電商個性化推薦系統在圖書購物網站的應用研究

伍倩瑩

摘? 要：隨著互聯網的普及，電子商務的發展日趨成熟，在線購物已成了日常生活的一部分，本文主要針對圖書購物網站進行深入的調查研究，當前，網上圖書商城擴大了用戶的選擇面積，價格實惠，交易方便，但是如何從大量的信息中快速找到自己所需的有效物品呢？如何幫助圖書購物平臺快速獲取更多的用戶，讓用戶更加有黏性，讓購物過程更便捷？如何實現在線購書系統個性化推薦一直是個有待解決的難題。雖然目前國內外的相關學者對于該系統逐漸產生了重視，并進行了深入的研究，不過其研究成果在實際生活當中的應用卻并不十分有效，仍具有較多問題。

關鍵詞：電商;推薦系統;購物網站;研究

一、數據稀缺性和冷啟動問題

由于教育行業與其他行業不同，數據較為稀疏，且系統存在冷啟動問題，導致用戶的精準推薦實現的可能性就大打折扣，用戶進行相關書籍的購買時通常具有較低的頻率，這就造成了系統很難根據稀疏的數據分析用戶的喜好和需求，同時由于系統缺少場景數據，系統冷啟動情況會經常發生，因此無法真正意義上做到個性化的推薦。

二、排序結果不精準的問題

系統對用戶的分析過于細致，因此推薦的結果過多，同時由于主次順序沒有確定，因此造成了排序的不合理性，用戶購買意愿最高的資源反而被放在了較為靠后的位置，嚴重阻礙用戶的服務轉化。

三、用戶意圖推測問題

系統中還可能會出現推薦結果不能及時更新的情況，導致系統雖然及時對客戶的需求和喜好進行了分析，但沒法進行跟蹤推薦。用戶數據往往是動態信息，而不是單純的靜態數據，通常情況下，用戶在進行某些網站或商品的瀏覽時，用戶都抱有較強的目的性，因此系統完全可以通過用戶的這些行為進行意圖判斷，并以此為基礎進行商品和信息的推薦，從而保證系統推送的信息更加準確，且有跡可循。

對于存在問題，文中提出了個性化推薦算法系統設計。個性化推薦系統是基于在一個先進的商務智能平臺的基礎上，依托于海量數據，幫助電子商務網站為其用戶提供完全個性化的推薦支持和服務的信息系統。圖書購物網站的推薦系統可以為其用戶推薦符合用戶喜好的書籍，同時能夠自主的完成個性化選取書籍。

推薦系統的研究始于20世紀年代初期，推薦系統大量借鑒了相關領域的研究成果，在推薦系統的研究中廣泛應用了認知科學、近似理論、信息檢索、預測理論、管理科學以及市場建模等多個領域的知識。推薦算法作為推薦系統的重要組成部分，其確定了整個推薦系統的工作方式和推薦策略，推薦算法性能也直接影響推薦系統的整體性能，所以推薦系統的研究工作主要集中在推薦算法的設計和實現。

個性化推薦算法設計主要包含兩個方面：

（一）基于人口統計學的推薦算法

在人口統計方面這種個性化推薦機制十分有用，而且目前這也是常用的方式之一，這種算法的功能主要是通過系統用戶的基本信息，然后對用戶的其他信息進行深入發掘，從而獲取直接信息之外的間接信息。通過這種方式，系統可以進一步推測用戶的其他喜好，從而向用戶推薦，具體內容如圖2.1所示。

通過圖2.1可以看出，對于所有的系統用戶，系統都會建立一個完整的模型，然后系統會識別模型的相關信息，例如姓名、性別、年齡等，通過這些信息，系統會自動識別出不同用戶的個人喜好，如果系統發現在商品瀏覽或者商品購買的過程中，用戶A和C都有相似的喜好或者習慣，那么系統就會自動將A和C歸類成一類人，從而讓這類人形成的圈子都有類似的推送信息，就如同圖2.1的信息推送模式一樣，如果A有相關偏好的商品，那么這個商品也會推送給C。

（二）基于內容的推薦算法

基于內容的推送方式是目前電商行業最常使用的個性化推薦機制，這種推薦算法的目的就是通過不同商品之間的關鍵詞以及屬性之類的信息產生一定的聯系，并且通過用戶日常的購買或者瀏覽習慣進行分析，從而將商品向用戶推送，具體的原理如圖2.2所示。

通過圖2.2可以看出基于內容的推薦機制的完整工作原理，本文主要是以海產品為例進行推薦機制的內容。系統首先要對海產品的數據進行建模，從而分出海產品的類別，具體可以分成蝦類、貝類、魚類，根據這些分類進行不同用戶的推送。不過通過這種方式進行商品的推送依舊存在一定的問題，例如推送的物品在質量方面就需要一定的分析，這需要整合商品的所有數據信息，并進行建模，不過由于商品的種類十分龐大，因此建模和數據分析的工程量也較為巨大，同時還要對這些產品制定一定的標簽，或者在上面打上關鍵字，從而方便用戶在搜索時快速找到自己想要的商品。另外，在物品相似度方面，系統只是根據商品的內容進行關聯，并沒有進行商品主觀能動性的分析，這樣會導致用戶體驗感下降，因此這些還需要系統開發人員的重新考量。

本系統的設計主要是對傳統的圖書購物網站的算法進行優化，其主要價值如下：

1、提升客戶轉化率

我國的圖書電商一般都會花費大量的費用進行宣傳，從而獲取更多流量，不過如果能采用這種智能化的吸粉模式，就可以大幅度提升流量的轉化率，可以大幅度降低運營成本，從而提升企業的營利能力。

2、提升用戶體驗

一般來說，用戶體驗會影響電商企業的用戶黏性，因此通過這種智能化的算法，可以讓客戶更快速的獲取客戶需要的產品，而無需用戶盲目的進行產品的搜索，極大程度上為用戶節約了時間，也讓用戶的體驗感有所提高。

3、提升自動化水平

如果電商網站沒有一個較為智能化、個性化的算法，那么僅僅通過人工來進行產品特征的獲取，就會使產品經營的成本大幅度增加，因此通過人工進行用戶購買特征和喜好的獲取和分析從理論上來看就是不可取的，因此對于這種可以實現自動商品匹配的系統可以讓運營成本有效的降低。

完整的圖書購物網站是一個龐大的系統，涉及多個方面，除了個性化推薦系統設計等步驟外，還有數據準備與處理，工程架構與實現，前端展現等等。 希望在日后研究中，結合在線學習、強化學習、遷移學習等方面的進展，優化推薦的整體質量。

參考文獻：

[1]崔凌云.內蒙古赤峰市“智慧教育”云平臺投入試運行[J].中國電化教育，2017，（07）：39-46.

[2]劉振興.基于協同過濾的推薦系統的設計與實現[D].中山大學，2015.

[3]MJ Pazzani. A Simple Dimensionality Reduction Technique for Fast Similarity Search in Large Time Series Databases [J]. Springer Berlin Heidelberg， 2010：43-52.

[4]McMahan H B， Holt G， Sculley D， et al. Ad click prediction： a view from the trenches[C].Proceedings of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM， 2013： 1222-1230.

[5]魯丹.基于個性化推薦算法的圖書購物網站的設計與實現[D].華東師范大學， 2014.

[6]王中主.智慧校園中基于位置服務的圖書購物網站研究[D].華東師范大學， 2016.