前言:想要寫出一篇引人入勝的文章?我們特意為您整理了圖書購物網(wǎng)站電商個性化推薦系統(tǒng)應(yīng)用范文,希望能給你帶來靈感和參考,敬請閱讀。
摘要:隨著互聯(lián)網(wǎng)的普及,電子商務(wù)的發(fā)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(wǎng)站進行深入的調(diào)查研究,當前,網(wǎng)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(xiàn)在線購書系統(tǒng)個性化推薦一直是個有待解決的難題。雖然目前國內(nèi)外的相關(guān)學(xué)者對于該系統(tǒng)逐漸產(chǎn)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(yīng)用卻并不十分有效,仍具有較多問題。
關(guān)鍵詞:電商;推薦系統(tǒng);購物網(wǎng)站;研究
一、數(shù)據(jù)稀缺性和冷啟動問題
由于教育行業(yè)與其他行業(yè)不同,數(shù)據(jù)較為稀疏,且系統(tǒng)存在冷啟動問題,導(dǎo)致用戶的精準推薦實現(xiàn)的可能性就大打折扣,用戶進行相關(guān)書籍的購買時通常具有較低的頻率,這就造成了系統(tǒng)很難根據(jù)稀疏的數(shù)據(jù)分析用戶的喜好和需求,同時由于系統(tǒng)缺少場景數(shù)據(jù),系統(tǒng)冷啟動情況會經(jīng)常發(fā)生,因此無法真正意義上做到個性化的推薦。
二、排序結(jié)果不精準的問題
系統(tǒng)對用戶的分析過于細致,因此推薦的結(jié)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(wù)轉(zhuǎn)化。
三、用戶意圖推測問題
系統(tǒng)中還可能會出現(xiàn)推薦結(jié)果不能及時更新的情況,導(dǎo)致系統(tǒng)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(shù)據(jù)往往是動態(tài)信息,而不是單純的靜態(tài)數(shù)據(jù),通常情況下,用戶在進行某些網(wǎng)站或商品的瀏覽時,用戶都抱有較強的目的性,因此系統(tǒng)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(chǔ)進行商品和信息的推薦,從而保證系統(tǒng)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(tǒng)設(shè)計。個性化推薦系統(tǒng)是基于在一個先進的商務(wù)智能平臺的基礎(chǔ)上,依托于海量數(shù)據(jù),幫助電子商務(wù)網(wǎng)站為其用戶提供完全個性化的推薦支持和服務(wù)的信息系統(tǒng)。圖書購物網(wǎng)站的推薦系統(tǒng)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(tǒng)的研究始于20世紀年代初期,推薦系統(tǒng)大量借鑒了相關(guān)領(lǐng)域的研究成果,在推薦系統(tǒng)的研究中廣泛應(yīng)用了認知科學(xué)、近似理論、信息檢索、預(yù)測理論、管理科學(xué)以及市場建模等多個領(lǐng)域的知識。推薦算法作為推薦系統(tǒng)的重要組成部分,其確定了整個推薦系統(tǒng)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(tǒng)的整體性能,所以推薦系統(tǒng)的研究工作主要集中在推薦算法的設(shè)計和實現(xiàn)。個性化推薦算法設(shè)計主要包含兩個方面:
(一)基于人口統(tǒng)計學(xué)的推薦算法在人口統(tǒng)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(tǒng)用戶的基本信息,然后對用戶的其他信息進行深入發(fā)掘,從而獲取直接信息之外的間接信息。通過這種方式,系統(tǒng)可以進一步推測用戶的其他喜好,從而向用戶推薦,具體內(nèi)容如圖2.1所示。通過圖2.1可以看出,對于所有的系統(tǒng)用戶,系統(tǒng)都會建立一個完整的模型,然后系統(tǒng)會識別模型的相關(guān)信息,例如姓名、性別、年齡等,通過這些信息,系統(tǒng)會自動識別出不同用戶的個人喜好,如果系統(tǒng)發(fā)現(xiàn)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(xí)慣,那么系統(tǒng)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(guān)偏好的商品,那么這個商品也會推送給C。
(二)基于內(nèi)容的推薦算法基于內(nèi)容的推送方式是目前電商行業(yè)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(guān)鍵詞以及屬性之類的信息產(chǎn)生一定的聯(lián)系,并且通過用戶日常的購買或者瀏覽習(xí)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(nèi)容的推薦機制的完整工作原理,本文主要是以海產(chǎn)品為例進行推薦機制的內(nèi)容。系統(tǒng)首先要對海產(chǎn)品的數(shù)據(jù)進行建模,從而分出海產(chǎn)品的類別,具體可以分成蝦類、貝類、魚類,根據(jù)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(zhì)量方面就需要一定的分析,這需要整合商品的所有數(shù)據(jù)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(shù)據(jù)分析的工程量也較為巨大,同時還要對這些產(chǎn)品制定一定的標簽,或者在上面打上關(guān)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(tǒng)只是根據(jù)商品的內(nèi)容進行關(guān)聯(lián),并沒有進行商品主觀能動性的分析,這樣會導(dǎo)致用戶體驗感下降,因此這些還需要系統(tǒng)開發(fā)人員的重新考量。本系統(tǒng)的設(shè)計主要是對傳統(tǒng)的圖書購物網(wǎng)站的算法進行優(yōu)化,其主要價值如下:1、提升客戶轉(zhuǎn)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(zhuǎn)化率,可以大幅度降低運營成本,從而提升企業(yè)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(yè)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(chǎn)品,而無需用戶盲目的進行產(chǎn)品的搜索,極大程度上為用戶節(jié)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(wǎng)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(chǎn)品特征的獲取,就會使產(chǎn)品經(jīng)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(xiàn)自動商品匹配的系統(tǒng)可以讓運營成本有效的降低。完整的圖書購物網(wǎng)站是一個龐大的系統(tǒng),涉及多個方面,除了個性化推薦系統(tǒng)設(shè)計等步驟外,還有數(shù)據(jù)準備與處理,工程架構(gòu)與實現(xiàn),前端展現(xiàn)等等。希望在日后研究中,結(jié)合在線學(xué)習(xí)、強化學(xué)習(xí)、遷移學(xué)習(xí)等方面的進展,優(yōu)化推薦的整體質(zhì)量。
參考文獻:
[1]崔凌云.內(nèi)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(xié)同過濾的推薦系統(tǒng)的設(shè)計與實現(xiàn)[D].中山大學(xué),2015.
[5]魯?shù)?基于個性化推薦算法的圖書購物網(wǎng)站的設(shè)計與實現(xiàn)[D].華東師范大學(xué),2014.
[6]王中主.智慧校園中基于位置服務(wù)的圖書購物網(wǎng)站研究[D].華東師范大學(xué),2016.
作者:伍倩瑩 單位:廣州城建職業(yè)學(xué)院