基于關聯規則的茶葉電子商務推薦系統設計研究

王雪媛

（內江師范學院，四川內江 641100）

基于關聯規則是一種常見的電子商務推薦技術，是根據茶葉交易歷史數據，挖掘出不同類型商品在銷售過程中的關聯性，形成關聯規則，并據此預測用戶對未購買過的產品的興趣，進而產生推薦結果。

1 關聯規則

關聯規則挖掘也稱購物籃分析，表達了數據項之間的依存性和關聯性[1]。設m個不同的項目集合為I={il，i2，…，im)，每一個事務T是項集的子集，即T?I。關聯規則可以表示為一個蘊含式R:X→Y（X?I，Y?I，X∩Y=?）。關聯規則的支持度support是交易（事物）集中同時包含X、Y的交易數與所有交易數之比，其本質是反映X、Y同時出現的概率，最小支持度是要求項集必須滿足的最小支持閾值，是剪枝的重要依據。支持度大于或等于最小支持度的項集稱為頻繁項集，簡稱頻繁集，反之稱為非頻繁集。置信度表示規則值得信任的程度，confidence(X→Y)=support(X∪Y)/support(X)。最小置信度表示關聯規則的最低可靠性。

事務數據庫中存在著海量的關聯規則。但是，只有強關聯規則才對商家具有決策指導價值。所謂強關聯規則是指既滿足最小支持度又滿足最小置信度。

2 Apriori算法

Apriori算法是一種挖掘關聯規則的頻繁項集算法，是關聯規則的經典算法之一。可分解為兩個處理步驟：（1）根據最小支持度找出所有的頻繁項目集；（2）根據第一步找到的頻繁項集產生所期望的強關聯規則。

3 基于關聯規則的茶葉推薦實例

假定一個購買茶葉事務數據庫 S={S1，S2，S3，S4}，設 δ=50%，則最小支持度MinSup=4*50%=2，其中假定最小置信度Minconf=70%。S1，S2，S3，S4分別購買了熙春茶（BOHEA Tea）、功夫茶 (HYSON Tea)、屯溪茶(TWANKAY Tea)、祁門茶 (K0EEMUN Tea)、茉莉花茶(Jasmine Tea)五種茶葉的情況是{1、0、1、1、0}，{0、1、1、0、1}，{1、1、1、0、1}，{0、1、0、0、1}，其中 1代表曾有購買行為，0表示沒有購買行為。

首先，產生茶葉購買候選集L1，得到各茶葉BOHEA Tea、HYSON Tea、TWANKAY Tea、K0EEMUN Tea、Jasmine Tea 的支持度分別為 2、3、3、1、3。所以，C1={(BOHEA Tea)，(HYSON Tea)，(TWANKAY Tea)，(Jasmine Tea)}，剪掉其中支持度小于 MinSup的項目集，從C1產生L2為{(BOHEA Tea、HYSON Tea:1);(BOHEA Tea 、TWANKAY Tea:2);(BOHEA Tea、Jasmine Tea:1);(HYSON Tea、TWANKAY Tea:2);(HYSON Tea、Jasmine Tea:3);(TWANKAY Tea、Jasmine Tea:2)}，剪掉不符合要求的項目集，則 得 到 的 C2 為:{(BOHEA Tea、TWANKAY Tea:2);(HYSON Tea、TWANKAY Tea:2);(HYSON Tea、Jasmine Tea:3);(TWANKAY Tea、Jasmine Tea:2)}因為(BOHEA Tea、Jasmine Tea)為非頻繁子集。根據Apriori定律，如果一個集合不是頻繁項集，則它的所有超集都不是頻繁項集。所以從C2 產生的 L3 為 {HYSON Tea、TWANKAY Tea、Jasmine Tea:2}，因為直接刪除了 BOHEA Tea、TWANKAY Tea、Jasmine Tea，則得到的 C3 為:{HYSON Tea、TWANKAY Tea、Jasmine Tea:2}，而 L4= Φ，所以循環結束。

對于 HYSON Tea、TWANKAY Tea、Jasmine Tea，最小置信度 Minconf=70%，HYSON Tea、TWANKAY Tea、Jasmine Tea的支持度為 Confidence=2/2=100%；HYSON Tea、Jasmine Tea、TWANKAY Tea的置信度=2/3=66.7%；TWANKAY Tea、Jasmine Tea、HYSON Tea的置信度=2/2=100%；HYSON Tea、TWANKAY Tea、Jasmine Tea 的 置 信 度 =2/3=66.7% ；TWANKAY Tea、HYSON Tea、Jasmine Tea 的置信度=2/3=66.7%；Jasmine Tea、HYSON Tea、TWANKAY Tea的置信度=2/3==66.7%；最終，用戶可以得到如下推薦:①若消費者購買了HYSON Tea和TWANKAY Tea，則向其推薦Jasmine Tea;②若消費者購買了TWANKAY Tea和Jasmine Tea，則向其推薦HYSON Tea。

4 基于關聯規則的茶葉推薦系統設計

基于關聯規則的個性化推薦設計關鍵在于通過分析數掘庫中全部顧客的歷史交易數據，使用挖掘關聯規則算法，試圖發現顧客群體購買習慣的內在共性，并據此，參照用戶歷史感興趣的茶葉，進行關聯規則匹配，進而向用戶推薦其還沒有購買但可能會有興趣的茶葉。

4.1 體系結構設計

茶葉電子商務個性化推薦模型分為輸入、輸出、推薦和系統管理四個模塊。其中，輸入模塊主要是指整理茶葉歷史購物數據，形成標準數據集。推薦模塊是指參照關聯規則，根據用戶需求，借助搜索引擎得到推薦列表。輸出模塊是向消費者展示最終的推薦結果。

4.2 推薦模塊主要功能

4.2.1 數掘預處理。原始交易中數據包含大量的基本數據，但這些數據必須經過清洗、轉換、集成等預處理，只有具備了完整性好、冗余性小等特征的數據才具備挖掘價值。

4.2.2 產生強關聯規則。盡量在經過預處理的事務集中挖掘關聯規則，并更新規則庫。

4.2.3 系統推薦。針對消費者的歷史購買行為，采用不同的推薦策略。對于發生過購買行為的消費者，找到其歷史交易記錄中的茶葉唯一標識號并從規則庫中匹配符合條件的規則，進而向其推薦與之興趣最相關的—種茶葉；對于未曾有購買行為的用戶，默認為推薦TOP-N最受歡迎的茶葉。

4.2.4 動態更新關聯規則庫。用戶的興趣愛好隨著時間的推移呈現出周期性變化的特征，因而，需要定期根據銷售數據和用戶興趣更新規則庫，最終實現動態地把客戶興趣變化反映到推薦結果中。

4.3 系統管理模塊

茶葉電子商務推薦系統角色分為系統管理員和普通用戶。其中，系統管理員負責更新用戶數據庫，負責對用戶開放用戶權限范圍內的系統功能。普通用戶可在登錄后查詢購買記錄，并對系統推薦的茶葉進行喜好反饋，喜歡表示推薦有效，不喜歡則再下一次推薦中不出現此種茶葉。反饋越多越及時，系統向用戶推薦的精準率就越高。

5 結論

茶葉推薦系統一直是解決茶葉信息過載的有效方法之一，是茶葉商家向消費者進行個性化推薦，增強消費者粘度，提升商家效益的重要途徑。本文對實施電子商務推薦系統提升各商業系統核心競爭力具有一定的參考價值。