统有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其条件假设是存在具有相似爱好爱好的用户群，每个用户都有与其爱好爱好相似的邻居用户。猜测用户对某一项目的偏好是根据邻居用户对该项目的偏好程度计算的，也就是说假如其邻居用户喜爱某项目，则该用户也很可能会喜爱该项目。协同过滤最大优点是不需要分析对象的特征属性，所以对推荐对象没有特殊的要求，能处理非结构化的复杂对象，如
音乐、电影等。
（转载自http://zw.NSEAC.com科教作文网） 对推荐系统总体性能的评价是推荐系统研究的重要组成部分。目前大都只是采用正确率、召回率等评判标准对推荐算法进行评价，并没有真正意义上的、提升到对整个推荐系统进行的评价，尤其缺乏从个性化程度、持久性程度、系统的安全性以及用户接受程度等多方面对推荐系统进行综合的评价。
四、研究现状
推荐行为产品或其它项目的软件代理已经在很多应用中使用在电子商务领域，为了增加购买经验并满足客户需求，已经推出了充分利用消费者的访问和购买行为的推荐系统。推荐者通常通过给用户展示他们可能感爱好的产品或服务来促进购买。例如，诸如Amazon.com就是通过利用偏好或其他用户购买信息来先容书籍或者其它产品给用户的推荐系统。然而，使用的技术相当简单，而且并非很精确和有效。基本上，程序将当前客户购买的一系列产品与其他客户购买的一系列产品作比较，选择客户购买较多的产品与当前客户购买的产品集合的交集，最后从中选出一些尚未被客户所购买而仍然在顾客购物篮中的产品，并将它们作为推荐列表呈现给客户。该技术也用于类似于协作过滤的文本文档的信息抽取。电影或音乐唱片的推荐，例如Moviefrnder.com，通过预知一个人的偏好与其他人偏好的线性权重集合，并运用协作过滤技术来实现。 对于推荐系统的研究可分为三个种类：技术系统开发研究，用户行为研究和隐私题目研究。其中技术系统开发是重点。目前各种推荐技术，例如数据挖掘，代理和推理，都已经应用到了推荐系统中。现存的推荐系统从广义上可以划分为基于规则的系统和信息过滤系统。信息过滤系统又可分为基于内容过滤的系统和协作过滤系统两种。
