基于社會關系的智能推薦技術在電子商務中的應用研究

2016-07-02 03:41:15青島遠洋船員職業學院吳振濤

中國商論 2016年15期

青島遠洋船員職業學院吳振濤

青島遠洋船員職業學院吳振濤

摘要：隨著電子商務的快速發展，商務信息資源越來越豐富，導致信息過載現象日益嚴重，同時由于電子商務網站中存在虛假信息，導致用戶無法快速、準確、有效地獲得所需信息。本文在電子商務常用的推薦技術中，引入社會關系因素，對協同過濾方法進行優化，提高智能推薦的準確度和可信度。

關鍵詞：電子商務智能推薦社會關系

隨著互聯網技術的發展，消費者的購物方式與以往有了很大的不同，網絡購物已經成為消費者購物的重要渠道。電子商務成為拉動消費需求、促進產業升級和發展現代服務業的重要引擎。隨著電子商務的發展，電子商務網站的增多，商務信息資源越來越豐富，信息資源的豐富在帶來極大便利的同時，也導致信息過載問題日益嚴重，使得用戶很難從紛繁復雜的信息資源中快速、準確、有效地獲取其所需要的，反而降低了信息的使用效率。如何幫助用戶從眾多的電子商務網站中選擇滿足其需要的商品成為了一項重要課題。

1　商品評價對電子商務的影響

電子商務的快速發展，催生了許多追求全品類覆蓋的綜合性平臺、專注于細分市場的垂直型平臺、線下企業的自營網站和其他中小型電子商務網站。這些電子商務網站打破了傳統線下商場通過所處地段、裝修層次等產品以外的因素來影響用戶對品牌和產品價值等級的判斷，取而代之的是在網頁上對商品的展示。電子商務網站針對某類商品為用戶一次性呈現出成百上千種選擇，這種呈現結果趨向于去品牌化和扁平化，將商品本身的功能、參數、細節等因素放在更加突出的位置。

當消費者（目標用戶）通過電子商務網站找到某類商品以后，由于消費者無法像現場交易那樣真實感受到商品，更多的是依賴于以往用戶對商品的評價來做出最終的購買決策。如果以往購買過此商品的用戶基于自身使用產品或享受服務的真實感受給出了積極的評價，那么目標用戶的購買意愿往往會較強；如果以往購買過此商品的用戶給出的是負面評價，那么目標用戶的購買此類商品的意愿就會大大削弱。一項來自顧客體驗咨詢公司eVOC Insights的調查發現，超過85%的用戶在網上研究或購買大件商品如電子產品和汽車，63%的人更傾向到那些提供商品評級和評論功能的網站進行產品研究和購買。

2　電子商務中基于商品評論的智能推薦

協同過濾作為目前應用廣泛且效率較高的一種智能推薦技術，正是基于用戶對商品的評分或其他行為模式來為消費者（目標用戶）提供個性化的推薦，它不需要消費者費力尋找適合自己興趣的推薦信息，而是共享其他相似客戶對哪些商品感興趣的分析。

基于用戶的協同過濾一般采用最近鄰方法來確定具有類似興趣的用戶，利用歷史用戶對商品的評分來計算出用戶之間的距離；然后利用目標用戶的最近鄰居來預測目標用戶對某個商品的感興趣程度，最終實現推薦。

為直觀展現用戶對商品的評價，u代表用戶，i代表商品，rui代表用戶u對商品i的評價。商品評價關系如圖1所示，其中a代表目標用戶對商品的可能評分，b、c、d、e分別代表了已購買商品的用戶對某個商品i的評論rui。

圖1　商品評價關系圖

基于用戶的協同過濾技術主要通過三個步驟來實現用戶對商品的可能評分。

2.1計算相似度

相似度反應了不同用戶對商品感受的類似程度，它直接影響著推薦系統的性能和準確性。計算相似度的方法有很多，本文選用Pearson方法來進行計算，具體如下：

（1）式中，其中rui表示用戶u對商品i的評分，Iuv表示用戶u和用戶v共同評分過的商品集合表示用戶u對商品集合的平均評分，表示用戶v對商品集合的平均評分。

2.2形成鄰居

通過協同過濾方法，為消費者尋找興趣最相似的最近鄰居集合。即對目標用戶a產生一個根據相似度大小排列的最近鄰居集合N｛N1，N2，……Nm｝，其中a不屬于N。

2.3產生推薦

目標用戶a對商品i的可能評分值Pai可以通過用戶a的最近鄰居集中用戶對商品的綜合評價得到（2）式。

通過上述方法預測出目標用戶a對所有未評分商品的評分，然后選擇預測評分Pai最高的前若干項，作為推薦結果反饋給目標用戶。

3　基于社會關系優化智能推薦

雖然以往購買商品的用戶評價深深影響著消費者通過電子商務網站做出購買商品的最終決策，但是在現今各大電子商務網站的商品評價中，充斥著刷單評價、虛假評價和惡意評價等，使得消費者無法很好地區分商品評價的真實性和有效性，同時導致在電子商務中基于商品評論的智能推薦出現比較大的偏差。根據尼爾森公司的調查結果，91%的在線消費者不同程度地信任熟人所推薦的商品。從中可以發現，消費者在通過電子商務網站購買商品時更傾向于相信親人、朋友（或者是朋友的朋友）的推薦。

3.1基于簡單社會關系優化智能推薦

為了區分與傳統推薦方法的不同，提高商品評論的可信度，將消費者（目標用戶）的社會關系作為一個重要因素納入到推薦的過程中。基于消費者社會關系的商品評價關系如圖2所示，其中a代表消費者對商品的可能評分，b、d、e、f除代表用戶外，還分別表示附加了消費者社會關系的商品評論Rui，其中用戶a與用戶c之間不存在社會關系。

圖2　基于社會關系的商品評價關系圖

用戶間的關系用R來表示，若存在關系則R=1，若不存在關系，則R=0。引入消費者社會關系后的某個客戶u對某件商品i的評價表示為：

當將消費者的社會關系引入推薦方法后，部分用戶對商品的評價值為0，為了提高推薦的準確性，調整公式（1）、（2）中對商品i的評分，目標用戶a對商品i的預測評分值Pai也將發生變化。

3.2基于信任度的社會關系優化智能推薦

用戶之間雖然存在社會關系，但是他們之間因為關系的遠近而存在信任程度上的差異。在此引入信任度來量化用戶之間的信任關系以及程度，并根據社會關系中信任的傳導性來確定直接信任度和間接信任度。

3.2.1直接信任度

在用戶的社會關系中，若用戶與用戶直接存在聯系，則兩者之間的有向信任度為用戶間的直接信任度。在圖2中，從節點a到節點b的直接信任度為，從節點b到節點a的直接信任度為

3.2.2間接信任度

在用戶的社會關系中，若用戶與用戶之間雖然不直接聯系，但是社會關系網絡只有一條路徑，那么用戶間的間接信任度為社會關系圖中從起點到終點所有直接信任度的乘積。在圖2中，從節點a到節點f只有一條路徑，那么節點a到節點f的間接信任度為：

在用戶的社會關系中，若用戶與用戶之間存在聯系，而且這種聯系在社會關系網絡中多條路徑，那么用戶間的間接信任度值可以表示為社會關系中從起點到終點所有間接信任度的平均值。在圖2中，從節點a到節點e有三條路徑，分別是a→b→e，a→e，a→c→e，其中a與c之間不存在社會關系。剩余兩條路徑對應的間接信任度分別是，則a→c的最終間接信任度為

在用戶社會關系中引入信任度后，用戶u對某件商品i的評價表示為：