基于协同过滤的电商推荐系统的设计与实现

贾玉罡

（伊春职业学院，伊春　153000）

1　系统开发的意义

我国自进入 21 世纪以来，伴随着互联网和通信技术的不断发展以及电子商务实践的不断深入，网上商城中产品的推荐显得愈发的关键。如何良好地利用网上商城自动的向客户提供商品信息和建议，猜测客户可能潜在感兴趣或者有需求的各种商品。经营者和生产者若能以消费者角度来分析用户可能喜爱的商品，为消费者提供个性化的定制服务，增加网上商城的营销收入，推进商城的进一步发展。个性化的推荐服务已越来越多的受到用户的青睐和喜爱，实践已经证明个性化推荐服务能够为电商带来巨大的经济利润。

2　系统总体框架设计

要设计一个系统，首先需要设计整个系统的架构，然后再对各个子系统分别细化设计，从而达到“分而治之”的目的。如果一些子系统较复杂，我们可以先将其抽象出来，构造出整个系统的结构，然后再对复杂的子系统单独考虑，自顶向下完成整个系统的设计。

推荐系统是由用户行为输入子系统、推荐子系统、推荐结果分析子系统和前台展示页面四部分构成。用户行为输入子系统通过用户在购物中心的行为信息，构建用户行为模型，推荐子系统根据输入信息通过算法处理得到推荐结果，然后再通过输出结果返回到购物中心页面进行展示，而推荐分析子系统则可以对推荐的效果进行分析，更好的优化推荐系统的功能。

（1）用户行为输入子系统。我们可以通过用户的浏览记录、收藏记录、历史购买记录获取到用户的行为信息，通过关注用户的搜索行为、重复浏览网页行为，获取到用户的偏好，关注商品类别以及潜在购买类别等信息。

（2）推荐子系统。以协同过滤推荐算法为基础，进行个性化推荐。

（3）推荐结果分析子系统。根据用户对于推荐商品的浏览情况或是购买情况，调整推荐输入信息，优化推荐系统，为用户提供全面的个性化服务。

（4）前台展示页面。将推荐系统分析出的个性化推荐商品，展示在前台页面，供用户进行选择消费。

3　系统功能模块设计

下面我们介绍系统的详细结构，如图所示。系统整体的结构依然有四部分组成，其中三个子系统都用虚线标出，还有一个用户接口（UI）子系统这里没有继续细分。

3.1　用户特征分析子系统

该系统主要有用户行为日志模块、特征提取模块、特征转换模块以及用户特征模型四个部分构成。用户行为日志模块负责记录用户上网的行为日志，即访问的网站信息、搜索关键字信息等。特征提取模块负责从用户含有搜索引擎的日志记录里面提取用户关键字，并且做一些处理，以作为用户的特征，特征转换模块负责将提取的特征进行转换，构造符合要求的用户的特征（主要关注商品相关的特征）。用户特征模型负责构造所需要的用户特征模型，供推荐引擎子系统使用。

3.2　用户商品模型子系统

用户商品模型子系统主要由系统用户日志模块、用户模型、商品信息模块和商品模型四部分组成。系统用户日志模块负责记录系统的注册用户在系统中的行为（包括浏览、购买等行为）。商品信息模块负责存储系统中所有的商品信息。用户模型和商品模型模块负责构造推荐引擎所需要的用户和商品模型数据。

3.3　推荐引擎子系统

推荐引擎子系统主要由改进的基于物品的协同过滤推荐模块、基于用户特征的推荐模块和组合推荐结果三个部分构成。改进的基于物品的协同过滤推荐模块负责根据用户模型和商品模型构造用户-物品评分矩阵，然后找到目标物品的最近邻，最后预测目标物品的评分，把该类物品下评分最高的几个物品作为推荐结果推荐给用户。基于用户特征的推荐模块负责根据用户特征和商品特征造特征-物品相关表，找到与用户特征最相关的物品，然后推荐给用户。组合推荐结果模块负责产生推荐结果。如果是新用户，则直接由基于用户特征的推荐模块产生推荐结果。如果不是新用户，则组合基于用户特征的推荐结果和改进的基于物品的协同过滤推荐结果，形成最终的推荐。

3.4　用户接口（UI）子系统

用户接口子系统需要将推荐引擎产生的推荐结果展示给用户，并且和用户交互，将用户对推荐结果的反馈信息返回给推荐引擎子系统，使其更新用户模型。用户接口还需要将用户在推荐系统中的行为记录下来，返回给系统用户日志。

4　结束语

随着电子商务信息化的快速发展，网上购物的普及为各大电商平台带了更多的机遇与挑战，如何为用户提供更加高效、准确、安全的信息化服务，以便在激烈的竞争取得优势，成为了电子商务建设中的第一个桥头堡。个性化推荐系统通过获取用户的偏好，经过分析计算，帮助用户更快的找到所需要的优质商品，辅助用户完成购买过程。在日益激烈的竞争环境下，高效的个性化推荐系统能够提高电商网站的销售额，同时更能够为用户提供一个良好的购物体验，因此受到了电子商务领域的广泛关注，是非常有意义的研究课题。

[1]高滢，齐红，刘杰，刘大有.结合似然关系模型和用户等级的协同过滤推荐算法[J].计算机研究与发展，2008.