电子商务推荐系统
电子商务推荐系统（精选12篇）
电子商务推荐系统 第1篇
1 电子商务推荐系统的涵义及其作用
电子商务推荐系统是指利用电子商务网站向客户提供商品信息和建议，帮助客户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。目前，几乎所有大型的电子商务系统，如Amazon、eBay、当当网等，都不同程度地使用了各种形式的电子商务推荐系统，电子商务推荐系统的开发和应用将会给企业带来巨大的经济效益。
电子商务推荐系统可以提高电子商务网站的销售能力，其作用主要体现在以下3个方面：
(1）实现浏览者向购买者的转变
很多电子商务网站因为设计不合理，导致用户无法快捷地找到感兴趣或想购买的商品，从而出现了浏览站点的用户经常是只看不买的现象，而电子商务推荐系统的出现可以帮助用户便捷地找到想购买的商品，从而实现了用户从浏览者向购买者的转变。
(2）实现交叉销售
电子商务推荐系统在用户购买过程中向用户推荐其他有价值的商品，用户能够从提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品，从而实现了电子商务系统的交叉销售。
(3）实现客户的有效保留
电子商务推荐系统通过分析用户的购买习惯和需求，向用户提供有价值的商品推荐。如果推荐质量很高，那么用户会再次访问该网站，并会推荐给其他人，从而进一步扩大了网站的客户群，也有效地避免了客户流失问题。
总之，电子商务推荐系统可以模拟商店销售人员向用户提供商品推荐，帮助用户找到所需商品，从而顺利完成购买过程，可以有效保留用户，提高电子商务系统的销售能力，商家也可以通过电子商务推荐系统保持与客户的联系，重建客户关系。
2 电子商务推荐系统的分类
目前，电子商务推荐系统的分类方法存在多种，根据推荐的自动化和持久性程度，可以将电子商务推荐系统分为非个性化电子商务推荐系统、基于属性的电子商务推荐系统、用户相关性推荐系统和商品相关性推荐系统。
其中，非个性化电子商务推荐系统是基于其他用户对商品的综合评价，或是基于电子商务系统的销售排行，或是基于电子商务系统的编辑推荐，向当前用户提供推荐信息；基于属性的电子商务推荐系统则是根据商品的属性特征向用户产生推荐列表；用户相关性推荐系统首先搜索当前用户的最近邻居，然后根据最近邻居的购买历史或评分信息向当前用户产生推荐；商品相关性推荐系统主要根据商品之间的相关性向用户产生相应的推荐信息。
根据所采用的推荐技术可以将电子商务推荐系统分为以下几种类型：协同过滤推荐、基于内容过滤的推荐、基于关联规则的推荐、基于用户统计信息的推荐、基于效用的推荐和基于知识的推荐等。本文将在下面对这些推荐技术进行比较。
3 电子商务推荐系统的工作流程
虽然电子商务推荐系统的种类很多，所采用的推荐技术也不尽相同，但各种推荐系统的工作流程基本相同，主要包括数据采集、数据预处理、形成推荐和结果显示等环节。电子商务推荐系统的一般工作流程如图1所示。
3.1 数据采集
数据采集方式主要有两种类型：显式采集和隐式采集。其中，显式采集方式是指推荐系统需要用户显式地输入形成推荐所需要的信息，包括用户信息、用户对商品的评价等；隐式采集方式是指推荐系统根据电子商务系统在用户的购物过程中自动记录的信息形成推荐，比如用户浏览或者购买了哪些商品，以此来分析用户的行为特性，不需要用户输入任何信息。
显式方式获得的数据通常比较准确，但需要用户显式地输入信息，数据采集比较困难。隐式方式获取数据的准确性要低一些，且只能获得用户比较简单的评价，但采集数据相对比较容易。在实际的电子商务推荐系统应用中，针对用户和电子商务网站不同的需求，两种方式都有各自的应用场合。
3.2 数据预处理
数据采集阶段所获得的数据往往具有不同的存储格式，而不同的推荐技术所要求的数据格式也不尽相同。因此，在形成推荐以前往往要根据不同的推荐技术对不同类型的数据进行相应的预处理，将其转化成符合所使用推荐技术要求的格式。
比较常用的存储格式包括：基于内容的文本格式和基于数值的矩阵格式。其中，基于内容的文本格式数据需要用语义分析等知识进行预处理；基于数值的矩阵格式数据，通常是用M×N的用户-商品评价矩阵R来表示，矩阵中的元素Rij表示第i位用户对第j个商品的评价，可以当作数值来进行处理。数据预处理包括数据清洗、会话识别和事务识别等过程。
3.3 形成推荐
电子商务推荐系统完成了数据采集工作，并对数据进行预处理之后，就可以利用各种推荐方法进行推荐了。形成推荐是电子商务推荐系统工作流程中最为关键的一个步骤。
前面介绍了电子商务推荐系统的分类，不同类型的电子商务推荐系统所运用的推荐技术和方法不尽相同，下文中对各种电子商务推荐技术的推荐依据和主要算法步骤进行了比较，参见表1。
3.4 结果显示
推荐结果形成后，接下来的任务是如何把推荐结果呈现给用户。不同的推荐结果显示时机和方式，往往可以起到不同的推荐效果。结果显示的途径主要包括以下几种：
(1）将电子商务网站最热销的商品或者最新加入的商品以排行榜的形式显示给用户。
(2）根据用户的查询操作和要求形成推荐，并将推荐结果按照匹配程度或者用户的感兴趣程度进行排序，以列表或超链接的形式把推荐结果显示给用户。
(3）向用户提供其他用户对用户正在浏览商品的评价信息。（4）根据用户的兴趣爱好向当前用户推荐商品。（5）向用户推荐与用户购物车中商品相关的商品。
(6）以电子邮件方式向用户发送其可能感兴趣的商品或者新加入系统的商品信息。
4 电子商务推荐系统的推荐技术比较
下面的表1和表2分别从不同的角度对目前常用的电子商务推荐技术进行了比较。其中，表1主要从推荐依据和主要算法步骤两个方面对各种推荐技术进行了比较，表中U=!u1,u2,u3,…,um"代表用户集合，I=i!1,i2,i3,…,in"代表产品项目列表。表2则对各种推荐技术的优缺点进行了对比分析。
由于各种推荐技术都存在优缺点，所以在实际的应用中常采用组合推荐技术。例如，内容过滤推荐和协同过滤推荐的组合，分别用基于内容的方法和协同推荐方法，产生一个推荐预测结果，然后用某方法组合其结果。
5 结束语
企业如何在虚拟的电子商务环境中吸引新用户，并确保自己可以提供足够的产品或服务留住老用户，帮助用户从电子商务网站中挑选出自己真正需要的产品或服务，已成为许多电子商务企业所要关注的主要问题，解决这些问题的重要途径就是构建完善的电子商务个性化推荐系统，而个性化推荐技术的研究是提高电子商务推荐系统推荐效果的关键因素。本文介绍了电子商务推荐系统的基本内涵，对电子商务推荐系统的工作流程进行了初步探讨，并从不同角度对常用的电子商务推荐技术的推荐机理与方法进行了对比研究。
摘要：介绍了电子商务推荐系统的基本内涵,对电子商务推荐系统的工作流程进行了初步探讨,并从不同角度对常用的电子商务推荐技术的推荐机理与方法进行了对比研究。
关键词：电子商务,推荐系统,推荐技术
参考文献
[1]J L Herlocker,J A Konstan,L G Terveen.Evaluating Collaborative Filtering Recommendation System[J].ACM Transactions on Information System,2004,22(1):50-53.
[2]黎星星.电子商务推荐系统研究[J].计算机工程与科学,2004,26(5):7-10.
[3]游文,叶水生.电子商务推荐系统中的协同过滤推荐[J].计算机技术与发展,2006,16(9):70-72.
[4]盖亮.电子商务推荐系统的研究与实现[D].天津:天津大学,2007.
电子商务功能（写写帮推荐） 第2篇
电子商务可提供网上交易和管理等全过程的服务，因此它具有广告宣传、咨询洽谈、网上订购、网上支付、电子帐户、服务传递、意见征询、交易管理等各项功能。
功能简介
电子商务推荐系统 第3篇
随着Internet的普及，信息爆炸时代接踵而至，海量的信息同时呈现，使用户难以从中发现自己感兴趣的部分，甚至也使得大量几乎无人问津的信息称为网络总的“暗信息”无法被一般用户获取。同样，随着电子商务迅猛发展，网站在为用户提供越来越多选择的同时，其结构也变得更加复杂，用户经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品。
个性化推荐，被认为是当前解决信息超载问题最有效的工具之一.推荐问题从根本上说就是从用户的角度出发，代替用户去评估其从未看过的产品，使用户不只是被动的网页浏览者，而成为主动参与者。准确、高效的推荐系统可以挖掘用户的偏好和需求，从而成为发现用户潜在的消费倾向，为其提供个性化服务。
二、个性化推荐系统概述
个性化推荐系统是指根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。它是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。购物网站的推荐系统为客户推荐商品，自动完成个性化选择商品的过程，满足客户的个性化需求。
2000年，我国正式开始了个性化推荐的研究，清华大学的陆海明等提出了基于Agent多混合智能实现个性化推荐；2001年清华大学的冯翱等人提出了基于Agent的个性化信息过滤系统Open Bookmark；南京大学的潘金贵等人设计并实现了个性化信息搜集智能体DOLTRL-Agent。近几年来，个性化信息推荐服务逐渐从理论走向实践，从探索走向完善，逐步成为商业界的焦点。
三、常用的个性化推荐系统算法分析
下面对常用的个性化推荐系统的算法进行简要的分析。根据算法的不同，当前已有的个性化推荐系统大致可以分为以下几类：基于规则的推荐系统；基于内容的推荐系统；协同过滤系统；基于用戶-产品二部图网络结构的推荐系统；以及混合式推荐系统。
1、基于规则（Rule-based）的推荐系统
关联规则挖掘是数据挖掘领域的一个重要分支。对于基于关联规则的推荐算法来说，其作用机理就是：首先统计得到挖掘出的规则前件，然后针对目标客户的历史购买行为，向顾客推荐规则后件。该算法的优点是容易理解，研究基础广泛且成熟，支持其实现的软件丰富，有较好的实践条件；缺点是随着事务的增多，规则的发现将非常耗时，并且规则难以解释。
2、基于内容（Content-based）的推荐系统
基于内容的推荐起源于信息检索领域，它利用资源和用户兴趣的相似性来过滤信息。首先分析项目的内容，根据用户评价过的项目建立用户的兴趣模型，即用户描述文件。根据用户描述文件的不同又可以分为基于向量空间模型的推荐、基于关键词分类的推荐、基于领域分类的推荐和基于潜在语义索引的推荐。
基于内容的算法的优点是直接、简单，推荐结果易于解释。但也存在一定的局限：首先，特征提取能力有限，它仅适用于产品特征容易抽取的领域，当项目特征很难被一组关键词来清晰描述时，基于内容的推荐算法就显得苍白无力了。
3、协同过滤（Collaborative filtering）系统
协同过滤是目前应用研究的最为广泛最成熟的个性化推荐技术。主要分为基于用户的协同过滤系统和基于项目的协同过滤系统。其核心思想是：首先，基于系统中已有评分数据，计算给定用户（或项目）之间的相似性；然后根据计算得到的相似性，寻找目标用户（或项目）的最近邻居集合；最后使用最近邻居集合中的用户（或项目）的评分情况来预测目标用户对目标项目的评分值。
协同过滤的推荐系统主要优点有：
（1）对内容信息不易抽取的项目能产生完全自动化的推荐；
（2）能根据项目的质量和用户的品味产生推荐；
（3）能为用户发现新的兴趣。当然，协同过滤推荐系统也存在一些弊端：
（1）数据稀疏性问题，这也是协同过滤系统目前存在的最普遍的问题。
（2）冷启动问题，当一个新项目刚加入系统的时候，由于没有任何用户对它进行过评分，该项目便无法得到推荐。
（3）同一性问题，对于名称不同本质相同的项目，协同过滤无法发现潜在的联系；
（4）扩展性问题，随着系统中项目和用户数量的增多数据库将变得非常庞大，为用户产生推荐的精度和实时性都因此而降低。
4、基于用户-产品二部图网络结构（Network-based）的推荐系统
基于网络结构的推荐算法不考虑用户和产品的内容特征，而仅仅把它们看成抽象的节点，所有算法利用的信息都藏在用户和产品的选择关系之中.分别利用用户一产品用二部分图建立用户—产品关联关系，并据此就提出了基于网络结构的推荐算法。其中，提出了一种全新的基予资源分配的算法，通过在协同过滤算法中引入二部分图上的扩散动力学，部分解决了数据稀疏性的问题。
5、混合式（Hybrid）推荐系统
基于规则的、基于内容的以及协同过滤的推荐算法由于自身的特点，在实际应用中都存在一些缺陷，因此就提出了把多种不同算法结合起来形成混合算法的解决方案。
四、个性化推荐系统对电子商务网站的意义
个性化推荐系统作为一种电子商务服务，是网络营销的重要手段。据VentureBeat统计，Amazon的推荐系统为其提供了35%的商品销售额。个性化推荐系统能够有效地留住顾客、防止顾客流失，提高销售额，因此受到越来越多的关注。综合来看，个性化推荐系统对电子商务网站的意义，主要可以概括为以下几点：
1、把网站浏览者转变为购买者
有些用户浏览网站并非有有购买目的，如果网站通过个性化推荐系统对其进行推荐，有可能使顾客形成购物冲动，从而促进销售。
nlc202309012336
2、提高电子商务网站的交叉销售能力
个性化推荐系统可以发现顾客所购买商品之间存在的内在关联，网站可以根据推荐算法的输出结果，对相关商品进行组合推荐、捆绑销售等，从而促进销售。
3、提高顾客对电子商务网站的忠诚度
个性化推荐系统可以让顾客受困于海量的信息当中，因此适当的使用个性化推荐系统对顾客进行商品信息推送可以提高顾客的购物舒适度和满意度，从而提高顾客的忠诚度。
4、优化电子商务网站
根据Web日志数据分析用户的行为模式，推荐超连接列表，或者动态地生成可能的网页超链接。尽可能迎合每个用户的浏览兴趣并且不断调整网站链接结构适应用户浏览兴趣的变化，使每个用户在浏览网站时都有该网站的唯一用户的感觉。
五、结语
网络交易量不断增长的时代，已经出现了很多实用的个性化推荐系统。它能够利用顾客期望的产品单、购物车、顾客提交的评价以及购买记录等，为顾客推荐适合的产品，提供多项推荐服务。本文简单介绍了几类基于不同推荐算法的推荐系统.虽然这些推荐系统都已经投入应用，并且取得了可观的经济效益，然而，这些系统都面临着许多问题，需要从理论和应用角度进行深入的研究。（作者单位：山西省运城市广播电视台）
参考文献
[1]张靖.网络个性化服务资源综合推荐研究[J].计算机仿真.2009.26（11）：157-165）
[2]刘建国，周涛，汪秉宏.个性化推荐系统的研究进展[J].自然科学进展.2009.19（1）：1-15
[3]李智琦，陈世颖，杨怡凝.基于数据挖掘的个性化推荐在SNS中的应用[J].电脑知识与技术.Vol.7，No.28，October 2011.
[4]曾春，邢春晓，周立柱.个性化服务技术综述[J].软件学报.2002.13（10）：1592-1561
[5]吴丽花，刘鲁.个性化推荐系统用户建模技术综述[J]，情报学报，2006，25：55-62
[6]王茜，杨莉云，杨德礼，面向用户偏好的属性值評分分布协同过滤算法[J]，系统工程学报，2010.04
[7]Lin Hongfei，et al Text Browsing Based on Latent Semantic Indexing[J]. Joural of Chinese Information Processing， 2000， 14（5）：241-245.
[8]B Leite ，et al.C2：：A Collaborative Recommendation System Based on Modal Symbolic User Profile [C]. Proceedings of the 2006 IEEE/WIC/ACM International Conference on Web Intelligence. 2006： 673-679
[9]余力.电子商务个性化——理论、方法与应用[M].清华大学出版社.2007
电子商务推荐系统的研究 第4篇
关键词：电子商务,推荐服务,个性化
引言
互联网上蕴藏着的海量信息, 对于用户来说已经大大超过了可能的接受量。用户希望能从琳琅满目的电子商务网站中尽快找到心仪的物品。商家也希望能推销出自己的产品, 吸引客户, 所以推荐系统孕育而生, 其作用如下[1]:
1. 将电子商务系统的浏览者转变为购买者。
电子商务系统的访问者在浏览过程中经常并没有购买欲望, 推荐系统能够向访问者推荐他们感兴趣的商品, 从而完成购买过程。
2.提高电子商务系统的交叉销售。
电子商务推荐系统在用户购买过程中向用户提供其它有价值的商品推荐, 用户能够从提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品, 从而有效提高电子商务系统的交叉销售。
3.保留用户。
与传统的商务模式相比, 电子商务系统使得用户拥有越来越多的选择, 用户更换商家及其方便, 只需要一两次鼠标的点击就可以在不同电子商务系统之间跳转。电子商务推荐系统分析用户的购买习惯, 根据用户需求向用户提供有价值的商品推荐。如果电子商务推荐系统的推荐质量很高, 那么用户会再次访问这个网站, 并会推荐给其他人, 这对于网站来说是一个很大的优势。
推荐系统的分类
根据电子商务推荐系统所采用的推荐技术, 电子商务推荐系统主要分为:
1. 基于内容过滤的推荐系统。
系统通过比较商品之间的相似性, 而不是用户之间的相似性实现推荐功能。其优点是简单有效, 建模和商品间的相似性度量可以离线进行, 推荐响应时间快, 但系统难以区分商品信息的品质和风格, 而且不能为用户发现新的感兴趣的商品。
2. 基于协同过滤技术的推荐系统。
系统学习目标用户和历史用户之间购买行为的相似性, 从而根据相似历史用户的购买行为生成推荐结果。其优点是能为用户发现新的感兴趣的商品而不需要考虑商品的特征, 任何形式的商品都可以推荐。缺点是用户对商品的评价矩阵非常稀疏;随着系统用户和商品的增多, 系统的性能会越来越低;如果从来没有用户对某一商品加以评价, 则这个商品就不可能被推荐。
3. 基于知识的推荐[2]。
系统具有特定物品满足特定用户需要的知识, 并能由此推导出
这种需要与推荐结果的相互关系。适用于用户临时、随机浏览的情况。它没有新系统刚开始时常有的低质量推荐问题。只要所依据的知识允许, 它做出的推荐就能为多数用户广泛使用。
4. 基于Web数据挖掘的推荐系统[4]。
个性化推荐服务即根据用户的兴趣和特点向用户推荐其感兴趣的信息, 通过收集和统计用户站点访问信息, 分析用户的浏览和购买行为来进行页面或商品的推荐, 因此系统的推荐准确性高。
基于Web数据挖掘的推荐系统的设计
Web数据挖掘一般分为三个阶段:数据预处理, 模式挖掘, 模式分析及应用。如图1所示:
1.数据预处理。由于本地缓存、代理服务器、防火墙的存在, 使得Web日志中的数据并不精确, 直接进行挖掘有可能出现错误结果。因此首先对日志数据进行预处理, 它包括数据净化、用户识别、会话识别、路径补充和事务识别等。数据清洗主要是删除与挖掘算法无关的记录;用户识别是根据用户IP地址、浏览器、网站拓扑结构判断访问服务器的个体;会话识别是一个用户在一定时间内请求的所有Web页面;路径补充指将日志文件中遗漏的页面补充在路径中;事务识别主要是将页面访问序列划分为代表Web事务。
2.模式挖掘阶段。该阶段的任务是采用挖掘算法来挖掘用户的访问模式和倾向, 分析个别用户的偏爱, 以改进站点的组织结构, 为用户提供定制服务。
3.模式分析及应用阶段。该阶段是挖掘的最后一个阶段, 它获取当前用户的访问操作, 结合模式挖掘模块获得的模式执行推荐算法, 计算生成推荐页面, 并将推荐页面发送给客户端浏览器。
小结
电子商务推荐系统能帮助顾客更好更快地访问有用的信息, 也可以帮助商家进行交叉销售以提高销售量。目前推荐系统的还面临这一些问题, 如推荐策略的自适应性[3]、实时性、推荐质量、推荐结果解释、多种数据集成性、推荐系统规模性等, 这将是今后研究的课题。
参考文献
[1]黄晓斌.网络信息挖掘[M].电子工业出版社, 2005.
[2]王丛.基于Web挖掘的电子商务推荐系统研究[D].山东:山东科技大学, 2006.
[3]刘平峰, 聂规划, 陈冬林.电子商务推荐系统中推荐策略的自适应性[J].计算机工程与应用, 2007, 43 (4) :23～25.
对电子商务的认识（本站推荐） 第5篇
在互联网技术迅速发展的今天，网上订购CD、网上订花、网上订餐、网上订票、网上购物、网上交易„„电子商务这一词汇开始频繁的出现在人们的日常生活当中。组织和个人都对电子商务有了不同程度的认识，人们对电子商务的兴趣也与日俱增，但是可能有许多人只是认为，电子商务就是网上购物。其实当今的电子商务领域并不局限于网上购物或买卖，还包括其他更多的业务。那么，到底什么是电子商务呢。电子商务有狭义与广义之分，一般来说
电子商务的基本组成要素
电子商务的基本组成要素有网络、用户、物流配送、认证中心、网上银行、商家等
1）网络。网络包括Internet、Intranet、Extranet。Internet是电子商务的基础，是商务、业务信息传送的载体；Intranet是企业内部商务活动的场所；Extranet是企业与企业以及企业与个人进行商务活动的纽带。
1）用户
用户是指参与电子商务活动的个人或企业。个人用户一般使用互联网进行信息浏、网上刚购物、网上娱乐、网上学习等活动。企业用户一般利用互联网发布企业信息、产品信息、接受订单等，同时也可以进行网上企业管理与运作。
3）物流配送
在电子商务下，信息流、资金流的处理都可以通过计算机和网络通信设备实现。物流，作为三流中最为特殊的一种。对于少数商品和服务来说，可以直接通过网络传输的方式进行配送，如各种电子出版物、信息咨询服务、有价信息软件等。而对于大多数商品和服务来说物流是无法通害过网络传输的。物流配送就是指物流企业，通过一系列机械化、自动化工具的应用，准确、及时的将商品送到消费者手中。
4）网上银行
网上银行是指利用网络手段为消费者提供金融服务的银行，服务内容包含零售业和大额集团业务。网络银行具有和传统银行对等的职能。
5）认证中心
CA认证中心，是指给个人、企事业单位和政府机构签发数字证书——“网上身份证”，用来确认电子商务活动中各自的身份，并通过加解密方法实现网上安全的信息交换与安全交易。
电子商务在不断的发展中，其特点在逐渐的突显，其特点如下： 1． 电子化（无纸化）
电子商务实现了信息化和无纸化交易。它有两个方面的含义，第一，商务沟通手段电子化，即利用信息网络通信手段，实现商务活动，缔结合同；第二，所有的商业活动包括合同均可能（交易者意思和交易内容）以电子信息形式存在，借助于相应的计算机软硬件工具和网络环境方便地读取。因此，电子商务的特征是通信电子化、记录无纸化，一切交易记录均可以以电子或者数字方式存储。2．虚拟主体
电子商务构造了虚拟商业环境。电子商务属于非面对面的交易，不仅交易的环境是虚拟的数字环境，而且交易主体均可以以用户名方式进行。实务界甚至认为，电子商务构成了一个异于现实社会的虚拟商业环境，称为虚拟市场或网络市场。1不过，法律上不承认虚拟，必须找到将网上各种行为主体还原为真实世界对应主体的机制。3．全球化
电子商务能够跨越时间和空间的局限性，真正实现了贸易的全球化。从空间概念上看，电子商务所构成的新的空间范围以前是不存在的，这个依靠互联网所形成的空间范围与领土范围不同，它没有地域界限，在这个空间范围活动的主体主要是通过互联网网络彼此发生联系。从时间概念上看，电子商务没有时间上的间断，在线商店是每天24小时开业的。虚拟市场上的这种新的竞争形式正在波及到人们非常熟悉的实体市场，这个现实是任何人都不可以忽视的。4．交易自动化
在以网络为基础的社会中，产品信息、供求信息、订约信息等在弹指之间便可传递到世界各地。事先设置的计算机系统可以自动对信息进行处理和传输，不仅使商务活动不间断进行，而且大大降低了信息处理和传递成本。这不仅使产品行销更加方便，而且使商家与商家、商家与消费者之间的沟通和达成交易变得更为迅捷和有效。因此，电子商务是低成本和高效率的。
5．交易环境网络化
电子商务依存于网络，互联网是一个开放、自由的信息沟通和分享世界舞台；当商务活动移至网络进行之后，网络所特有的一些特征，在网络交易中均会体现出来。例如，网络开放性，导致任何人都可能发布商业信息，由此导致商业信息欺诈因素增加；网络技术本身存在不安全因素，而这种不安全也会导致商务环境不安全。电子商务的优势
1.电子商务将传统的商务流程电子化、数字化，一方面以电子流代替了实物流，可以大量减少人力、物力，降低了成本;另一方面突破了时间和空间的限制，使得交易活动可以在任何时间、任何地点进行，从而大大提高了效率
2.。电子商务所具有的开放性和全球性的特点，为企业创造了更多的贸易机会。
3.电子商务使企业可以以相近的成本进入全球电子化市场，使得中小企业有可能拥有和大企业一样的信息资源，提高了中小企业的竞争能力。
4.电子商务重新定义了传统的流通模式，减少了中间环节，使得生产者和消费者的直接交易成为可能，从而在一定程度上改变了整个社会经济运行的方式
5.电子商务一方面破除了时空的壁垒，另一方面又提供了丰富的信息资源，为各种社会经济要素的重新组合提供了更多的可能，这将影响到社会的经济布局和结构。6.互动性:通过互联网,商家之间可以直接交流,谈判,签合同,消费者也可以把自己的反馈建议反映到企业或商家的网站,而企业或者商家则要根据消费者的反馈及时调查产品种类及服务品质,做到良性互动 电子商务的模式 1）BtoB（商家对商家）
BtoB电子商务模式：主要是进行企业间的产品批发业务，因此也称为批发电子商务。BtoB电子商务模式是一个将买方、卖方以及服务于他们的中间商（如金融机构）之间的信息交换和交易行为集成到一起的电子运作方式。电子商务其实不仅是指网络零售业，更核心的是市场潜力比零售业大一个数量级的企业级电子商务。而这种技术的使用会从根本上改变企业的计划、生产、销售和运行模式，甚至改变整个产业社会的基本生产方式。因此，这种企业之间的电子商务经营模式越来越受到重视，被许多业内人士认为是电子商务未来发展的一个重要方向。详细内容下模块三。2）B to C（商家对消费者）
BTOC电子商务模式，是电子商务按交易对象分类中的一种，即表示商业机构对消费者的电子商务。这种形式的电子商务一般以网络零售业为主，主要借助于Internet开展在线销售活动。例如经营各种书籍、鲜花、计算机、通信用品等商品。例如，8848就是采用这种商业模式的一个网站。它充分地利用了连邦软件公司在原有的物流上的优势、全国统一的销售连锁店和长斯以来形成的品牌优势，在Internet上把零售做得很火。3）C to C（个人消费者对个人消费者）。
C2C模式是消费者与消费者之间的货物交易或各种服务活动在网络上的具体实现，其涵盖的范围主要包括艺术品交易、网上拍卖、旧货交易、网上人才市场、换房服务、邮票交易等。eBay、淘宝网、拍拍网等均属于此模式。由于不同的文化和技术的影响，C2C模式在不同的国度受到欢迎的程度是不同的。电子商务的盈利模式 1）在线销售商品模式
在线销售商品模式在形式上可以分为B to B、B to C、C to C等多种。目前蓬勃发展的是第一种B to B模式，其表现为一条产业链中上下游企业之间供应、采购活动的网络化。这种模式都为传统生产型企业所采用，其网站的核心竞争能力表现在如何利用网络为企业更多地降低库存、采购成本和管理成本，从而获取更大的盈利空间。第二种B to C模式，虽然成交额比例远远不如B to B模式，但目前也有很好的发展。传统企业商务模式的网上迁移，去掉了“迂回经济”的非经济性，使企业进入了“直接经济”时代，生产直达消费。和传统商务模式相比，B to C商务模式可以实现24小时在线服务，可以为企业降低销售成本和内部管理成本，从而为企业带来更大的盈利空间。2）在线销售数字内容模式
面对信息量急剧膨胀的网上数据资源，用户对特定信息的查询往往会产生两种结果：信息过载和信息迷向。信息过载是指找到的信息太多，没法有效消化和应用，信息迷向是指基于目前技术，难以有效地表达需求和准确寻找到所需资源。鉴于此，能有效解决信息分类、深入加工和提供专业检索的网站，必然存在巨大的市场。原来做信息的传统企业，在向互联网迁移的过程中，利用其自身的信息优势，依托互联网来提供更好更方便的检索手段，必然会赢得越来越多的受众。这种网站盈利模式的核心竞争能力不在于信息技术，而在于它能提供给用户高质量的信息内容。3)在线提供服务模式 在线能提供的服务是多样的，如网络游戏、广告收费、在线交流、在线音乐、在线电影、电子邮箱、虚拟空间等等.4）交易费用模式
交易费用模式是指网站为交易的双方提供一个交易的平台，从中收取佣金，这类网站在网上大量存在，如很多的行业网站，招商网站，旅游代理网站等等，但做得最好的往往都有自己的核心竞争能力，如先入优势、行业优势或者是其他方面的优势。电子商务的发展
三大阶段
第一阶段,电子邮件阶段
这个阶段可以认为从70年代开始,平均的通信量以每年几倍的速度增长。
第二阶段,信息发布阶段
从1995年起,以Web技术为代表的信息发布系统,爆炸式地成长起来,成为目前Internet的主要应用。
第三阶段,EC(Electronic Commerce),即电子商务阶段
EC在美国也才刚刚开始。之所以把EC列为一个划时代的东西,笔者认为,是因为Internet的最终主要商业用途,就是电子商务。同时反过来也可以很肯定地说,若干年后的商业信息,主要是通过Internet传递。Internet即将成为我们这个商业信息社会的神经系统。
欧美
以欧美国家为例，可以说电子商务业务开发的如火如荼。在法、德等欧洲国家，电子商务所产生的营业额已占商务总额的1/4，在美国则已高达1/3以上，而欧美国家电子商务的开展也不过才十几年的时间。在美国，美国在线(AOL)、雅虎、电子港湾等著名的电子商务公司在1995年前后开始赚钱，到2000年创造了7.8亿美元，IBM、亚马逊书城、戴尔电脑、沃尔玛超市等电子商务公司在各自的领域更是取得了令人不可思议的巨额利润。欧美国家电子商务飞速发展的因素有以下几点：
1.欧美国家拥有电脑的家庭，企业众多，网民人数占总人口的2/3以上，尤其是青少年，几乎都是网民，优裕的经济条件和庞大的网民群体为电子商务的发展创造了一个良好的环境。
2.欧美国家普遍实行信用卡消费制度，建立了一整套完善的信用保障体系，这为电子商务的网上支付问题解决了出路。细致说来，欧美国家的信用保证业务已开展有80年的时间。在欧美国家，人们可自由流动，不用像中国一样受户口的限制，为方便生活起居，每个人都有一个独一无二的，不能伪造并伴随终生的信用代码，持此信用卡进行消费，发卡银行允许持卡人大额度透支，但持卡人需在规定时间内将所借款项归还，如果某企业或个人恶意透支后不还款，那也就意识着以后他无论走到何地，他的信用记录上都会有此污点，不论他想贷款买房，购车或办公司，银行都不会贷款给他，这在贷款成风的西方世界是极其可怕的！因此，西方人普遍将信用看作自己的第二生命，谁也不愿意贪小利失大义，当在网上购物时，他们会在点击物品直接输入密码，将信用卡中的电子货币划拨到网站上，商务网站在确认款到后，立即组织送货上门。
3.欧美国家的物流配送体系相当完善、正规，其次是近年来大型第三方物流公司的出现，使的不同地区的众多网民，往往能在点击购物的当天或转天就可收到自己所需的产品。这要得益于欧美国家近百年的仓储运输体系的发展史。以美国为例，第二次世界大战后，许多企业将军队后勤保障体系的运做模式有效地加以改造运用到物资流通领域中来，逐渐在全国各地设立了星罗棋布，无孔不入的物流配送网络。即使在电子商务业务还未广泛开展的十多年前，只要客户打电话通知要货，几乎都可以享受免费的送货家政服务。美国联邦快递，UPS(联邦包裹快递)等是大型物流公司的典范，专门负责为各个商家把产品送到顾客手中，有了这样庞大的完善的物流配送体系，当电子商务时代到来后，美国只需将各个配送点用电脑连接起来，即顺理成章的完成了传统配送向电子商务时代配送的过度，电子商务活动中最重要最复杂的环节——物流配送问题就是这样轻而易举的解决了。
中国
中国电子商务始于1997年。如果说美国电子商务是“商务推动型”，那么中国电子商务则更多的是“技术拉动型”，这是在发展模式上中国电子商务与美国电子商务的最大不同。在美国，电子商务实践早于电子商务概念，企业的商务需求“推动”了网络和电子商务技术的进步，并促成电子商务概念的形成。当Internet时代到来的时候，美国已经有了一个比较先进和发达的电子商务基础。在中国，电子商务概念先于电子商务应用与发展，“启蒙者”是IBM等IT厂商，网络和电子商务技术需要不断“拉动”企业的商务需求，进而引致中国电子商务的应用与发展。了解这一不同点是很重要的，这是中国电子商务发展的一大特点，也是理解中国电子商务应用与发展的一把钥匙。在1997年和1998年，中国电子商务的主体正是一些IT厂商和媒体，它们以各种方式进行电子商务的“启蒙教育”，激发和引导人们对电子商务的认识、兴趣和需求。经过这一阶段，在1999年和2000年，以网站为主要特征的电子商务服务商在风险资本的介入下成为中国电子商务最早的应用者，成为这一阶段中国电子商务的主体。随着电子商务应用与发展的深化，随着资本市场泡沫的破灭，网站电子商务开始跌入低谷，而企业特别是传统企业却开始大规模进入电子商务领域，中国电子商务从2001年开始进入第三个阶段，企业电子商务成为中国电子商务新的主体。中国电子商务发展迅猛，2007年全国电子商务交易总额达2.17万亿元，比上增长90%。中国网络购物发展迅速，2008年6月底，网络购物用户人数达到6329万，半年内增加36.4%。截至2008年12月，电子商务类站点的总体用户覆盖已经从9000万户提升至9800万户。我国政府和互联网协会也很重视电子商务，比如中国互联网协会主办了全国大学生网络商务创新应用大赛。中小企业在电子商务行为却一直处于一个尴尬的局面，由于在信息交流渠道窄、网上交易资金安全得不到保障、运营成本较高等问题的制约下，无法有效地促进行业发展。这一现象已经受到大型门户网站的关注，不少大型门户网站待机而动，试图开垦中小企业电子商务这片尚未开发的“处女地 电子商务存在的问题 1.2.3.4.5.6.网络自身有局限性 搜索功能不够完善 用户消费观念跟不上 交易的安全性得不到保障 电子商务的管理还不够规范
税务问题，由于电子商务的交易活动是在没有固定场所的国际信息网络环境下进行，造成国家难以控制和收取电商务的税金。
7.标准问题，各国的国情不同，电子商务的交易方式和手段当然也存在某些差异，而且我们要面对无国界、全球性的贸易活动，因此需要在电子商务交易活动中建立相关的、统一的国际性标准，以解决电子商务活动的互操作问题。8.支付问题，由于金融手段落后、信用制度不健全，中国人更喜欢现金交易，没有使用信用卡的习惯。而在美国，现金交易较少，国民购物基本上采用信用卡支付，而且国家出于金融、税收、治安等方面的原因，也鼓励使用信用卡以减少现金的流通。完善的金融制度，方便、可靠、安全的支付手段是B to C电子商务发展的基本条件。9.配送问题，网上消费者经常遇到交货延迟的现象，而且配送的费用很高。10.电子合同的法律问题，在电子商务中，传统商务交易中所采取的书面合同已经不适用了。一方面，电子合同存在容易编造、难以证明其真实性和有效性的问题；另一方面，现有的法律尚未对电子合同的数字化印章和签名的法律效力进行规范。
11.其他细节问题，如前网上商品价格参差不齐，主要成交类别商品价格最大相差40％；网上商店服务的地域差异大；在线购物发票问题大；网上商店对定单回应速度参差不齐；电子商务方面的法律，对参与交易的各方面的权利和义务还没有进行明确细致的规定。电子商务发展的认识
（一）完善政策法规环境，规范电子商务发展
（二）加快信用、认证、标准、支付和现代物流建设，形成有利于电子商务发展的支撑体系
（三）发挥企业的主体作用，大力推进电子商务应用
（四）提升电子商务技术和服务水平，推动相关产业发展
（五）加强宣传教育工作，提高企业和公民的电子商务应用意识
电子商务推荐系统 第6篇
事实上，随着以科研院所为代表的军工事业单位改制政策即将明朗化，以及应对中国崛起引发的地区力量失衡，已经成为美国与周边国家最重要的课题与挑战之一，军工股迎来炒作想象空间。有业内人士指出，“小公司、大集团”的重组标的和业绩高增长的军工标的值得推荐。其中，作为中航工业集团航电资产的专业化上市平台的中航电子（600372）、大股东为中国电科38所的四创电子（600990）等值得关注。
中航工业集团整合值得期待
众所周知，军事工业在任何国家、任何时期都处在技术研发和技术创新的前沿，它代表了一个国家的综合科学技术发展水平和国家科技的战略高度。就中国而言，最尖端的军工技术蕴藏在广大军工科研院所中。目前，军工科研院所主要集中在航天科技集团、航天科工集团、中航工业集团、中国电子科技集团和兵器工业集团。
中航工业集团董事长林左鸣日前在公开场合表示，其对未来航空工业的资产重组持乐观态度，中航工业集团未来仍将遵循专业化重组的路径，通过母公司融资孵化项目，成熟后注入专业化板块的办法，进一步提高集团整体资产证券化水平。目前在中航工业航电板块旗下拥有两家上市公司——中航电子和中航光电（002179），而中航电子为集团航电资产的专业化上市平台。
据了解，中航工业集团剩余未注入航电资产体量庞大。公司今年完成青云航电、苏州雷达、洛阳隆盛三家公司的股权现金收购后，未来还将注入集团其他航电资产，实现战略协同，做大做强航电业务。其中有两家托管公司（青云航电、东方仪器）公司在2011 年承诺5 年内注入，而剩余五家研究所（收入规模超过百亿，利润规模则超过10 亿）正在进行改制工作。据测算，截至2012 年9 月30 日，航电系统公司总资产372亿元，中航电子74 亿，中航光电34 亿，拟注入三家公司29 亿，剩余未注入资产高达200 多亿，接近中航电子的3 倍。
有业内人士指出，军工研究所类资产的重组改制加速，将使整个军工体系最优质、最有想像空间、最具科技含量和盈利能力的资产未来具备注入上市公司的条件。重组就是生产力。军工研究所类资产重组不仅可以提升上市公司业绩，更可以提升估值，打开相关标的广阔的成长空间。
“小公司、大院所”获青睐
据了解，目前我国军工新型装备研制和列装进度远超预期，部分装备的定型计划明显加速，一些长期制约和困扰装备研制定型的矛盾和障碍得到了解决和克服。
作为军事工业中一个重要分支的军用航电系统目前有三大力量推动其快速发展。其一，我国目前进行的新军事变革引起航空装备结构发生变化，信息作战类飞机在航空装备结构中比例需要扩大、随着我国新军事变革的推进，信息作战类飞行器（指预警、侦察、监视）在整体机群中的数量将逐步增加，起到整个航空武器装备能力倍增器的作用。而目前我国此类飞行器的数量严重不足；其二，新型作战飞机不断开展研制，未来将带动航电系统市场的持续扩展；其三，航空电子系统对于作战飞机的综合效能提升很快，并且航电系统的更新换代速度很快，世界各国普遍采用“一代飞机平台，几代航空电子”的发展策略，在新一代飞机以及航电系统研制的同时，不断用先进的航空电子系统对现役飞机改进改型提高其综合效能。我国大量的现役战斗机在其生命周期内都需要多次对航电系统升级换代，这是航电系统发展速度快于航空工业平均发展速度的关键之一。
未来我国军用航电市场空间巨大，并且发展速度快于航空行业平均增长速度。相关预计显示，2015年，航电市场总规模将达到420亿—560亿元左右。根据目前航电系统公司在市场的主导地位，其在军用航电市场的份额有望保持在80%左右，销售收入340亿—450亿元左右，净利润40亿左右。
有分析人士指出，就军工股而言，“小公司、大院所”的弹性和空间最大。因此，重点推荐中航电子（大股东拥有5 家航空电子类研究所）、四创电子（大股东中国电科38 所）、中国卫星（大股东航天五院）和航天电子（大股东航天九院）。
电子商务推荐系统的数据过滤 第7篇
数据作为鉴别客观事物及其状态而记录下来的符号,在进行系统分析、决策的重要依据。随着社会各行各业拥有的数据的日益增长,进行数据过滤,即分析这些数据、发现隐含在这些数据中的有用模式的要求显得越来越重要。
随着网络技术的迅猛发展,电子商务推荐系统以其个性化智能信息推荐服务日益受到人们的普遍关注。它通过判断用户需求,为其提供适当的产品和服务,以提高用户满意度和忠诚度,而得到越来越多的应用。
但随着系统规模的进一步扩大,用户和商品数目的急剧增加,推荐系统无疑也面临着数据过载所造成的巨大的计算成本和烦琐的手工操作,从而影响推荐结果的准确性及实时性。尽管人们在分析现已拥有的数据方面,已经提出一些统计分析技术,但实用的智能数据分析技术目前仍不成熟。因而,采取更为快速、高效、智能的数据分析技术和合理的系统结构,成为解决该问题的关键。
1 系统的工作流程
如图1所示,推荐系统整体分为在线处理和离线处理两部分。在线部分根据离线系统的运行结果,进行实时推荐。离线部分是用户档案的分析生成过程,利用相关推荐技术发现用户数据中的规则和模式,为推荐做准备。
1.1 数据过滤
系统的数据来自不同的数据源,包括用户的购买信息、个人信息及浏览信息,记入用户事物文件前必须清洗、集成和转化。
但由于用户数据的极端稀疏性及数据库规模的扩大,智能分析难度增加。为了解决这一问题,这里引入抽样技术。通过前瞻选择抽样算法(LSS)的实施,对数据进行过滤,通过对相关数据的抽样量化处理,在更为有效的数据集中实施智能分析算法,无疑会使整个系统的实时性得到很大提高。
1.2 形成用户事物文件
这个阶段是非常耗时,是离线对用户行为进行建模,对所得的知识进行评价、筛选。用户事务文件包括两部分:一部分是用户的个人信息;一部分是用户的行为模式,按推荐算法的需要,这些模式可以是用户的分类或聚类情况,也可以是一些关联规则。
1.3 智能分析
该阶段实施推荐的依据与关键。这里采用最近邻算法,它是目前最为成功的自动推荐技术之一,这种技术将用户对目标产品感兴趣与否作为对用户的分类标准,使用统计方法选出与目标用户最相似的用户,称为“邻居”,然后根据这些邻居的意见推测用户对目标商品感兴趣程度,指导最终的推荐。
1.4 实施推荐
记录分类结果,并根据 “邻居”意见进行推荐,将推荐结果经由WEB服务器,返回到用户浏览器终端。与此同时,记录用户相关的购物信息,作为日后分析之用。
2 前瞻选择抽样算法简介
前瞻选择抽样(LSS)算法的基本思路是:在抽取样本前,首先估计未分类样本归入算法的效用值,再选取效用值最大的样本点进行类别标记。
在由用户实体所构成的d维欧几里德空间Rd中,θi是用户xi对应的类别属性,当用户xi对产品感兴趣时θi=1,反之,则θi=0。X为未标记用户列,其中的用户样本同分布于ρ。D={<xi,θi>:xi∈X,i=1,,n}为X中的样本标记后所组成的数据列。
由于效用函数估计先于用户样本类别判定。因此,这里在分类学习算法L未知的情况下,采用贝叶斯规则,对具有相同分布ρ的用户样本进行效用估计。具体方法是:在已标记数据D给定的情况下,利用先验分布,按贝叶斯规则,求出目标函数的后验分布。最后,利用该目标函数的后验分布定义期望精度。
对应于用户x,由算法L所判定的类别θ和假设类别h,P(θ=h(x)|D)是算法L在特定样本点x的类别概率值,假设类别概率P(θ=0|D)及P(θ=1|D)已知,对于有限实例列D,此时的期望精度AL(D):
由于LSS算法基于最近邻算法,对用户类别概率进行估计,遵循以下两条假设:先验类别概率相等;只考虑两个最近邻,其它样本点忽略。这里采用欧几里德距离进行样本点距离计算,则有:
算法的具体步骤如下:
LSS(X,D ):
①如果D为空,从X中还原一随机样本点。
②令Umax←0。
③For ∀x∈X do:
(A)D′←D∪{<x,0>}
(B)基于D′,利用(2)式,计算X中所有样本点的类别概率
(C)基于D′,利用类别概率及(1)式,计算分类器的精度近似效用值,U0(x)←A(D′)
(D)D′←D∪{<x,1>}
(E)基于D′,利用(2)式,计算X中所有样本点的类别概率
(F)基于D′,利用类别概率及(1)式,计算分类器的精度近似效用值,U1(x)←A(D′)
(G)基于D,利用(2)式,计算x的类别概率
(H)U(x)←P(f(x)=0|D)U0(x)+P(f(x)=1|D)U1(x)
(I)如果Umax<U(x)则Umax←U(x),xbext←x
④返回xbest
3 推荐系统的结构框架
由推荐系统的具体流程,系统总体框架如图2所示。
3.1 系统界面
输入界面。由检索词输入栏、检索范围及约束条件设置、评价值栏、注册区等几部分组成。
输出界面。包括查询结果输出、相关信息的推荐输出、相似用户推荐信息输出几部分。
3.2 系统服务器
系统服务器完成推荐系统各个模块间交互行为的协调与管理。个性化推荐系统的各个模块之间都有交互联系,一个完整的个性化信息推送过程是各子系统交互活动的结果。要有效地协调管理模块间的交互行为,需要一个总控管理系统来实现。
3.3 用户事务文件
主要包括有关用户个性化特征的信息。如用户姓名、单位、住址、年龄、职业;用户历次请求任务如分类、主题词、查询范围等;IP地址、标题、浏览的时间;关键词的频率和用户的评价值;请求时间、被请求文件的URL、HTTP版本号等。
3.4 智能分析模块
智能分析模块是推荐系统中信息流控制的中心,其具体功能:获取用户需求,建立用户分类和推荐机制,实施最近邻及前瞻选择抽样算法,进行数据过滤,并据此进行信息推荐。
3.5 规则库
规则库是系统执行推理解决问题的核心部分。主要用于存储经验规则、概念模式等,用于支持机器归纳推理。
3.6 资源库
主要存储系统每一次的查询信息,这些信息有可能成为用户需求的数据。元数据的维护是工作重点,包括数据的存储信息、分类信息、被访问特征等。
4 推荐系统的实现及效果
为了检验实施LSS算法后系统的有效性,这里与一般的推荐系统作为对照。我们采用 MovieLens 站点提供的数据集(http://movielens.umn.edu/),从用户评分数据库中选择6 000个用户和7部电影作为实验数据集,针对7部电影,反复执行算法100次,求出评价指标:平均误差率和标准差两类。平均误差率通过计算预测的用户预测类别与实际类别的偏差度量预测的准确性,平均误差率越小,推荐质量越高。标准差也是统计度量中常用的方法,用以衡量推荐结果的整体精度和稳定性。
由图3可以观察出系统在实施LSS算法后,平均误差率和标准差数值较小,表现出较高的推荐精度、较好的稳定性,明显提高推荐精度。
5 结束语
与传统方式相比,由于电子商务涉及的数据量的增加,推荐系统相关设计的合理性显得尤为重要。LSS是结合选择抽样方法和前瞻框架的新算法,将其应用于推荐系统进行数据过滤,并据此重新规划系统结构,即使在用户数据稀疏的情况下,有较低平均误差率和标准差,表现出良好的测试效果,有利于推荐质量的提高。
摘要：着眼于用户和商品数据的急剧增加,所造成的电子商务推荐系统推荐质量下降的问题。在分析了系统工作流程的基础上,选择抽样算法结合前瞻算法进行数据过滤,进而据此构建系统结构框架。实验结果显示,系统推荐结果的质量和系统的性能确有较大提高。
关键词：数据过滤,抽样算法,电子商务,推荐系统
参考文献
[1]BREESE J,HECHERMAN D.Empirical Analysis of Predic-tive Algorithms for Collaborative[C]//Proceedings of the14th Conference on Uncertainty in Artificial Intelligence,1998:43-52.
[2]MICHAEL L,SHAUL M,DMITRY R.Selective Samplingfor Nearest Neighbor Classifiers[J].Machine Learning,2004,54:125-152.
[3]马文峰,高凤荣,王珊.论数字图书馆个性化信息推荐系统[J].数字图书馆,2003(2):2-3.
[4]姚罡,麦永浩,党选举.数据挖掘在电子商务推荐系统[J].计算机与现代化,2002(12):3-4.
[5]J BEN SCHAFER,JOSEPH A KONSTAN,JOHN RIEDL.E-commerce Recommendation Application[EB/OL].http://www.cs.umn.edu/Research/GroupLens/ECRA.pdf.
[6]RICHARD O D,PETER E H,DAVID G S.模式分类[M].北京:机械工业出版社,2003:146-150.
电子商务推荐系统 第8篇
推荐系统是解决Internet网上购物中信息过载的一种有效机制, 它的主要目标是帮助顾客在海量信息环境下进行商品检索和比较, 替顾客遍历海量商品信息, 基于顾客浏览、购买历史主动获取顾客的偏好, 从中筛选出符合顾客购买倾向的信息进行合理的推荐。推荐系统可以解决信息过载的问题、提高客户满意度和销售效率, 成功的推荐系统将会产生巨大的经济效益。
1 相关工作
1.1 We b使用挖掘
Web使用挖掘主要通过分析用户访问Web的记录了解用户的兴趣和习惯, 应用数据挖掘技术进行顾客行为模式发现的过程。Lee等人提出的关于在线零售商品的点击流分析, 是一种基于电子商务的顾客行为模型。点击流是用于Web挖掘的有效的低级数据, 它对理解顾客购物行为模式提供了必要的信息, 通过Web使用挖掘方法对这些点击流数据及顾客购买记录进行分析, 能够更精确地分析顾客的偏好。
1.2 关联规则挖掘
关联规则挖掘形式化定义如下:设I={i1, i2, , im}是项的集合。设D是数据库事务集合, T是项的集合, 使得T哿I。规则A圯B在D中成立, 具有支持度s, 其中s是D中事务包含A (B的百分比。即概率P (A (B) 。规则A圯B在D中具有置信度c, 如果D中包含A的事务, 那么同时也包含B的百分比是c。这是条件概率P (B|A) 。
support (A圯B) =P (A (B) confidence (A圯B) =P (B|A) 目前, Apriori算法是最流行的关联规则算法, 本论述运用Apriori算法挖掘在线购物商品事务集中的不同类型商品之间的关联。
1.3 商品分类树模型
在商品分类模型T中, 低层商品可以归纳为更一般化高层中的商品。叶子节点代表具体商品实例, 非叶子节点代表将低层的所有节点合并到高层节点所取得的商品类型。根节点表示所有最一般化的商品类型。在商品分类树中, 每个节点对应于相应的层中。根节点的层数为0, 其他节点的层数为父节点的层数加1。
1.4 朴素Ba ye s ia n分类
朴素Bayesian分类工作过程为:用n维特征向量X={x1, x2, , xn}表示数据样本, 并描述样本的n个属性A1, A2, , An的度量。假定数据样本可以分为m个类C1, C2, , Cm, 给定一个未知类标号的数据样本X, 朴素Bayesian分类将其分类到类Ci (1im) , 当且仅当P (Ci|X) >P (Cj|X) (1jm, j≠i) 使P (Ci|X) 最大的类Ci成为最大后验假定。由Bayesian公式可知
类的先验概率用P (Ci) =si/s计算, 其中si是类Ci中的训练样本数, s是训练样本总数。
系统对会员顾客提供推荐服务, 将所有会员集合作为候选目标顾客集。对时间区间建模来建立训练样本集。时间区间模型由三个部分组成:过去 (past) , 现在 (present) , 将来 (future) 。将过去划分为三个时间段:past1、past2、past3。其中past1时间段表示训练样本集的数据输入, past3时间段为训练样本集的数据输出, past2时间段模拟当前时间段, msst表示训练样本集的开始时间。
2 推荐系统设计
2.1 总体设计
系统的整个推荐过程分为四个阶段:目标顾客选择、获取顾客偏好、商品关联分析、产生推荐结果;在整个推荐过程中, 阶段1利用朴素Bayesian分类方法选择目标顾客;阶段2通过跟踪相应商务网站中顾客最近的购物行为, 进行偏好分析;阶段3利用挖掘算法进行商品之间关联规则的挖掘, 从而发现商品之间的关联度;阶段4通过前面两个阶段, 为目标顾客产生推荐商品。
2.2 目标顾客选择
通过Web日志对在线购物商品事务集进行挖掘, 从中提取最近半年的顾客购买记录, 建立候选训练样本集。定义时间区间模型参msst=
I={ (Xm, Cm) }, m=1, , M
其中, Xm={x1, x2, , xn}表示第m个样本, xi (i=1, 2, , n) 为该样本的第i个属性;Cm为第m个样本的决策分类变量值, 则可以表示为:
将所有会员作为候选目标顾客, 对每个会员作为要分类的未知样本。在使用Bayesian分类中, 对于连续值的属性先进行离散化, 可以获得最优的分类效果, 其目的是对当前最可能购买商品的会员顾客提供智能化的推荐服务。
2.3 顾客偏好分析
顾客偏好分析是整个推荐过程中的关键, 本文提出一种顾客偏好模型, 该模型是建立在Lee等人提出的在联机购物过程中顾客所需经历的三个购物阶段基础上的, 三个阶段分别为: (1) 网页点击 (click-through) :表示顾客对感兴趣的商品通过点击鼠标, 链接到该商品网页的URL地址, 并查看与商品相关的网页内容。 (2) 购物车放置 (basket placement) :发生在点击行为之后, 表示顾客将选购好的商品放置到购物车中, 作为候选购买商品。 (3) 在线购买 (online purchase) :表示顾客对所有放置在购物车中的商品进行选择和比较, 最后对选购好的商品进行电子付款。
将不同组的商品进行偏好排序是合理的, 这种偏好关系可以表示为:{没有被用户点击的商品}<{仅被点击的商品}<{仅添加到购物车中的商品}<{实际购买的商品}, 其中“<”表示“低于”或“不优于”的偏好关系。因此在计算顾客对不同的商品的偏好时, 实际在线购买的商品所分配的权重应高于仅添加到购物车中的商品。同理, 仅添加到购物车中的商品所分配的权重应高于仅被点击的商品, 以此类推。
设顾客i对商品类型为j的所有商品, 点击相应网页的总数记为Pcij;同理, Pbij表示顾客i在购物车放置阶段中, 对商品类型为j的所有商品添加到购物车中的总次数;Ppij表示顾客i在实际购买阶段中, 对商品类型为j的所有商品进行电子付款的总次数。和前面讨论一致, 这些商品都位于商品分类树T中的第二层。因此, Pcij、Pbij、Ppij可以认为是对在最近某个时间段对顾客原始点击流数据的统计, 它们反映了每个顾客在相应的购物阶段中, 对所有类型商品的不同偏好。
把偏好模型定义为矩阵形式, 即定义顾客偏好矩阵P= (Pij) 为如下形式, 其中i=1, , M (顾客数量) , j=1, , N (分类树T中第二层的商品类型数量) :
公式 (3) 反映顾客对不同类型商品的偏好, Pij是顾客在这三个不同购物阶段中对该类型商品的偏好综合。
2.4 商品关联分析
利用关联规则方法找出商品事务集中不同类型商品之间的关联。根据顾客在线购物的三个阶段, 将Web日志中保存的商品事务集合细分为三种事务子集:在线购买事务子集, 购物车放置事务子集, 网页点击事务子集。商品关联分析分别从这三种不同事务子集中, 利用相应的算法找出关联规则集合, 算法如下:
算法:Product_Association_mining ()
输入:Web日志中获取的三种事务子集。
输出:每个事务子集中的商品关联规则。
方法:
(1) 为每个事务子集设置时间区间;
(2) 在给定的时间区间里采集所有的事务记录, 并把记录转换为指定形式:
(3) 挖掘商品分类树T第二层中的商品关联规则, 具体可细分为:设置最低支持度和最低置信度;在所有事务记录中, 用商品类型ID代替具体商品ID;对于不同事务子集, 分别调用Apriori算法找出所有关联规则。
2.5 推荐结果
根据顾客偏好模型和商品关联模型, 结合顾客最近的偏好, 以及商品间的关联性, 来预测目标顾客当前的购物倾向。这里, 利用余弦相似性计算顾客偏好和商品关联之间的相似性, 从而产生商品的评价分数。
设目标顾客i对商品类型j的推荐评价分数记为Sij, 则:
其中, Pi是Mx N顾客偏好矩阵P的行向量 (i=1, 2, , M) , Aj是Nx N商品关联矩阵A的列向量 (j=1, 2, , N) , M表示目标顾客数量, N表示分类树T第二层中商品类型的数量。显然, 推荐评价分数Sij在[0,1]之间, 其值越高, 类型j的商品被推荐给顾客的概率越大。
推荐结果产生算法如下:
算法:ShoppingResult_generation () ;
输入:顾客偏好矩阵、商品关联矩阵;
输出:推荐的商品;
方法:
(1) 设置推荐的商品数量n, 推荐的商品类型数量k, 并满足条件:k
(2) 利用公式 (4) 产生推荐评价分数;
(3) 对每个目标顾客, 选择评分前k位的商品类型, 作为推荐的商品类型;
(4) 对每个推荐的商品类型, 从Web日志中获取最近时间内所购买的商品, 并选择购买时刻离当前时刻距离最近的前n/k位商品, 作为推荐商品。
3 实验与分析
推荐系统的评价标准可以分为两大类:预测精确度度量、分类精确度度量。平均绝对偏差MAE (Mean Absolute Rrror) 是现在使用比较普遍且容易让人接受的一个统计精确度度量标准。它的数学表达式如下:
其中pi表示预测值, qi表示真实值, N表示测试数据的总数目。MAE越小表示推荐系统的准确度越高, 反之准确度越低。
系统随机取出1000个用户, 运用本系统以及传统的协同过滤算法来对数据进行验证, 主要是分析后3个月中对于该用户被推荐商品的购买情况, 本论述推荐系统效果 (MAE度量) 与传统的协同过滤推荐系统相比见图1所示:
由图1可以看出, 本推荐系统的准确率与传统的协同过滤推荐相比, 取得了较好的推荐效果。可见, 推荐系统的准确率取决于推荐要素:顾客点击商品、商品放置购物车、购买商品, 通过考虑非正常情况出现的偏差及实验反馈情况, 多次调节各要素权重, 可能使系统达到更好的效果。
4 结束语
目前, 在电子商务推荐系统方面有很多的研究, 并取得了一定的成果, 但随着电子商务规模的进一步扩大, 加上推荐系统本身的复杂性, 现有的推荐系统也暴露出一些问题, 本论述设计了一种适宜在网上销售商品的个性化电子商务推荐系统。首先, 建立商品分类树模型, 可以高效率的发现Web环境下不同商品的关联知识, 通过贝叶斯分类法对目标顾客进行选择, 较大程度上降低了系统运行的负荷;并通过点击流数据, 分别建立了顾客偏好模型和关联分析模型, 为每个目标顾客产生相应的推荐商品;最后, 基于智能Agent技术, 对整个系统结构进行了设计和实现。避免了当前广泛应用的协同过滤推荐算法的局限性, 实验数据结果表明, 该系统相对于传统的协同过滤-基于最近邻产生推荐的项目协同过滤技术而言, 可以有效缓解由于数据稀疏性带来的问题, 能显著提高推荐系统的推荐质量。
摘要：本论述针对协同过滤算法的局限性, 为顾客购买频度较高的商品设计一种基于Web挖掘的推荐系统, 它综合利用朴素Bayesian分类法, 基于点击流分析的偏好Web使用挖掘, 商品关联规则等各种Web数据挖掘技术, 为顾客购物提供智能商务推荐。在数据挖掘技术的基础上, 结合智能Agent技术, 对系统进行设计和实现。实验结果表明, 该系统相对于传统的协同过滤-基于最近邻产生推荐的项目协同过滤技术而言, 可以有效缓解由于数据稀疏性、缺乏稳定性和可扩展性带来的问题, 显著提高推荐系统的推荐质量。
关键词：Web挖掘,推荐系统,Bayesian分类,关联规则
参考文献
[1]DEMIRIZ.A enhancing Product Recommender Systems onSparse Binary Data[EB/OL].http://www.Rpi.edu/demira/re-search.htm, 2003.
[2]O’DonovanJ, SmythB.Trustinrecommendersystems.In:Proc.Of the 10th Int’l Conf.on Interfaces.New York:ACM Press, 2005.167-174.
[3]曾子明, 余小鹏.电子商务推荐系统与智能谈判技术[M].武汉:武汉大学出版社, 2008.
[4]易明.基于Web挖掘的个性化信息推荐[M].北京:科学出版社, 2010.
[5]陈健, 印鉴.基于影响集的协作过滤推荐算法[J].JournalofSoftware软件学报, 2007, 18.
[6]黄创光, 等.不确定近邻的协同过滤推荐算法[J].计算机学报, 2010, 33 (8) .
[7]汪静, 等.基于共同评分和相似性权重的协同过滤推荐算法[J].计算机科学, 2010, 37 (2) .
[8]许海玲, 等.互联网推荐系统比较研究[J].JournalofSoft-ware软件学报, 2009, 20 (2) .
[9]邵秀丽, 等.用户个性化推荐系统的设计与实现[J].计算机工程与设计, 2009, 30 (20) .
电子商务推荐系统 第9篇
专家系统与电子商务个性化推荐系统之间存在相似之处,从整体上都包括输入模块、数据处理模块和输出模块,利用专家系统的专家诊断功能可以识别客户、分析客户需求,并为客户提供推荐结果,以此解决复杂的电子商务个性化推荐问题。
1 电子商务个性化推荐系统
个性化推荐系统是指利用电子商务网站向客户提供商品信息和建议,帮助用户决定该购买什么产品,模拟销售人员帮助用户完成购买过程。个性化推荐系统主要分为三个模块:用户输入模块、推荐方法模块和输出功能模块。
关于个性化推荐系统的研究主要包括网站系统设计、推荐算法设计和网络购物流程设计。在这些研究中,主要技术是协同推荐技术、关联推荐技术和数据挖掘技术,应用专家系统推荐技术的较少。
2 专家诊断的个性化推荐系统设计
科学技术的发展使得专业化加强,人们的吃穿住用行都有专家进行研究,将专家系统引入到电子商务个性化推荐中,有利于帮助消费者进行科学合理的消费决策。
当引入专家时,消费者购物过程为:
1) 消费者表述自己需求特征;
2) 专家分析消费者需求特征;
3) 专家判断哪些商品可以满足消费者需求;
4 专家推荐最适合的商品。
在这套系统中需要静态数据库(规则、信息)和动态数据库(用户数据库、商品数据库),需要咨询子系统、规则子系统和结果子系统,设本文中设计的系统名称为MYG,则MYG系统结构图如图1所示。
2.1 咨询子系统
在咨询过程中,MYG根据消费者的一般情况,将用户信息归类到相应的上下文中,所得到的结果以分层树的形式组织数据结构,如图2所示。
每组上下文类型都由一组购物参数描述,例如描述Consumer上下文的参数称为CSM,其中包括Name、Age、Sex、Salary等,描述Goods上下文的参数称为GSM,包括Brand、Number、Size、Weight、Price等。追踪参数获得参数的值,每一个值都有一个从-1到1的可信度,应用产生式规则把专家知识表示成IFTHEN语句。
2.2 静态数据库
MYG系统的静态数据库用来存放所有产生式规则和所有咨询需要的信息,由若干参数来描述,这个数据库其实就是专家系统的知识库。
1) 规则特性
每个规则都包括四个特性:
PREMISE 规则的前提部分;
ACTION 规则的操作部分;
CATEGORY 规则按上下文分类,每条规则只能用于某几个上下文,以便于调用;
SELFREF 规则是否自我引用,如是则为1,否则为0。
2) 参数
对于每个参数,各存一组属性,以便咨询和解释程序调用。
MEMBEROF 相应参数组名称
VALUTYPE 参数类型
EXPECT 参数取值范围
3) 函数
函数分为三部分,用于规则前提部分、知识表示和用于操作部分。在前提部分,应用许多简单函数求关于消费者的值,建立函数KNOWN()、SAME()、THOUGHTOUT()等,回答真假,判断参数是否已知。在知识表中,利用专门函数建立可被规则前提利用的数据结构,建立GRID()函数,从动态数据库检索可信度最高的值。操作函数根据前提规则计算值进行操作,建立函数CONCLUDE(),把用户数据三元组连同前提可信度存入动态数据库,再计算此操作的可信度。
4) 上下文特性
上下文特性表示数据结构之间的关系,包括这些特性:
ASSOCWITH 父辈节点的上下文类型。每一种上下文只可能是另一种类型上下文的直接后代。
TYPE 某种类型上下文词干
PROPTYPE 参数分类
SUBJECT 用于某类上下文规则的分类表
MAINPROPS 跟踪某种类型上下文的参数表
2.3 动态数据库
每次咨询,动态数据库都要重新建立一次。动态数据库都以对象-属性-值的三元组形式储存,其中,值包括三项内容,值、取此值的可信度、参数被跟踪次数。动态数据库包括消费者即用户数据,动态数据即每次咨询记录,商品数据以及上下文特性。
1) 用户数据库
根据消费者个人统计特征,用户属性包括性别、年龄、行业、收入、偏好、购物经历等信息,建立表1。
2) 商品数据库
消费者在购物过程中最关注的商品信息包括商品名称、品牌、价格、尺寸、重量、功能、材料、生产日期、保质期、售后服务、产地等,建立表2。
3) 随机数据库
随机数据库记录在咨询过程中产生的参数及其得到方式,得到方式包括推理获得、用户回答两种,在回答问题时,要记录回答问题的次序,以进行推理和解释推理。
推理规则1: 单证据模糊推理
消费者在咨询时的提问和操作都有可信度,根据主管概率理论,专家的先验概率P(h)反映专家在不出现证据e的条件下相信假设h的程度为P(h|0),即1-P(h)可认为是在此条件下专家不相信该假设成立的程度。如果P(h|e)大于P(h),说明由于证据e的出现使专家相信h成立的可能性增加了,或者说不相信h成立的可能性减少了。
设MB为可信度增加量,MD为可信度减少量,则
当有几种可能的情况时,为了方便地比较它们的证据的强度,需要可信度把相信和不相信组合成一个数。由于MB和MD的值在0~1之间,所以CF的值在-1~1之间。如果CF大于零,则系统相信成立,反之,则不成立。
推理规则2:多证据模糊推理
如果顾客在咨询时,同时有两个或以上的证据,则推理公式为:
如果肯定地不相信h,则对h的相信程度为零;否则,给定两个观察时对h的相信程度可以是只有一个证据时的相信程度加上由于第二个证据所增加的相信程度。为计算此增加的相信程度首先取可信度与只有第一个证据时的相信程度之差,这个差是第二个观察所能增加的相信程度的最大值。所以要按第二个证据对h的相信程度进行调节。这个公式满足交换律,即计算结果与证据顺序无关。
2.4 结果子系统
MYG系统采用逆向推理过程。在咨询开始时,例示结构树中的根节点,先赋予上下文名称,把这个上下文加入到结构树中,跟踪这类上下文数据表中的参数,如果所有参数值都已获得,则咨询过程结束。
示例规则2 IF 30岁男性顾客欲购买笔记本,年收入3万左右,公务员
THEN 寻找价位在3000元左右,品质较好,配置适中笔记本
ELSE 推荐上网本
在这个过程中,数据结构可能为:
为了尽快找到可推荐商品,采用启发式搜索算法,寻找由推理规则得到的可信度最高节点。设OPEN为数据结构表,s、n、m为节点,i、j、k为节点序号,函数F()=CF()、G()=MB()、H()=MD()为可信度函数,F()=G()-H(),则:
在推荐显示结果中,按TOPN序列模式排列,将可信度最高的商品排列在最前,依次次之,让消费者自行选择。
3 结束语
专家系统技术引入到电子商务个性化推荐技术中,采用启发式搜索提高推荐速率,提高了商品成交量。由于专家系统需要应用人工智能技术,可能包含不同于本文的模块,各模块的实现方法也存在多样性,在这些方面可以开展进一步研究。
摘要：本文将专家系统技术引入到电子商务个性化推荐技术中,给出了系统搭建需要的模块,包括咨询子系统、静态数据库和动态数据库,指出一种可行的推荐规则及算法。
关键词：电子商务,个性化推荐,专家系统
参考文献
[1]赵永梅,基于用户浏览路径的协同过滤推荐技术研究[D],西安建筑科技大学,2008.6.
[2]J.Ben Schafer,Joseph Konstan,John Riedl,RecommenderSystems in E-Commerce,In ACM.
电子商务推荐系统 第10篇
1 专家系统的主要内容
专家系统指的是一种专用的智能计算机程序系统, 其内部含有大量的某一领域的专家水平的知识与经验, 能够通过对这种经验的分析和应用有效的解决这一领域中出现的诸多问题。事实上, 专家系统的组成结构与电子商务个性化推荐系统的组成结构是较为相似的, 其二者都共同存在输入模块、数据收集以及分析处理模块和最终的输出模块等等, 在电子商务个性化推荐系统中添加关于专家系统的智能程序, 能够有效的提升电子商务个性化推荐系统中的智能型, 使其能够更加充分的面对客户在电子商务交易行为中的种种决策并提供相应的信息帮助。
2 基于专家系统的电子商务个性化推荐系统的主要组成
正如上文所述, 专家系统的强大之处在于其可以利用某一领域的专家知识, 模拟专家决策时候的决策方式以及相应的推理和判断方式来解决某一领域中出现的诸多问题。在电子商务个性化推荐系统中应用专家系统这一程序, 首先应该确定专家系统的主要领域以及相关的信息知识内容。具体来讲, 电子商务个性化推荐系统中专家系统应该包含的领域和知识内容应该包括消费领域以及心理领域等等, 其具体的知识内容应该包括电子商务客户的行为需求特征分析、电子商务客户的行为适宜行为需求特征分析、电子商务客户的决策行为需求特征分析等等, 而专家系统在电子商务个性化推荐系统中的主要应用流程应该包括消费者描述自身的需求、专家系统分析适合消费者的需求、专家系统提取相应的产品信息满足消费者的需求以及专家系统在最后的过程中对于产品的优点介绍和竞争优势介绍等等, 为消费者的最终决策提供信息帮助。
根据上述分析, 基于专家系统的电子商务个性化推荐系统的主要结构应该包含专家系统的核心规则数据库 (静态数据库) 和电子商务网站的商品数据库以及客户数据库 (动态数据库) , 同时使用咨询子系统、规则子系统以及结果子系统来实现专家系统核心规则数据库以及电子商务网站动态数据库之间的有效衔接和运用。
2.1 专家系统核心规则数据库
逻辑上个性化推荐系统的静态数据库可以使用专家系统的核心规则数据库作为程序建立的核心内容, 用来存放专家系统运行的领域知识结构以及内容, 并设置相应的辅助参数保证专家系统核心规则数据库的良好运行。
2.1.1 规则特性
每一个规则包括四个特性, 例如PREMISE规则的前提部分、ACTION规则的操作部分等等, 同时注意CATEGORY规则按照上下文分类, 每条规则只能用于某几个上下文, 以便调用;
2.1.2 设置参数
每个设置参数应该各自存储一组属性, 用来咨询以及程序调用, 同时规定好每一个参数的参数组名称、参数取值范围、参数的类型结构。
2.2 动态数据库
电子商务网站的用户数据库以及产品数据库都隶属于动态数据库的存储范围, 每一次客户登录或者登出的过程中, 电子商务网站的动态数据库都会随之实时更新一次, 添加相应的动态数据内容。动态数据库对数据的主要存储方式是根据相关对象、相关对象的具体属性以及相关对象的具体参数数值 (对象可信度、对象参数、对象跟踪次数) 来确定对该对象的信息存储、追踪和使用过程。
2.2.1 电子商务用户数据库
电子商务用户数据库的存储信息主要是商务网站浏览和登录登出过程中各个用户的主要信息, 包括用户的性别、年龄、职位、爱好、收藏、收入、购物经历以及其他相关信息等等。
2.2.2 电子商务商品数据库
电子商务商品数据库的存储信息主要是诸多网站商户的产品细细, 包括产品的名称、品牌、价格、尺寸、重量、功能、材料、生产日期、保质期、售后服务以及其他相关的产品信息等等。
2.3 资讯子系统
资讯子系统的主要功能是根据客户在电子商务网站上的登录、访问、收藏、购物等一系列信息对网站的客户数据库提供对客户的定位信息, 更好的做好客户个性化产品的推荐工作, 同时有效的满足客户产品咨询的功能。
2.4 规则子系统
规则子系统的主要功能是专家系统的核心规则内容, 专家智能系统能够凭借自身的核心规则以及规则子系统的有效连接来实现客户的产品推荐工作。
2.5 结果子系统
结果子系统的主要功能是记录客户浏览、咨询以及最终购买的过程, 为客户的可信度数值提供相应的资讯信息, 并记录下客户本次的操作内容, 为客户的下次购买提供信息支持。
3 结语
综上所述, 本文对基于专家系统的电子商务个性化推荐系统的主要组成结构以及相关功能进行了分析, 电子商务网站在应用专家系统的过程中仍然需要注意对专家系统智能模块以及网站个性化推荐模块两者之间的有效连接和应用, 使专家系统能够有效的融入在电子商务个性化推荐系统中并发挥功用。
参考文献
探讨网络营销的推荐系统及检索系统 第11篇
【关键词】信息检索系统；推荐系统；网络营销；网上销售
眼下越来越多的商家为了节约营销成本和库存成本，利用相关的信息技术选择在上进行销售，顾客也能得到更广泛的商品选择。传统意义上的店铺由于店面空间有限，不能与网络店面的商品数量相比。如一家实体书店与当当网比较，大型书店一年的营业额约在1200万元，除去租金、税收、水电、人力等成本，最后可能还会有亏损。根据一组数据调查显示：2009年当当网新增用户超过1000万，每日处理订单超过10万单，每日快递商品数达30～40万件，占到了整个图书市场份额的10%左右。另外，网络提供的在线阅读及免费下载等方式，也进一步分流了实体书店的顾客，这种发展趋势不仅对数字化产品有着重要的意义，而且对有形产品也同样适用。
如何借助于检索和推荐系统，让顾客在众多的商品品种中，准确地找到自己所需要的商品是网络营销亟需解决的问题。因此，对于网络营销来说，检索和推荐系统是非常重要的。所谓检索系统是顾客按照目标商品的关键词搜索商品，而推荐系统就是根据个人喜好，依据相关数据计算后向顾客推荐商品。网上店铺可以选择搜索系统，依靠搜索成本较低的优势增加销售，增长利润；也可以用推荐系统，在热销产品被顾客抢购的同时，带动利基产品的销售，边际收益较低的产品销量增加，同样也是利润的增加。本文就信息检索系统和个性化推荐系统对网上销售带来的影响进行了讨论。
一、检索系统及推荐系统的概述
1．检索系统概述。检索系统在为顾客获得需求信息带来方便的同时也能降低商品的搜索成本，热门的商品总是能被轻易搜到并且得到很多选择对象，各种排行榜和推荐系统也大大降低了热门商品的搜索成本，但相比起来，利基产品的降幅更加明显。在饱和市场中顾客和利基商品的获利，大于不饱和市场中，各种商品及商品的供需双方利用检索系统获得的利益。所以，商品所在市场的状态不同，由搜索成本的降低所带来的盈利程度也不同，商品提供商在从事网上销售时，要对商品特征、商品市场状态以及商品品种的规模等进行认真分析，正确利用相应的信息检索技术，在满足消费者需求和降低顾客搜索成本的同时来获利。
2．推荐系统概述。推荐系统就是根据顾客个人的喜好、历史浏览商品的习惯向其推荐商品的程序。顾客习惯于借助搜索引擎来寻找目标商品，情况大多分为两种：一是顾客用了一大堆的关键字词来搜索自己的需要，结果由于搜索系统的过分排除，仅提供极少符合的商品或无任何检索结果；二是顾客用很少的关键字来描述自己的需要，结果不得不在罗列出来的范围很广的一长串列表中逐个查找。所以，需要构建一个推荐系统能揣摩顾客的心意，记录顾客所喜欢的，然后自动为顾客筛选出与喜欢目标相匹配的商品，过滤掉那些顾客无意向选择的商品。推荐系统的目的就是分析顾客的消费偏好，进而在帮助顾客选择商品的同时提高顾客购买过程的满意度。因此，如何做到在庞大的商品目录中针对性地推荐商品，选择性地排出顾客需要的商品是推荐系统的关键。
二、系统对网络销售的影响
在当今市场环境下，传统的销售模式极大地限制了销售行业的整体发展，销售模式的网络化发展必将会对传统销售行业的销售渠道产生重大影响。眼下各类电子商务网站与用户数目不断增加，通过各类电子商务网站销售的商品种类，只有想不到的，没有卖不了的，并且每日浏览这些电子商务网站的用户所投入的时间也逐渐增多。各类电子商务网站通过分享、转载、邀请、邮件等形式的广告手段，也使得浏览群逐渐扩大。如何将更多的潜在用户从浏览者变为购买者，并确保自己可以提供足够多种类的商品促使他们留下来，让用户面对众多选择的同时准确挑选出自己所需，成为电子商务网站在进行客户关系管理中遇到的挑战，也是在适应新的竞争环境中成败的关键。
传统的销售模式中，顾客为了获得商品较全面的信息，会花费较多的时间和精力在不同的商店中进行比较。而网络销售的最大优势在于可以异地经济地获得海量信息进行商品选择，从而节约了时间成本。假设一个北京游客到桂林旅游，想要购买桂林特产送给亲友，可直接在网上交付成功后由实体店直接下单给当地物流公司，既省去了游客挑选商品时间，也无需自行带给亲友，节约了精力。网上销售具有传播范围广、无时间地域限制、速度快、双向交流等优势，商家还可以提供更多的商品品种，既满足了不同的购买需求，减少了库存成本，也大大减少了购买者的搜索成本。
一般的搜索系统，就是顾客输入一个或若干个关键字，然后计算出与关键字具有高相似度的其它关键字，再根据相关度由大到小的顺序罗列出商品供顾客选择。如果某个顾客多次购买一种商品，那么他可能会对这个商品的同类商品持续关注。这种从商品内在特点来推荐目标的方法包含很广，这个特点可以是商品本身的名称，也可以是它的属性，如类别、出厂厂家、适合赠送的年龄段等信息。检索系统不能随意性太大，需要略去一些辅助性的词汇，提取出关键字，然后根据各关键字出现的频率来查找相关程度，因为名字的相关性很难保证其内容的相关性。为了使用户搜索的结果更准确，检索系统还可以与搜索提示、搜索推荐等附加功能相结合。
三、推荐系统对网络销售的影响
有时顾客很难借助于搜索引擎用几个简短的关键字来描述自己的需要，结果不得不在罗列出来的范围很广的一长串列表中逐个查找或者得不到任何搜索结果。利用推荐系统分析顾客的消费偏好，然后借助于畅销排行榜、口碑和广告等营销手段向每个顾客具有针对性地推荐产品，不仅帮助顾客从庞大的商品目录中挑选出自己所需，也提高了顾客对商务活动的满意度，换来对商务网站的进一步支持。一般说来，推荐系统在电子商务活动中的作用可以归纳为以下几点：
1．帮助顾客检索有用信息。对于只是四处看看，购物目标不明确或者没有购买欲的顾客，是很难有耐心在众多商品中逐项查找有没有感兴趣的商品。而推荐系统通过针对性的推荐，更大可能性地可以将一个浏览者变为购买者。
2．促进销售。当顾客结账时，根据购物车中已有的商品进行同类型商品推荐，可以促进交叉销售和向上销售，也可能提供给消费者正追求的更好的商品。还可采用的促销方式有：捆绑销售、限时折价、包邮等。
3．个性化的服务。个性化服务是根据顾客的兴趣、习惯、购买历史，或者顾客之间的关联性等动态化地为顾客定制个性化推荐，向顾客推荐商品。
4．提高客户忠诚度。顾客觉得自己的消费倾向越多地被了解，使用推荐系统也就越频繁。适合顾客需要的推荐系统才能将更多的顾客吸引到自己的网站。另一个必不可少的就是在线客服，在线客服除了能帮助顾客解疑商品上的问题外，还包括售后问题，物流问题及其它帮助。保持与顾客之间的随时沟通，并且让顾客对所选商品有着详细的了解是网络销售成功的关键。
四、结论
推荐结果要有准确性，总是向顾客推荐其不感兴趣的商品只会导致顾客觉得无趣而转向其他网站，并且推荐范围应尽可能大地覆盖顾客实际的兴趣范围。最简单的一种方法就是根据统计数据，如销量排行、收藏数量等，以店主推荐的排名形式时常更新，或定期推出专题，汇集一系列围绕某主题的商品放在网页的醒目位置。尽可能让顾客关注那些销售形势非常好的商品对于新来的访问者相当有效。既能体现有不少顾客在本网站购买商品并持续关注，又能给新顾客一个参考方向。
另外，购买者在购买商品后对商品的正面评价，也能增强其他对此商品有购买欲的顾客的购买信心。在饱和市场中，如果所销售的商品是垄断产品，消费者由于财力、时间或需求等限制，就会转向替代商品。所以，信息查询系统不方便不会带来消费增长，而是更多的替代商品销量增加。在未饱和的市场中，顾客可以将检索和推荐系统相结合，更容易发现自己所需，进而出现替代效应；另一方面由于搜索成本的降低，顾客可以找到更多的购买目标从而导致消费的增加。另外，方便、智能的查询和推荐系统，会使那些“冷门”商品容易被发现。
除了前面提到的“人工式推荐系统”，还有一种比较复杂的“自助式推荐系统”。如果具备一定的技术和资金支持，可考虑设计一种针对每一顾客的个性化推荐系统。充分地考虑每位顾客的兴趣爱好，或者在顾客的购买历史或搜索信息中动态地产生推荐结果。而顾客在搜索的同时，自助式推荐系统又能毫不冲突地推荐更多类似商品，甚至有所扩展，系统能综合多种推荐方法，互补长短。另外，协作筛选也是一种不错的方法。兴趣相近的顾客可能会对同样的东西感兴趣。所以，分析出具有相同喜好和相同浏览历史的顾客，就可根据相似顾客的意见来向其进行推荐。只需将"浏览了该商品的顾客还浏览过以下商品"的版块放置在顾客正在浏览的商品页面的最下方即可。另一种可能的出发点是，可以根据顾客对各种商品的评价来判断商品之间的相似程度，然后推荐与顾客兴趣最接近的那些商品。例如在主页面添加"您最近浏览过的商品“以及”您还可能喜欢同类型的商品"两个版块，进行顾客喜好的深度挖掘。
参 考 文 献
[1] 周惠虹，柳益君，张尉青，谢俊元.推荐技术在电子商务中的运用综述[J].计算机应用研究，2004（1）：8-12.
[2] 岳讯.基于矩阵聚类的电子商务网站个性化推荐系统[J].小型微型计算机系统，2003（11）：1922～1926
电子商务推荐系统 第12篇
电子商务交易额的不断攀升,对电子商务技术及实体的物流运作都提出了更高的要求,尤其是物流,成为制约电子商务发展的关键瓶颈。具体表现在:(1)电子商务情况下,物流如何保证网上交易的商品尽快到达客户手中;(2)交易的双方如何选择物流的运作模式;(3)如何以较低的成本并在较短时间内完成物流的运作[2]。
电子商务物流就是在电子商务条件下,依靠计算机技术、互联网技术、电子商务技术以及信息技术等所进行的物流活动[2]。
1 电子商务物流的运作模式
任何一个完整的电子商务的运作过程,都包含商流、信息流、资金流与物流四个环节。网上进行的是虚拟的商流、信息流、资金流的运作,而网下的实体物流配送体系的建立和完善,是电子商务物流发展必须解决的课题。
网下物流配送体系可以有以下几种组建模式:
(1)企业自营物流
电子商务与传统商务活动共用一套物流系统。已经开展普通商务的公司,可以建立基于互联网的电子商务销售系统,同时可以利用原有的物流资源,承担电子商务的物流业务。企业具有较大的控制权,运作非常灵活,但由于购置物流资源需要付出成本,给企业增加了负担。
(2)组建物流联盟
开展电子商务的企业与专业物流公司建立合作联盟,依托专业物流公司的资源,开展物流配送服务,降低了风险和成本。但联盟企业之间的互信关系、物流服务的价格谈判及物流信息共享方面,可能存在一定的风险。
(3)第三方物流公司
第三方物流企业建立电子商务系统。区域性或全球性的第三方物流企业具有物流网络上的优势,它们沿着主营业务向供应链的上游或下游延伸,向上延伸到制造业,向下延伸到销售业。
上述三种运作方式各有优、缺点和适应性,从事电子商务的企业一定要根据自身的实际情况、业务性质、作业要求进行认真分析,并做出慎重的选择,选择的主要依据是保证既定服务水平的前提下,更低更经济的服务成本。
作为亚太最大的网络零售商圈,淘宝的实体物流属于淘宝与民营物流公司所组建的物流联盟,是当前我国电子商务物流的主流运作模式。
2 淘宝的推荐物流
淘宝物流以国内物流为主,本身没有下属的快递公司,采取的是推荐物流的服务方式。物流公司在进入淘宝的推荐物流之前,要与淘宝签订相关协议,约定服务价格、内容和方式,以及非常优惠的赔付条款,并规定由淘宝监控和督促物流公司对于投诉和索赔的处理。
淘宝推荐物流的具体做法:淘宝网汇总所有合作物流公司的服务政策、运输费用、客服热线等信息,供客户自行比较选择,通过在线下单获取相应物流服务。在这一过程中,淘宝仅提供信息平台和服务,不是推荐物流服务的提供方,不对物流服务商的服务提供任何服务担保或承担任何连带责任,但对于未得到妥善解决的客户投诉,淘宝负有督促物流公司予以解决的义务。
使用推荐物流既规范了物流公司的服务,同时也使买家物流的选择更加方便快捷,通过网上直连物流公司,真正实现网上操作。但是,由于与淘宝合作的物流公司多为民营企业,这些公司在提供运单跟踪信息服务方面明显滞后,或者是不能即时查询到货物当前到达的地点,或者是不能按照约定的时间及时的将货物送达给收货人。这都将使收货人无法知晓自己所购买的货物当前所处的位置,造成收货人的不便。
同时,如服饰、鞋帽等规格商品,由于不同的购买人所需要的尺码不一,淘宝卖家的客服有时不能做出很好的描述,导致所购买的商品或者不符合客户自身的穿着要求,或者货物本身有质量问题,都将出现退换货情况。对于退换货问题,淘宝不承担任何的物流服务,而需要客户自行联系物流公司并以散货形式回寄,这将大大增加客户的沟通成本和邮寄费用,给客户带来经济损失,一定程度上也打击了客户网络购物的积极性。
如果能够改善运单跟踪信息服务和散户退换货服务等,就能更好地增强客户网络购物的信心,从而有助于电子商务的长远发展。笔者主要从以下几个方面展开,对我国电子商务物流的发展进行了思考。
3 对我国电子商务物流发展的思考
(1)基于互联网的“散户退换货服务平台”的建立
所谓“散户退换货服务平台”,即是指零散的买家通过淘宝统一的退换货平台实现商品的退换货服务。
在淘宝推荐物流方式下,如果买家需要退换所购商品,只能自行联系快递公司。而快递公司的联系方式有时不易得到,常造成买家退换货的困扰。如果淘宝建立一个统一的“散户退换货服务平台”,那么需要退换货的买家就可以在该平台上在线填写退换货单,淘宝可以集中汇总各散户的退换货单,统一合理的安排收货人员上门收货。这样,退换货服务就由散户的盲目联系快递公司,变成淘宝统一组织快递公司服务,结果是优化了退换货服务水平,提高了买家的购物满意度,进而可以增加买家网上购物的热情,给商家带来巨大的市场盈利机会。
(2)基于互联网的“统筹运费平台”的建立
所谓“统筹运费平台”,即是将多次采购的物流运费统筹到一起,按照商品总重量一次计费。
淘宝网作为亚洲最大、最安全的网上交易平台,无疑给顾客提供了非常方便而愉快的购物体验。但目前,淘宝只是做线上平台,商户的仓储都是分开进行的。由于分散下单,分散配送,客户面临支付多次运费的艰难境地。如果淘宝能够将成千上万的小商家的货源集中到淘宝的大仓库进行集中管理、运作,建立一种“分散下单、集中发货”的“统筹运费”模式,则于商家于客户都是有利的。举例说明,如果买家同时在不同的卖家处下订单分别购买化妆品、玩具和服饰,尽管商品目标邮寄地址是一致的,而且总重量不一定超过一次运费所规定的重量,由于商品处于不同的发货地点,买家还是要支付多次运费。这种分散下单,分散发货的方式增加了顾客所购商品的物流成本。如果让买家分别向不同的卖家下订单,而卖家依托淘宝的“统筹运费平台”集中收取运费,再由统一的配货点将货物统一包装,统一发货。这样,不仅节约了买家的购物成本,卖家也节约了包装费用,实属一举两得。
(3)基于互联网的“运输管理实时查询平台”的建立及监督执行
所谓“运输管理实时查询平台”是指收货人能够实时查寻到自己所购物品的当前状态。
淘宝的推荐物流运作模式下,有部分民营物流公司可以保证收货人通过网站查询货物状态,但多数物流公司并不能这么做。或者所查询订单信息根本不存在,或者无法打开订单信息的网页,或者信息非常滞后。要改善此种局面,笔者认为:
首先,应该规范“运输管理实时查询平台”的构建方式。如需要在运输工具上加装GPS,用于获取运输工具当前的地理位置;运送人应该采用无线上网方式,将运输工具的地理位置和运输过程信息实时地传送到物流承运公司的运输管理信息系统中。同时物流承运公司利用路由器,将自己的运输管理信息系统连接到互联网骨干网中,供收货人实时查询。
其次,国家有关行政部门应该有一些相应的规章制度,强制那些未能够提供运输状态实时查询的物流公司必须建立“运输管理实式查询平台”,否则予以惩处。
如此操作,不仅可以最大限度地快速整合运输信息,有效降低空驶率,实现运输过程的有效监控和调度,还可以极大地提升服务水平,满足客户的需要。
4 总结
淘宝的推荐物流,让我国电子商务物流的发展上了一个新的台阶。如果能够建立“散户退换货服务平台”和“统筹运费平台”,并积极强制落实“运输管理实时查询平台”,那么我国电子商务物流的发展必将进入一个全新的阶段。
参考文献
[1]中国电子商务研究中心.2011中国电子商务市场数据监测报告[EB/OL].(2011-10-15)[2012-02-05].http://www.docin.com/p-307754047.html,10.
[2]魏修建.电子商务物流发展[M].重庆:重庆大学出版社,2008.
[3]张海霞,李忠芹.从淘宝物流看我国当前电子商务的物流形态[J].中国商贸,2010(16):119.
[4]史瑛.淘宝物流C2C物流配送模式的几点思考[J].中国商贸,2010(16):135-136.
电子商务推荐系统
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
