电子商务中推荐系统的研究应用

邓佳燕 欧阳红巍

（湖南现代物流职业技术学院，湖南 长沙 410131）

一、引言

当今大数据时代，互联网成为我们生活中不可分割一部分。网上购物给消费者带来巨大便利，同时也带来很多困扰。每一个电子商务平台的商家拥有很多商品，同一种不同性能、不同价位、不同针对对象的产品更是让顾客眼花缭乱[1]。顾客不得不花大量时间去寻找适合自己商品，这不但给顾客带来很多困扰，同时不能确保用户找到合适的产品，这严重阻碍电子商务健康的快速发展[2]。

电子商务中推荐系统技术在一定程度上解决上述问题，它像一个导购员一样，根据顾客需求和偏好，耐心帮助顾客完成一次满意的购物[3]。几乎当前所有的电商平台如淘宝、京东、拼多多、百度等都采用推荐系统技术，并取得较好的效果。电子商务系统中推荐系统主要充分利用用户浏览、搜索、购买、评论、收藏等记录信息，分析得出用户需求和偏好，从而向用户推荐更合适的商品[4]。好的推荐系统对电商平台和用户都有利，用户通过推荐系统能购买称心如意的商品，节约时间和精力；而电商平台通过推荐技术，让用户更好购物，增加用户购物满意度，不但带来更多商品的销售，同时增加一些潜在的顾客的忠诚度[5]。

二、电子商务平台推荐系统构成

推家系统一般五大部分组成，即基础层、模型层、算法层、组合成以及应用层，如图一。基础层主要对电商平台上的数据进行运算、储存以及传输，这个过程相当重要，因为要确保数据不被泄露、丢失和数据的完整性，同时能充分利用数据。模型层就是输入的数据进行分析计算，根据用户的历史数据建立相关的模型，并给用户推荐相关的物品。这一层决定推荐系统好坏的一个很重要的因素。

算法层也是推荐系统很关键的一部分，优秀的推荐平台一般都会寻求合适的推荐算法，充分分析用户相关数据，在无数商品中推荐出适合用户的商品。

组合成主要几种算法组合，主要单一算法有相应的优势和不足，结合两种或多种算法，充分弥补单一算法不足之处，形成功能强大的算法。目前常用的组合算法有：迭代决策树融合算法、玻尔兹曼机融合算法、逻辑斯特回归融合算法以及支持向量机融合算法，充分利用这些融合后算法，能最大程度挖掘顾客有价值信息，给顾客推荐更合适的物品[3]。

应用层根据不同需求提供不同服务，例如个性化推荐、关联推荐、热门推荐等。个性化推荐主要充足数据下，快速帮助用户寻找到适合自己的商品信息，不同人给出不同推荐，推荐给每一个人最合适商品。

图一 电子商务平台中的推荐系统框架

三、常见的推荐系统应用

（一）基于内容的推荐算法

这种推荐算法主要根据用户关注的商品的特征来计算与其他同类型商品之间的相似度，进而为用户推荐与他们历史记录相似的商品。这种算法会给每一个用户建立特征库，记录用户详细的搜索、浏览、购买记录，分析上述数据，计算这些数据与即将推荐的商品之间相似程度，匹配度较高的商品推荐给用户。由于基于内容推荐的算法不好分析一些视屏、音乐数据，故此这类算法主要用于一些静态的数据。同时该类算法推荐主要是基于类似的商品推荐，如果没有相似商品，就会推荐一些无关的商品，不利于电子商务一些潜在商品的推荐[4]。

（二）协同过滤推荐算法

协同过滤推荐算法是当前应用最为广泛推荐技术，这种算法不需要考虑推荐商品的内容信息，只需要在历史用户群体中寻找偏好相同的消费群体，以这些用户消费记录的属性和特征为基础，像当前用户推荐偏好相似的商品。此种推荐算法的主体不在基于商品本身，而是兴趣偏好相似的用户，即是做决定之前参考其他用户的意见。但协同过滤推荐算法更多依赖用户历史评分记录，需构建用户和商品之间的评分矩阵，如果这个矩阵很稀疏，推荐就没有太大意义。同时如果随着用户和对应项目的增加，矩阵规模不断增大，计算复杂度增加，导致系统性能急剧下降，严重影响电商平台推荐的实时性[1]。

（三）基于关联规则的推荐

基于关联规则推荐就是寻找商品之间的关联关系，即用户购买这类产品之后，同时又购买其他商品，从而调整电商平台上商品摆放位置，引导用户购买一些未曾想到却潜在消费的商品，既能让商家销售更多商品，也让用户购买更多合适商品。常见关联分析主要充分挖掘用户购物车商品之间关联关系，发现其他购买这类产品用户，还会购买其他产品，从而在用户购买之后，推荐相关商品。关联推荐主要根据商品之间的关联关系进行推荐，因此推荐结果的个性化程度不是很高[2]。

四、电商平台中推荐系统的未来

（一）推荐质量

推荐系统最为重要就是推荐结果是否与用户相关，推荐是否有价值，用户对推荐的东西是否感兴趣，这就是所谓的推荐质量。当用户确实对推荐的东西感兴趣，符合自己的需求，的确让他们方便，减少很多弯路，消费者才会进一步采用这样推荐。目前大多数电商平台的推荐质量还需有待进一步提高，例如经常推荐一些无关的东西，不相关的广告随意推荐等等。如何向顾客推荐有价值、符合预期消费标准、真实有效的产品，是电商平台目前面领巨大挑战[5]。

（二）推荐系统易用性

一个良好的推荐系统应该是一个易用的，信息编排合理的系统。如果推荐的结果排列混乱，用户不易找到与自己紧密关联的商品，就会造成不好购物体验。因此推荐系统不仅要很好地满足用户的需求，同时相关推荐信息要排列简单，易用，让顾客第一时间就能找到自己需求相关的商品。推荐结果也要表述通俗易懂，避免采用过多的专业化术语，同时应该给出推荐理由，提升用户的购买欲望[3]。

（三）推荐系统的信任度

加强用户和电商平台推荐系统交流，让用户更加熟悉推荐系统，有利于更多用户做出购买的决定。目前电商平台为了让用户表述自身需求，让推荐系统更加容易理解自己的需求，采用短信、调查问表、电话等方式询问用户的意见，构建一个更加智能化的推荐系统。如果用户不满意相关推荐结果时候，可以随时修改消费需求和其他信息，从而让推荐系统更加准确推荐用户密切关联的商品。一旦这样良性循环开始，用户会越来越满意信任商家的推荐系统，从而进行更多消费活动，这让用户和商家从中获利[4]。

五、电商推荐系统一点建议

未来电商平台应该发展更智能更全面的推荐系统，让用户更轻松购物。同时电商平台应该注重保护用户的隐私问题，采用多级密码保护账号，隐私数据本地保护等手段保护用户隐私信息。政府应该出台更加全面法律法规，规划推荐系统未来发展方向，保护用户隐私信息[2]。

六、总结

本文从三大方面对电商中的推荐系统展开研究，首先介绍下电子商务平台常见的构建模块以及每一个模块功能，然后给出三大方面常见的推荐系统的应用，并给出优缺点，最后从三大方面探讨电商中推荐系统未来发展并给出相关建议。