模糊查詢在電子商務數據庫查詢中的應用

何 浩，董麗麗

（西安建筑科技大學 信息與控制工程學院，陜西 西安710055）

隨著互聯網的蓬勃發展，電子商務已經不是一個抽象的概念。電子商務已經越來越多地被應用于企業的信息化規范中。 許多純粹的電子商務公司，如Amazon、EBay、New egg，國內的taobao.com、bug360.com等之間的競爭也是愈演愈烈。作為一個電子商務公司，如何把客戶留在網站上瀏覽商品是一個關鍵策略。現在的前臺網站中，不僅為用戶提供優秀的用戶體驗，同時也為用戶提供了強大的搜索功能，以便用戶對網站內容進行檢索。但是，對于一個商品，或者服務非常繁雜的電子商務網站來講，為用戶提供一個明確的需求導向始終是一個困擾的問題。對于用戶來講，登陸一家電子商務網站，如何檢索到自己需要的商品或服務，也是一個困惑。比如，用戶想在新蛋（www.newegg.com.cn）網站上購買性價比比較高的手機，需要進行很多搜索與比較后，才能確定哪些手機的性價比較高。如果網站能夠接受一個像“性價比高的手機”這樣的關鍵詞搜索，那么無疑就為用戶提供了一個非常便捷，友好的搜索體驗。對于電子商務公司來講，提供這樣人性化的搜索，也會讓自己在競爭異常激烈的市場中處于領先地位。因此，需要一種服務或功能，將這種不確定的關鍵詞搜索引入到現有的關系型數據庫中（考慮到現在大部分電子商務公司普遍使用關系型數據庫），使之在現有模式上支持模糊搜索。提供這樣一個模糊查詢的功能，會使得電子商務網站具有更加優秀的用戶體驗以便留住更多的用戶。根據美國電子商務周刊報道，“當一個用戶在一個網站停留超過15 s以上時，就有95%的概率消費了”[1]，從而在競爭激烈的電子商務市場中，贏得先機。本文將模糊理論引入現有的關系型數據庫，并以如何使用價格）來檢索需要的商品為例，研究其可行性。

1 模糊查詢的基本概念

模糊邏輯理論為關系型數據庫實現模糊查詢提供重要的理論依據，以下部分引入在模糊理論中本文所涉及到的重要概念:

定義1 集合：具有某種特定性質的，確定的，可以區分的對象的總合。

定義2 論域：在研究范圍內，研究對象的全體稱為論域。在本文中，論域使用大寫字母U來表示。在本文中研究的對象是商品的價格，即U={價格}。

定義3 模糊集合：設U是論域，對任意對論域中任意元素x∈U， x常以某個程度 U（∈[0，1]）屬于模糊集 A，而非 x∈A或 x?A。

定義4 隸屬函數：設在論域U上給定了一個映射 u∶U→[0，1]，則 u 定義了 U 上的一個模糊子集，記為 A， F（u）稱為A的隸屬函數，記為Ua（或稱為u對A的隸屬度）。對于任意元素u∈U，Ua（u）的值稱為元素u對于模糊集合A的隸屬度，它表示u屬于A的程度。當Ua（u）=1時，u是A的元素，Ua（u）=0 時，u 不是 A 的元素。 Ua（u）的值越接近于 1，u 屬于A的程度就越大。顯然，特征函數是隸屬函數的特殊情況，普通集合可以看為模糊集合的極端情況。

定義5 可信度：反映用戶對查詢的模糊數據的期待的準確率。

2 以商品價格查詢實現模糊查詢

現以對商品價格實現模糊查詢為用例，假定用戶需要查詢“價格較高的手機”為需求逐步構建模糊查詢。

1）確定論域 以商品的價格為研究論域。假設商品表的信息存儲在Product_Master表當中，其中Price表示商品價格，type=0表示為手機，則可以使用下列查詢來確定手機的最高和最低價格：

SELECT MAX（Price），MIN（Price）FROM Products Where type=0；

這樣就得到一個手機最高價格和最低價格的上下區間，以此區間作為隸屬函數的查詢論域。假設查詢到的結果為最高價格6 560元，最低價格235元，即所得的論域為U=［235，6 560］，以此論域確定模糊集和構建用戶調查表。

2）構造模糊集并存儲在新的表中 要查詢“價格較高的手機”，需構造如下模糊集 F（U）={“價格比較高”}的模糊集。考慮到用戶在網站前臺不一定會嚴格按照事先定義好的模糊集進行搜索，需要在前臺做Ajax異步操作提示，引導用戶使用定義好的模糊查詢關鍵詞進行查詢。比如用戶在關鍵詞搜索欄中輸入“性價比”，那就需要異步的查詢模糊集數據字典，然后自動補全用戶輸入的模糊關鍵詞，從而引導用戶使用模糊集合中的關鍵詞來進行模糊查詢。

新建立字典Product_FuzzykeyWord，該字典用來存儲模糊集合的關鍵字以及期望的可信度。根據模糊集合的數目以及所包含的元素多少可以對該字典進行拓展以實現更多類別的模糊查詢。

3）根據論域和模糊集合建立調查表 根據研究的論域U=[235，6 560]和模糊集 F（U），定義一個調查表來統計客戶認為“價格比較高”的手機價格區間，該區間應該是所研究論域的一個子集。

考慮到現有的電子商務網站在用戶消費后通常都會有一個商品的評價機制，因此很容易就能夠獲得該調查表。拓展保存商品評價數據的字典，使之能夠存儲商品價格較貴的價格區間值。如果需要實現更多范圍的模糊查詢，可以建立新的調查表字典，以實現更好的性能。

假設調查表數據存儲在Product_Reviews字典中，這里取調查表的前30條記錄，用于進行模糊分析：

SELECT TOP 30 Product_id，Exp_Price_Min，Exp_Price_Max FROM Product_Reviews

ORDER BY Exp_Price_Min

以下是輸出結果，如表1所示。

表1 “價格較貴的手機”反饋信息表Tab.1 Feedback form of mobile phone with higher prices /元

4）根據結果建立頻數分布圖 根據表1可以分析出手機價格上區間為3 000元，下區間為1 500元，即U=[1 500，3 000]，為使每個價格點均落在頻數分布圖上，建立以1 450元為起點，3 050元為終點，100為間距的價格區間，形成價格分組，然后求出每個分組區間的價格點個數，作為頻數，然后用頻數除以信息表總條數得到相對頻數，得到結果如表2所示。

5）根據頻數分布圖建立直方圖 根據表2繪出直方圖，根據直方圖便可得出隸屬函數的曲線，如圖1所示。

根據隸屬函數的直方圖確定元組的隸屬函數。例如判斷價格1 500元手機屬于“價格較貴的手機”的隸屬度，查詢直方圖，有 A（μ=1 500）≈40%，表示價格1 500元的手機對于“價格較貴的手機”的可信度為40%，同理價格為2 500元的手機對于其可信度為100%。

表2 “價格較貴的手機”頻數分布表Tab.2 Frequency distribution form of mobile phone with higher prices /個

圖1 “價格較貴的手機”隸屬函數直方圖Fig.1 Membership function histogram of mobile phone with higher prices

3 模糊查詢的結果數量及準確度調整

由隸屬函數的建立過程可以看出，抽取的調查表數目越多，隸屬函數越精確。因此，隨著用戶對商品價格的評價積累逐漸增多，隸屬函數將會變得越來越客觀，即逐漸減少人為的主觀因素。以下通過2種方式介紹如何調整查詢結果的準確度和精度。

3.1 通過調整可信度來調整查詢結果數量

通過圖1可以看出隸屬度越高，則返回的結果越少，返回的結果越精確，反之亦然。因此可以通過或調整隸屬函數的可信度來達到控制模糊查詢的結果準確度及精度。例如對于模糊集F（U）={“價格比較高”}，需要模糊查詢可信度高于50%數據，則只有價格在1 900～2 900區間的手機能夠作為結果集返回。同理，在可信度等于100%的情況下，只有2 500價位的手機能夠作為結果集返回。這樣的調整，優點是能夠宏觀控制，且簡單直接有效。

3.2 通過調整隸屬函數參數控制查詢結果的準確度和精度

當直方圖確立以后，隸屬函數為可知。在這里以指數函數為例引入σ（σ>0）參數來調整模糊查詢范圍。使用E（y，a）來表示y隸屬于a模糊范圍的程度，y表示手機的價格，a表示y隸屬模糊范圍對應的期望值。

在參數σ下的表達式為：

例如，判定為價格2 500元的手機是否屬于較貴的模糊查詢，可以表示為：

先假設將 σ=10，y=3 000 帶入式（2）中，計算得 0.512 3，即表示價格3 000元的手機相對于“價格較高的手機”的可信度為51%。

可以看出價格3 000元屬于“價格較貴的手機”的可信度還是較高的。但是有些情況下，則希望通過策略來對模糊查詢作細微調整，使之能夠出現或不出現或略微調整其可信度，通過略微調整σ參數，就能夠實現這一目標。

現取 σ=20，y=3 000 帶入式（1）中，有：

通過調整需模糊查詢的可信度，便可將該結果從返回結果中過濾掉。

由上分析，能夠看出，在以指數函數為模糊函數的調整模型中，σ越大，可信度就越小；反之亦然。因此可以通過選擇合適的σ參數，來調整返回結果的可信度。相對于前一種方法，優點是調整粒度更加細微，缺點是稍顯復雜，需要不斷嘗試最優的σ參數。

3.3 通過調整隸屬函數直方圖控制查詢結果的準確度和精度

綜上所述，電子商務企業可以采取上述幾種方式對模糊查詢結果的數量及準確度進行控制，制定靈活多樣的策略來配合自己的業務模式及需求。

4 模糊查詢執行步驟以及結果及性能分析

4.1 模糊查詢的流程

用戶在電子商務網站查詢入口，輸入查詢關鍵字，系統判定是否能夠命中模糊關鍵詞，如前所述可以使用異步提示與自動補全的形式，使模糊查詢的關鍵詞盡可能命中，以引導用戶進行模糊查詢。根據該模糊關鍵詞，得到一個可信度，使用該隸屬度去匹配調查表Product_Reviews，判定是否滿足該可信度，將結果滿足該可信度的數據返回，輸出給用戶，詳細步驟如圖2所示。

圖2 模糊查詢執行流程圖Fig.2 Flow chart of fuzzy query implementation

4.2 性能分析

運行該查詢的計算機配置為Inter Xeon 4核×2，2.8 GHz，6 GB ECC Memory， Windows Server2008， SQL Server2008，數據庫為New egg測試數據庫，Products表26萬元組，Reviews表300萬元組。為了測試模糊查詢的執行效率，先使用模糊查詢得到輸出元組，再使用普通查詢返回相同記錄數元組，普通查詢使用簡單條件，以避免CPU及IO對測試的影響。測試次數為100次，返回元組從100條逐次增多，最多至10 000條。實驗結果見圖3。

圖3 性能分析圖Fig.3 Chart of performance analysis

實驗表明，隨著返回元組的增加，模糊查詢與普通查詢執行時間差距逐漸縮小，最后至忽略不計，同時也表明，在模糊查詢設計合理的前提下，系統性能影響微乎其微。

5 結束語

本文將模糊理論引入現有的電子商務關系型數據庫數據查詢中，使之支持模糊查詢，并提出了使用σ參數來控制模糊查詢的準確度，這在電子商務領域是一個大膽的嘗試和創新。本文以模糊查詢手機價格為例，探討其可行性。通過收集用戶對商品價格的評價，不斷修正隸屬函數中的σ參數值，就能實現貼合用戶需求的查詢。實驗模擬的結果表明，將電子商務關系型數據庫轉為支持模糊查詢的數據庫，在性能損失很小的同時，能夠為用戶提供更加符合需求的檢索結果，這種查詢設計增強了電子商務網站的競爭力。但電子商務數據庫系統畢竟是一個非常復雜的數據庫，在構造模糊數據的設計過程中，需要對業務需求進行仔細歸納與整理，并對數據進行分析與匯總，才能建立符合需求的模糊查詢所需要的隸屬函數。同時設計一種能夠收集用戶對查詢結果的反饋模式，并不斷修正模糊查詢的精度也非常重要，最后要注意如何最大限度的避免因為構建模糊查詢系統帶來的耦合影響。以上困難都需要在具體實踐中繼續研究。

[1]Joe M.E-Commerce in China[J].China this week in Consumer Electronics，2007，12（1）:47-48.

[2]Zimmermann H J，Kluwer-Nijhoff.Fuzzy set theory and its applications[D].California：University of California，1985.

[3]Truong K Q，Ishikawa F，Honiden S.Improving accuracy of recommender system by item clustering[D].New York：New York University，2007.

[4]Papamiehail G P.The k-means range a1gorithm forpersona1-ized data clustering in E-commerce[J].European Journal of Operational Researeh，2008，176（1）:1233-1250.

[5]Chen S M，Jong W T.Fuzzy query translation for relational database[J].IEEE transaction on systems Man and cybernetics-part B:Cybernetics，2007，27（3）:714-721.

[6]蔡宏艷，姚佳麗，王珊.DETECTOR:基于關系數據庫通用的在線關鍵詞查詢系統 [J].計算機研究與發展，2007，12（1）:120-124.CAI Hong-yan， YAO Jia-li， WANG shan.DETECTOR:Base on a relational common database online keyword query system[J].Computer Research&Development， 2007， 12（1）:120-124.