淺析電子商務中關聯推薦算法的應用

葉建龍

（1.隴南師范高等專科學校，甘肅隴南，742500；2.甘肅省高等學校農村電商人才培育重點實驗室，甘肅隴南，742500）

淺析電子商務中關聯推薦算法的應用

葉建龍1，2

（1.隴南師范高等專科學校，甘肅隴南，742500；2.甘肅省高等學校農村電商人才培育重點實驗室，甘肅隴南，742500）

如今這個時代可以稱作大數據時代，任何行業都需要依靠網絡以及數據，其中電子商務更是離不開數據。關聯推薦算法則是電子商務系統中近幾年來常用的數據挖掘方法。本文將了解關聯規則相關概念，探討關聯推薦算法在電子商務中的應用。

關聯規則；關聯推薦算法；電子商務應用

1 關聯規則相關的概念說明

1.1 支持度(Support)

1.2 可信度(Confidence)

1.3 提升度

1.4 利潤約束

利潤約束就是在關聯規則中依據著利潤為量化參數。采用屬性加權的方式，引入利潤這一權重來分析關聯規則。傳統的數據挖掘算法是沒有考慮量化參數這一方面，但根據數據顯示往往會有百分之二十的商品業務帶來百分之八十的利潤，因此利潤約束可以更加準確計算關聯規則。

2 關聯推薦算法的應用

其實關于關聯推薦有一個關于“尿布”和“啤酒”的故事更常被提及。國外家庭父親往往在周末照顧孩子的同時會觀看球賽，而看球賽會選擇喝啤酒。因此國外父親在逛超市時，基本會同時購買啤酒和尿布。超市發現這一現象將尿布與啤酒擺放一起，銷售額也隨之增加。這就是啤酒與尿布之間的關聯規則，如下圖就是尿布，啤酒以及其他商品之間的關聯規則示意圖。

圖2 “尿布”和“啤酒”

關聯推薦其實已經潛移默化的進入我們的生活中了。隨著電子商務行業的發展，關聯推薦算法的應用也逐漸變多。

2.1 數據來源

在電子商務系統中，主要根據用戶購買記錄與愛好顯示，作為數據來對用戶進行關聯推薦。數據來源主要依靠兩個方面一面是產品自身屬性，另一面是用戶信息來源。

2.2 推薦方法

關聯推薦算法中最常用的算法為Apriori算法。下圖（圖3）就為Aprior算法的具體程序圖。

其實我們可以看出Aprior算法主要分為兩步首先需要生成一個項目集，這個項目集需要支持度大于最小支持度的項目集合，被稱作頻繁項目集。接著依靠上述的頻繁項目集生成可信的關聯規則。而此處的可信的關聯規則中的置信度要小于最小置信度。這就是Aprior算法的基本流程。Aprior算法的關鍵問題就是開始的頻繁項目集的生成。它的主要運行環境主要為My eclipse和Windows XP系統及其以上的系統。

其中Aprior算法的優化方法有：（1）基于劃分的方法。此法就是將數據分為集合互不交及的分塊，先單獨考慮單個分塊產生的頻繁集合，再合并成所有的可能的頻集，再計算支持度；（2）還有基于采樣的優化，此法則依靠總的掃描次數小于最大的頻繁項目集的項的數目；（3）動態項集計數也是一種優化方式，這方法就是利用動態評估，可以在任何點上添加。

2.3 方法驗證

對于關聯推薦算法的驗證方法可通過對電商系統的試用來判斷，例如在系統中輸入購買牙刷，出現的推薦建議為牙膏、牙杯等，再依靠數據庫查詢出通常購買牙刷的顧客，還會繼續購買牙膏和牙杯等，就說明關聯規則算法挖掘出來的結果正確，此次算法應用成功。

3 結語

在日常生活中，人們在瀏覽網購網站時購買想要的東西時，總會有其他相關產品推薦出現在視野中。關聯推薦算法在電子商務中的應用說明了數據的重要性。電商系統根據顧客信息來了解顧客推算顧客潛意識中其他購買欲望，為顧客提供更加良好的服務，為電商謀求更多利益。

[1]夏敏捷,朱國華.基于關聯規則挖掘的電子商務個性化推薦系統研究[J].中原工學院學報.2009,20（5）:41-43.

[2]曹毅,賀衛紅.基于內容過濾的電子商務推薦系統研究[J].計算機技術與發展.2009,19(6)：182-185.

圖3 Apriori算法流程圖

Analysis of the application of association recommendation algorithm in E-commerce

Ye Jianlong1,2
(1.Longnan Teachers College，Longnan Gansu,742500；2.Key Laboratory for Rural E-business Personnel Cultivation in Institutions of Higher Learning of Gansu Province,Longnan Gansu,742500)

Today, this era can be called big data era, any industry needs to rely on the network and data,in which e-commerce is inseparable from the data. Association recommendation algorithm is a commonly used data mining method in e-commerce system in recent years. This paper will understand the related concepts of association rules, and discuss the application of association recommendation algorithm in e-commerce.

Association rules；Association recommendation algorithm；Electronic commerce application

關聯規則的基本定義為：設定非空集（例如N={n1,n2,n3,…nm}）為項的集合，再給定一個已知的事務集（交易數據庫）（例如D={d1,d2,d3,…dm}）。其中每一個 d（d=d1,d2,d3…）都是 N 的非空子集（即d屬于N）。每一交易都與唯一標識符TID對應。關聯規則就是像X=>Y這樣，這個蘊涵式中X，Y都屬于開始給定的項的集合N并且X交Y不是空集。

支持度就是指事務集D中有百分之幾（例：S%）的事務支持集X，Y。這S%就為關聯規則里X=>Y的支持度了。具體來說就是指某天有1500名顧客進超市購買商品，其中有150名顧客同時買了牙膏與牙刷，這其中的關聯規則的支持度S%=10%。

可信度是指在事務集D里支持集合X中同時有百分之幾（如C%）也支持集合Y，這C%就是此關聯規則X=>Y的可信度。如上述的實例，1500名顧客去超市購買商品中，一位顧客購買了牙刷之后他在繼續購買牙刷的可能性有多大。如購買了牙刷后的顧客中有50%的人繼續購買了牙膏，就說明這個關聯規則中的可信度為50%。

在關聯規則中，還有一個很重要的數據指標：提升度。提升度可以更進一步的篩選關聯規則。提升度中有一個名詞叫規則提升度（lift）,這個指標就反映這關聯規則的價值。提升度的存在就說明了擁有關聯規則的預測比沒有關聯規則的預測更加準確些。如圖1，規則提升度由支持度等數據計算得出，當lift大于1時，說明在關聯規則X=>Y中X的出現促進了Y的出現；相反的當lift小于1時，就說明X的出現抑制了Y的出現。因此我們可以知道lift越大則越好。

圖1 規則提升度的計算

隴南市科技局項目編號（2016_16）。

葉建龍（1981.11—-），男，漢族，甘肅西和縣人，本科，講師，研究方向：算法，數據挖掘。