移动用户群优惠券推荐系统研究*

秦晓安，路贺龙

(安徽商贸职业技术学院，安徽 芜湖 241002)

1 研究背景

推荐系统所用到的是一种特定类型的信息过滤技术，用于推荐特定用户可能感兴趣的商业项目.近年来，这些系统已变得非常普遍，并应用于各种应用中.目前最受欢迎的是电影、音乐、新闻、书籍、研究文章、搜索查询和社交标签等方面.不过，也有短视频、笑话、餐馆、金融服务、人寿保险、在线约会和粉丝的推荐系统[1].

Adomavicius G将推荐方法分为3类：基于内容的推荐算法、协作推荐算法和混合推荐算法[2].基于内容的方法是根据用户偏好所表示内容的相似性为用户提取合适的内容.协作方法推荐由共享目标用户偏好的其他用户高度评价的内容.混合方法结合了基于内容和协作的方法.这些推荐方法都试图发现用户期望，从而为了找到有趣的内容.

尽管大多数推荐系统在某些情况下会为单个用户提供建议，但大多数的建议是为一组用户群体所提供的.例如，一群朋友或一个家庭正计划看一部电影.在这种团购商务的情况下，卖家以显著折扣的价格在网上提供产品或服务，前提是有最低数量的买家愿意购买同一商品.尽管顾客会被大幅度折扣提供的产品所吸引，但他们可能没有耐心去努力形成一个消费群体.尽管有人试图建立小组来相互讨论，但他们主要还是在线下环境.本文提出了一种向顾客推荐位置敏感产品的推荐方法，该方法有助于形成一个群体，使产品获得最大的折扣.

2 国内外现有算法技术比较

在表1中，对目前国内外现有的推荐算法技术进行了比较.在编号1中，他们提出了一个基于协同过滤框架的系统设计，他们主要使用遗传算法来预测群体成员之间可能的相互作用.有了这一点，他们就可以预估一组成员对某一特定项目的评价[3].在编号2中，作者提出了一种改进的群体推荐流程，可以提高群体推荐的有效性和个体群体成员的满意度.它由2个阶段组成，第一个阶段是使用现有的群组推荐系统所使用的协同过滤方法为群组生成推荐集.第二阶段是从推荐中剔除不相关的条目，提高个体成员偏好的满意度[4].在编号3中，作者提出了一个基于地图的个性化推荐系统.它反映了由贝叶斯网络(BN)建模的用户偏好.这里BN的结构是由专家建立的，参数是通过数据集来学习的.该系统从移动设备收集位置、时间、天气和用户请求等上下文信息.它推断出最喜欢的项目，并通过在迷你地图上显示它来提供适当的服务[5].在编号4中作者引入内容排序聚合策略，使觉得电影有趣的组成员使用合并策略探索自己的个人利益，群体成员在电影中创建一个概要文件，从而可以反映群体的偏好，使用单词的相关性因素找到电影在内容上的相似性[6].在编号5中，作者引入了层次聚类技术和决策树相结合的群体推荐系统(GRS).他们认为，Facebook的社交网络群组可以根据其成员的个人资料进行识别[7].在编号6中，作者提出了群组建议的协作咨询渠道.他们提供了一个基于web的环境，在基于案例的群组推荐的帮助下，支持来自任何位置的用户进行交互[8].由于该方法与本文所提出的移动用户群优惠券推荐系统相似度最高，在本文后的实验结果中将会与该方法进行比较.在编号7中，他们使用了一种混合技术，将协作、基于内容和人口统计过滤相结合，为游客提供群体推荐.他们的方法在一个名为Hermes的推荐系统中得以实现，它向个人和用户群体推荐旅游景点[9].虽然已有文献提出了群组推荐系统，但对移动商务关注较少.随着人们转向智能手机，有必要提供一个移动应用程序，可以在团购时推荐打折产品.为此，本文提出了一种新的团购商品推荐方法.

表1 国内外现有算法技术比较

3 团购优惠券推荐系统

3.1 技术方法的概述

该方法主要针对特定客户推荐位置敏感产品.我们分析了顾客在实体店进行购买决策的3个主要因素：用户偏好与产品特征的相似性、商店位置的地理便利性以及朋友对产品评价的影响.为了能在移动设备上使用群组建议的推荐系统，我们开发了一个名为聚省汇的移动应用程序，用于团购折扣推荐机制.前人的算法技术大多只适用于个人推荐，不鼓励团购.因此，该系统以团体折扣的方式出售大量产品，可以让群组中的成员以最高折扣获得产品，这其实对商家和客户都有好处.

我们开发的目的是使当地的商家与用户群体都可以受益于这一促销应用.当本地商家在这个应用程序中注册时，他们的位置通过GPS获取并存储在系统中.他们可以发布商铺中提供的产品，还可以通过此应用程序查看在商铺中进行选购的客户详细信息.商家提供一个二维码扫描仪，他们可以扫描二维码并为顾客提供折扣.系统在交易达成后，提供给双方所出售产品的交易细节.

这些产品会被推荐给此商店附近的其他顾客.当客户登录时，系统为客户列出销量最高的产品，如果用户希望查看其他排名情况，他可以使用评级排序功能，根据所需要的评级对产品进行排序.用户可以通过分享商品来增加折扣，当他的朋友一起购买此共享产品时，用户将获得新的折扣券.当产品达到团购所需购买人数时，所有用户可以获得最大的折扣.当客户需要实际购买此产品时，系统会根据客户当前所在位置列出附近几家可以购买的商店.当顾客选择其中一家时，就会生成该产品的二维码并发送到顾客的手机上.顾客可以在相应的商店提供二维码，并获得最大的折扣.

3.2 工作模型

我们所开发的聚省汇App系统提供以下几种功能，这些功能用于向用户提供产品和服务的最佳推荐.关于客户界面的工作流程如图1所示.关于商家界面的工作流如图2所示.

图1 客户界面的工作流程图

图2 商家界面的工作流程图

3.2.1 注册与登录

用户首先需要在聚省汇中注册，注册之后就可用注册的用户名和密码登录.当用户登录时，系统会使用GPS或网络提供商检索其当前位置.然后，系统将为他列出当前购买最多的产品的排序.当用户同步登录他的微信并授权之后，他的微信好友联系人信息会同步到服务器数据库.这些微信好友联系人可以用来分享产品，也可以邀请朋友来进一步推广.同样，商家也可以在聚省汇上注册，然后他们可以通过指定产品类型、名称和折扣来发布在他们的商店中可以买到的产品.

3.2.2 评级

用户可以通过选择评级栏中的星级对产品进行评级.评级如下：

★ 比较差的

★★ 稍差的 评级步骤：

★★★ 一般的 •将所评星级用浮点数形式记录.

★★★★ 较好的 •使用加权平均方法进行计算.

★★★★★ 非常好的 •权数是用星星来计算小数的.

评级计算如下：(权重之和*该权重下的评论数)/总用户评论数.某个商品的评级计算示例如表2：

表2 评级计算案例

(5*252+4*124+3*40+2*29+1*33)/(252+124+40+29+33)=4.1

在上面的例子中，252个用户为一个产品提供了5颗星.124位用户给出了4星，40位用户给出了3星，29位用户给出了2星，33位用户给出了1星.计算产品的总星数，总评价星级数除以总用户评论数，得出加权平均值.加权平均值最高的产品将是用户评价最高的产品.

3.2.3 搜索

用户可以根据产品名称或产品类型搜索产品.系统根据搜索关键词接收查询并搜索数据，然后显示结果.后台调用诸如启动服务、搜索引擎等组件，最终在移动应用程序API中显示产品信息.在此过程中，搜索引擎主要用于与其他组件通信传递消息，将客户需要的搜索结果返回给适配器；适配器主要提供对数据项的访问；浏览器主要负责显示数据集中的项目，显示客户列表视图的结果.列表视图在App产品页上以列表的形式显示内容和图像，同时也显示客户想要购买的产品名称和类型.

3.2.4 联系人同步

聚省汇利用微信来建立与目标用户相关的群组.当用户登录时，用户被要求同步微信联系人以共享产品.当数据取自用户的个人帐户时，需要进行授权.聚省汇需要获得用户对微信联系人进行同步的许可.如果用户允许，聚省汇将获取联系人并将其存储在后端服务器中.当用户授予同步权限时，将收到一个启动同步界面，用户点击开始，启动一个线程来运行该操作，并在该线程上调用执行同步.所有联系人将在服务器中更新，当取消接收到的同步与现有同步操作匹配时，运行中的线程将被中断并取消，服务器中将不会更新联系人信息.

3.2.5 购物车

如果客户想购买任何商品，他可以添加到购物车.在购物车页面中，客户可以将商品共享给他的朋友.通过从服务器数据库检索到的用户位置将商品显示给他.这一功能使用了地理编码技术，地理编码是将街道地址或其他位置描述转换为经纬度坐标的过程，反向地理编码是将经纬度坐标转换为地址的过程.从附近商店列表中，用户可以选择一个商店.选择之后，系统将要求用户通过信用卡支付一些初始金额，聚省汇也会同时检查信用卡的有效性.

一旦选择了某一商店，该商店就会询问用户的微信信息.顾客会收到一条消息，连同二维码和其他有关产品的详细信息.用户需要前往指定商家，商家会扫描二维码来确认该用户的优惠信息.

3.2.6 共享

如果用户需要获得最大折扣的任何商品，他需要与他的朋友分享商品.当用户的朋友也购买共享商品时，用户和用户的朋友都将获得折扣，此过程将重复，直到该商品达到最大折扣为止.用户可以通过好友列表中的所有联系人或只与特定的好友共享产品.如果用户想分享的朋友不在聚省汇的会员列表中，则会有一条消息通过微信提示他，要求他注册聚省汇以成为会员，从而可以购买共享产品.第一个共享产品的人将被视为目标，分组将针对目标进行折扣商品信息分享.

3.2.7 二维码

二维码简称快速响应码，是一种二维条码.聚省汇主要用于优惠券生成，即二维码生成.通过将文本加密成虚线图像生成二维码，这是通过DES算法和用于电子数据加密的对称密钥算法实现的.解密过程是将虚线图像转换为文本格式，这是通过将二维码中的小点转换为二进制数字，并通过纠错技术进行验证来实现的.

二维码信息记录用于符号的错误纠正级别和掩码模式.消息数据集以“之”字形从右向左放置.

3.3 具体实现

所开发的聚省汇App是使用Eclipse 4.4.0 Jre 8作为前端，MySQL作为后端，Android 4.3作为平台开发的.图3为商家发布产品的示例.商家最初需要在聚省汇注册，发布产品并更新所需要求.注册时，商家的位置由GPS获取纬度和经度，并转换为地址并存储在数据库中.在注册成功后商家可以通过指定产品的标题、产品的类型和产品的最大折扣来发布产品.在指定产品的细节后，商家可以使用拍摄按钮获取产品的照片，也可以使用添加图像按钮从图库中添加图像，最后他可以通过添加产品按钮发布到聚省汇中.发布产品后，该产品将自动更新并推广到应用程序，用户可以方便地通过产品的类型或名称搜索该产品.图4为买家用户与朋友分享产品界面.

图3 商家发布产品界面 图4 买家用户与朋友分享产品界面

4 测评

为了评估聚省汇App的效率，我们选择50组用户，为每一组预先确定2至8人的人数.在为50个组中的每个组生成推荐建议时，考虑聚省汇的平均处理时间.从图5可以看出，聚省汇生成群组推荐信息所需的平均处理时间(以毫秒为单位)并没有随着群组成员数量的增加而呈指数增长而是呈线性趋势，这说明了聚省汇的可扩展性.

图5 聚省汇App的平均处理时间

基于提供的前N项建议，我们使用精确率(Precision)、召回率(Recall)和综合评价指标(F1 Measure)来分析所提出方法的有效性.精确率是被检测出来的信息当中正确的或者相关信息中所占的比例，召回率是所有正确的信息或者相关信息被检测出来的比例，综合评价指标是精确率和召回率的加权平均值.表3和表4中列出了对于50个用户的前5个推荐产品在已有的基于案例的群组推荐技术方法和聚省汇App技术方法的实验结果.表5提供了精确率、召回率和综合评价指标的平均值.从表5可以看出，与基于案例的群组推荐技术方法相比，聚省汇App技术方法的执行情况更好.

表3 基于案例的群组推荐技术方法的实验结果

表4 聚省汇App技术方法的实验结果

表5 前5项推荐产品的精确度、召回率和综合评价指标的平均值

5 总结

目前已有的推荐系统通常只能为单个客户提供个性化推荐，对于由一群人的团购活动，这些系统不能提供群组推荐.本文提出了一种生成团购的推荐系统，基于该推荐系统，开发聚省汇App的移动应用程序，通过生成团购优惠券二维码的方式，为客户推荐基于位置的产品.通过实验可以观察到，为团购成员推荐打折产品不仅可以显著提高顾客的购买意愿，而且所提出的群体折扣机制也可以有效地帮助用户通过其自身的社会影响力和位置敏感性吸引最大数量的群体来增加他们的优惠力度.