圖書購物網(wǎng)站電商個性化推薦系統(tǒng)應(yīng)用

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(jìn)行深入的調(diào)查研究，當(dāng)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(jìn)行了深入的研究，不過其研究成果在實際生活當(dāng)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(zhǔn)推薦實現(xiàn)的可能性就大打折扣，用戶進(jìn)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(zhǔn)的問題

系統(tǒng)對用戶的分析過于細(xì)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(yán)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(jìn)行了分析，但沒法進(jìn)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(jìn)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(jìn)行意圖判斷，并以此為基礎(chǔ)進(jìn)行商品和信息的推薦，從而保證系統(tǒng)推送的信息更加準(zhǔn)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(jìn)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(jì)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(rèn)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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)行不同用戶的推送。不過通過這種方式進(jìn)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(jìn)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(biāo)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(jìn)行關(guān)聯(lián)，并沒有進(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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(jìn)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(zhǔn)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(jìn)展，優(yōu)化推薦的整體質(zhì)量。

參考文獻(xiàn)：

[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