基于云平臺的電子商務(wù)商品智能推薦系統(tǒng)

黃玲 余霞

摘? 要： 電子商務(wù)商品推薦系統(tǒng)可以幫助用戶從海量的商品中快速找到自己意向的商品，針對當前電子商務(wù)商品智能推薦系統(tǒng)存在工作效率低、推薦誤差大等缺陷，設(shè)計了基于云平臺的電子商務(wù)商品智能推薦系統(tǒng)。首先，分析當前電子商務(wù)商品推薦系統(tǒng)的研究現(xiàn)狀，找到引起推薦效果差的原因;然后，根據(jù)云平臺的數(shù)據(jù)處理技術(shù)搭建電子商務(wù)商品推薦系統(tǒng)，并對電子商務(wù)商品推薦系統(tǒng)的關(guān)鍵技術(shù)進行設(shè)計;最后進行云平臺的電子商務(wù)商品智能推薦系統(tǒng)的仿真測試。測試結(jié)果表明，所提系統(tǒng)克服了傳統(tǒng)電子商務(wù)商品推薦系統(tǒng)存在的不足，加快了用戶從海量商品中找出自己真正需要商品的速度，提高了電子商務(wù)商品推薦精度，且電子商務(wù)商品推薦誤差遠遠低于傳統(tǒng)電子商務(wù)商品推薦系統(tǒng)，具有更高的實際應(yīng)用價值。

關(guān)鍵詞： 電子商務(wù)商品; 智能推薦系統(tǒng); 云平臺; 商品特征; 商品相似度; 商品數(shù)據(jù)集; 用戶偏好

中圖分類號： TN911?34; TP391? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）05?0183?04

E?commerce commodity intelligent recommendation system based on cloud platform

HUANG Ling， YU Xia

（Wuhan Institute of Design and Sciences， Wuhan 430205， China）

Abstract：The e?commerce commodity recommendation system can help users quickly find their ideal ones from the mass of commodities. In view of the deficiencies of low work efficiency and great error in the current e?commerce commodity intelligent recommendation system， an e?commerce commodity intelligent recommendation system based on cloud platform is designed. Firstly， the current research status of e?commerce commodity recommendation system is analyzed to find the reasons for poor recommendation effect. Secondly， the e?commerce commodity recommendation system is built according to the data processing technology of cloud platform， and the key technologies of e?commerce commodity recommendation system are designed. Finally， the simulation test of e?commerce commodity intelligent recommendation system based on cloud platform is performed. The test results show that the proposed system overcomes the deficiencies of the traditional e?commerce commodity recommendation system， so that users can find the commodities they really need from the mass of commodities more quickly. In addition， it improves the accuracy of e?commerce commodity recommendation， so that the error rate of e?commerce commodity recommendation is much lower than that of the traditional e?commerce commodity recommendation system. Therefore， the proposed system is of higher practical application value.

Keywords： e?commerce commodity; intelligent recommendation system; cloud platform; commodity feature; commodity similarity; commodity data set; user preference

0? 引? 言

隨著信息技術(shù)、物流技術(shù)、網(wǎng)絡(luò)技術(shù)以及智能技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)中的商品數(shù)量和種類急劇增加，商品已經(jīng)以海量的形式存儲，同時，人們在網(wǎng)絡(luò)上進行商品交易的頻率越來越高，出現(xiàn)了許多類型的電子商務(wù)管理系統(tǒng)[1?3]。在電子商務(wù)管理系統(tǒng)中，電子商務(wù)商品推薦系統(tǒng)是其中最重要的一個子系統(tǒng)，直接影響用戶是否能夠高效搜索到自己意向的電子商務(wù)商品，因此，推薦系統(tǒng)設(shè)計和研究一直是電子商務(wù)應(yīng)用領(lǐng)域中的一個重要研究方向[4?7]。

傳統(tǒng)電子商務(wù)商品推薦系統(tǒng)采用單機方式工作模式，用一臺計算機對所有用戶的請求和商品數(shù)據(jù)進行管理，隨著用戶數(shù)量和商品數(shù)據(jù)的不斷增多，單機工作模式的缺陷日益明顯，主要表現(xiàn)在：電子商務(wù)商品推薦系統(tǒng)工作速度慢，在短時間內(nèi)很難找到用戶自己真正需要的商品[7?9]。

為了克服單機方式的電子商務(wù)商品推薦系統(tǒng)的缺陷，有學(xué)者設(shè)計了基于分布式處理技術(shù)的電子商務(wù)商品推薦系統(tǒng)。分布式處理系統(tǒng)依托互聯(lián)網(wǎng)對多個單機進行統(tǒng)一管理，相對于單機工作模式，大幅度提高了電子商務(wù)商品推薦系統(tǒng)的工作效率，但是基于分布式的電子商務(wù)商品推薦系統(tǒng)存在一些不足，如對于海量數(shù)量，推薦效率仍然難以滿足用戶的要求，同時，電子商務(wù)商品推薦錯誤率較高[10?12]。云平臺是在分布式系統(tǒng)基礎(chǔ)上進行改進的快速處理系統(tǒng)，具有并行性、分布式、魯棒性等優(yōu)點，在許多大數(shù)據(jù)處理領(lǐng)域得到了成功應(yīng)用。

針對當前電子商務(wù)商品智能推薦系統(tǒng)工作效率低、推薦誤差大等缺陷，本文設(shè)計了基于云平臺的電子商務(wù)商品智能推薦系統(tǒng)。通過仿真測試驗證了本文設(shè)計電子商務(wù)商品智能推薦系統(tǒng)的性能。

1? 云平臺的電子商務(wù)商品智能推薦系統(tǒng)工作原理

傳統(tǒng)電子商務(wù)商品智能推薦系統(tǒng)采用單機模式，將用戶電子商務(wù)商品的任務(wù)和相關(guān)數(shù)據(jù)全部存放在一臺計算機上，所有工作均要通過這臺計算機完成，使得電子商務(wù)商品智能推薦耗時相當長，無法滿足當前電子商務(wù)商品發(fā)展的要求。云平臺在分布式處理系統(tǒng)的基礎(chǔ)上，引入了并行和任務(wù)分解技術(shù)，將一個大規(guī)模任務(wù)進行分片處理，得到了許多子任務(wù)，每一個子任務(wù)采用一臺計算機（節(jié)點）進行，這樣得到每一個子任務(wù)的處理結(jié)果，最后將子任務(wù)處理結(jié)果進行融合，得到最終處理的處理結(jié)果，工作原理如圖1所示。

2? 電子商務(wù)商品智能推薦系統(tǒng)的關(guān)鍵技術(shù)設(shè)計

在電子商務(wù)商品智能推薦系統(tǒng)中，推薦算法十分關(guān)鍵，其直接影響電子商務(wù)商品智能推薦的效果，因此，本文對電子商務(wù)商品智能推薦算法進行具體設(shè)計。

2.1? 用戶對電子商務(wù)商品的偏好

設(shè)共有[N]個用戶，它們具體表示為：User=[{u1，u2，…，][uj，…，uN}]，全部電子商務(wù)商品表示為：Item[={i1，i2，…，ij，…，ip}]，[p]表示電子商務(wù)商品的總數(shù);共有[M]個用戶標簽，它們可以表示為：Tag=[{t1，t2，…，tj，…，tM}，]使用戶點擊電子商務(wù)商品和電子商務(wù)商品相對應(yīng)的標簽頻率值描述用戶特征，具體計算公式為[13]：

[Vutl=tfusertag?idfusertag?? ? ?nutlnutlogNNutl…nutinutlogNNn…nutMnutlogNNutM] （1）

設(shè)[nuti]和[nut]分別為用戶使用[ti]的次數(shù)和用戶使用的總標簽數(shù)量，那么標簽頻率和標簽對用戶的流行程度的計算公式為：

[tfuser_tag=nutinut]? （2）

[idfuser_tag=lognnutM] （3）

2.2? 電子商務(wù)商品的特征向量

特征向量描述電子商務(wù)商品的重要程度，計算公式為：

[Vutj=tfitemtag?idfitemtag?? ? ? ? nitlnitlogPNitl…nitjnitlogPNitj…nitMnitlogPNitM]? （4）

式中：[tfitemtag]和[idfitemtag]分別表示電子商務(wù)商品使用的頻率和重要程度;[nitj]為電子商務(wù)商品[i]第[j]次被使用的次數(shù);[nit]表示電子商務(wù)商品[i]的使用總數(shù)量。

用戶對電子商務(wù)商品的偏好矩陣計算公式為：

[Vujik=t=1MVujt×Vikt] （5）

式中：[uj∈U，j=1，2，…，N];[ik∈I，k=1，2，…，P]。

用戶[uj]的電子商務(wù)商品偏好特征為：

[Vuj=（Vuji1，Vuji2，…，Vujik，…，VujiN）] （6）

式中[Vujik]為[uj]對電子商務(wù)商品[ik]的喜歡程度。

基于用戶對電子商務(wù)商品的偏好向量，建立用戶?電子商務(wù)商品偏好矩陣，具體為：

[VN×P=Vu1i1…Vu1ik…Vu1ip?????Vuji1…Vujik…Vujip?????VuNi1…VuNik…VuNip] （7）

2.3 電子商務(wù)商品之間的相似度

相似度描述兩個電子商務(wù)商品間的相似程度，智能推薦算法根據(jù)余弦相似度得到電子商務(wù)商品相似度。電子商務(wù)商品的特征向量可以表示為：

[Ik=（nk1，nk2，…，nki，…，nkL）] （8）

式中[nki]為[ti]標記電子商務(wù)商品[ik]歸一化值。

全部電子商務(wù)商品信息可以采用電子商務(wù)商品特征向量矩陣[Ik×k]進行描述，具體為：

[Ik×k=n11…n1k???nk1…nkk] （9）

根據(jù)特征向量得到電子商務(wù)商品之間的余弦相似度：

[sim（ij，ik）=cos（Ij，Ik）=Ij?IkIj×Ik] （10）

構(gòu)造如下的電子商務(wù)商品相似度矩陣[Sp×p]：

[Sp×p=1… s1j…s1p?????sj1…1…sjp?????sp1…spj…spp] （11）

式中[sij]為電子商務(wù)商品[ii]和[ij]之間的相似度。

2.4 電子商務(wù)商品智能推薦算法的工作步驟

電子商務(wù)商品智能推薦算法的工作步驟具體如下：

1） 將一個電子商務(wù)商品智能推薦任務(wù)進行劃分，通過Map程序?qū)⒚恳粋€子任務(wù)映射到相應(yīng)的云平臺點上。

2） 在每一個節(jié)點上，計算用戶對電子商務(wù)商品的偏好矩陣。

3） 每一個節(jié)點計算電子商務(wù)商品相似度，建立電子商務(wù)商品相似度矩陣。

4） 根據(jù)用戶對電子商務(wù)商品的歷史搜索數(shù)據(jù)，每一個節(jié)點搜索用戶[u]點擊過的歷史電子商務(wù)商品，計算用戶和電子商務(wù)商品之間的偏好值。

5） 在每一個節(jié)點上，對用戶和電子商務(wù)商品之間的偏好值進行排序，選擇前[N]個電子商務(wù)商品作為智能推薦結(jié)果，得到每一個節(jié)點的推薦結(jié)果。

6） 將每一個節(jié)點的推薦結(jié)果輸出到Reduce，通過Reduce融合得到最終推薦給用戶最優(yōu)[N]個電子商務(wù)商品。

電子商務(wù)商品智能推薦過程如圖2所示。

3? 仿真測試

3.1? 電子商務(wù)商品數(shù)據(jù)集

為了測試基于云平臺的電子商務(wù)商品智能推薦系統(tǒng)的性能，選擇有50 000個電子商務(wù)商品，2 000個用戶的電子商務(wù)管理系統(tǒng)作為測試對象，隨機選取80%的電子商務(wù)商品和用戶數(shù)據(jù)作為訓(xùn)練集，其他數(shù)據(jù)作為驗證集。電子商務(wù)商品智能推薦系統(tǒng)的性能采用查準率和查全率進行評價，其中，查準率表示電子商務(wù)商品智能推薦精度，查全率表示電子商務(wù)商品智能推薦的可靠性。

3.2? 結(jié)果對比

采用單機模式的電子商務(wù)商品智能推薦系統(tǒng)進行對比測試，每一種電子商務(wù)商品智能推薦進行5次仿真測試，它們的電子商務(wù)商品智能推薦查準率和查全率分別如圖3，圖4所示。從圖3和圖4可以清楚看出：基于云平臺的電子商務(wù)商品智能推薦查準率和查全率均要高于傳統(tǒng)的電子商務(wù)商品智能推薦查準率和查全率，主要是因為本文的電子商務(wù)商品智能推薦算法考慮了用戶對電子商務(wù)商品的偏好，提高了電子商務(wù)商品智能推薦的準確性，而且電子商務(wù)商品推薦可靠性和穩(wěn)定性更高。

電子商務(wù)商品智能推薦系統(tǒng)的推薦時間如圖5所示。從圖5可以看出，基于云平臺的電子商務(wù)商品智能推薦時間大幅度減少，克服了傳統(tǒng)電子商務(wù)商品智能推薦系統(tǒng)推薦時間長、工作效率低的缺陷，可以幫助用戶更快找到自己真正需要的電子商務(wù)商品。

4? 結(jié)? 語

商品推薦系統(tǒng)一直是電子商務(wù)研究領(lǐng)域的重點，為了解決當前電子商務(wù)商品智能推薦系統(tǒng)存在的不足，本文設(shè)計了基于云平臺的電子商務(wù)商品智能推薦系統(tǒng)。首先，針對當前基于單機工作模式的電子商務(wù)商品智能推薦系統(tǒng)存在效率低、速度慢等缺陷，引入云平臺工作模式，將電子商務(wù)商品推薦任務(wù)進行分解，進行分布式、并行處理;然后，針對電子商務(wù)商品智能推薦系統(tǒng)推薦誤差大的問題，綜合考慮用戶對商品偏好進行電子商務(wù)商品智能推薦，結(jié)果表明，本文電子商務(wù)商品智能推薦系統(tǒng)的工作效率高，電子商務(wù)商品推薦精度高，可以為用戶進行電子商務(wù)商品交易提供有價值的參考意見。

注：本文通訊作者為余霞。

參考文獻

[1] 戚永軍，翟智平.美家365網(wǎng)上商城智能推薦系統(tǒng)研究與設(shè)計[J].北華航天工業(yè)學(xué)院學(xué)報，2013，23（2）：1?3.

[2] 郭偉光.我國B2C電子商務(wù)個性化商品推薦服務(wù)實證研究[J].價值工程，2014，33（30）：25?27.

[3] 郝海濤，馬元元.基于加權(quán)關(guān)聯(lián)規(guī)則挖掘算法的電子商務(wù)商品推薦系統(tǒng)研究[J].現(xiàn)代電子技術(shù)，2016，39（15）：133?136.

[4] 溫廷新，唐小龍，馬龍梅.基于混合模式的網(wǎng)絡(luò)超市商品推薦方法[J].現(xiàn)代情報，2013，33（12）：45?51.

[5] 郭麗，劉磊.基于情感分析的商品推薦系統(tǒng)的設(shè)計與實現(xiàn)[J].中原工學(xué)院學(xué)報，2014，25（3）：71?74.

[6] 胡文，李良學(xué).基于情景感知的商場導(dǎo)購?fù)扑]商品信息的研究[J].哈爾濱商業(yè)大學(xué)學(xué)報（自然科學(xué)版），2012，28（1）：58?61.

[7] 危世民，戴牡紅.多Agent協(xié)同的電子商務(wù)推薦系統(tǒng)模型[J].計算機應(yīng)用，2014，34（4）：1118?1121.

[8] 謝意，陳德人，干紅華.基于瀏覽偏好挖掘的實時商品推薦方法[J].計算機應(yīng)用，2011，31（1）：89?92.

[9] 汲業(yè)，陳燕，屈莉莉，等.基于Prolog語言的商品推薦知識庫模型[J].計算機工程，2010，36（22）：10?12.

[10] 游運，萬常選，陳煌燁.考慮對象關(guān)聯(lián)關(guān)系的多樣化商品推薦方法[J].計算機工程與應(yīng)用，2018，54（7）：70?76.

[11] 黃蘭，錢育蓉，于炯，等.融合可信度和時效標簽的商品推薦算法[J].微電子學(xué)與計算機，2017，34（6）：78?83.

[12] 馬勇，鮮敏，鄭翔，等.基于Web日志挖掘和相關(guān)性度量的電子商務(wù)推薦系統(tǒng)[J].計算機系統(tǒng)應(yīng)用，2016，25（8）：91?95.

[13] 黃洪，楊卓俊，王奔.模糊邏輯在電子商務(wù)商品推薦系統(tǒng)中的應(yīng)用[J].計算機系統(tǒng)應(yīng)用，2012，21（3）：171?175.

[14] 姚劍，余炎，黃詩盛，等.基于個性化導(dǎo)購的商品智能動態(tài)推薦系統(tǒng)[J].價值工程，2017，36（35）：199?201.