發(fā)布時間：2014-12-29 12:03

 

【摘要】 電子商務(wù)發(fā)展至今已經(jīng)成為能夠和實(shí)體購物相提并論的購物模式，其涉及的領(lǐng)域也越來越廣泛，從衣食住行到娛樂、文化等，甚至從逐漸飽和的城市轉(zhuǎn)移到尚待開發(fā)的農(nóng)村市場，可以說“無孔不入”，這種新的消費(fèi)模式的到來為廣大用戶帶來了極大的方便，然而它的副作用也不可忽視。以農(nóng)資電子商務(wù)網(wǎng)站為例，農(nóng)資商品信息、消費(fèi)者的需求信息以及其他各種信息充斥在互聯(lián)網(wǎng)這條信息高速路上，人們的需求和電商的供給本應(yīng)該像行駛在同一條高速路的兩端，通過相互碰撞得到各自的滿足，而由于信息的泛濫使人們的需求和電商的供給走上了不同的高速路，偶爾的契合便如同交通事故的發(fā)生，不可預(yù)測。所以農(nóng)資智能推薦技術(shù)隨之而來，它將農(nóng)村市場、農(nóng)民用戶和農(nóng)資產(chǎn)品的特色與普通電子商務(wù)智能推薦系統(tǒng)相結(jié)合，理順了電商與消費(fèi)者的之間供需路徑，使消費(fèi)端的雙方都得到了滿足。論文以為農(nóng)資用戶提供更好的商品推薦為出發(fā)點(diǎn)，深入分析了農(nóng)村市場、農(nóng)民用戶和農(nóng)資產(chǎn)品的特性，針對普通電子商務(wù)網(wǎng)站智能推薦系統(tǒng)在農(nóng)資推薦缺乏針對性的現(xiàn)狀，設(shè)計了農(nóng)資智能推薦模型的架構(gòu)，提出了三種推薦模型，通過三種推薦模型的相互配合來提升用戶的消費(fèi)體驗。通過對農(nóng)資產(chǎn)品特性的分析，得知農(nóng)資產(chǎn)品的項目屬性是影響農(nóng)資用戶購買與否的關(guān)鍵，所以論文通過分析用戶對項目的評分去確定項目屬性對用戶的推薦效用，并對項目屬性效用進(jìn)行線性疊加得到用戶對項目的真實(shí)評分，使推薦更具有科學(xué)性。而基于項目的推薦算法都是存在先天缺陷的，它們無法處理新用戶的問題，所以論文設(shè)計了基于用戶的推薦模式，使之成為基于項目推薦模型的補(bǔ)充，并且通過Hadoop技術(shù)豐富了該算法的處理能力，為其應(yīng)對將來可能出現(xiàn)的大數(shù)據(jù)等更復(fù)雜環(huán)境提前做了準(zhǔn)備，提升了推薦系統(tǒng)的可擴(kuò)展性。在完成了基于項目的推薦模型和基于用戶的推薦模型后，農(nóng)資智能推薦模型仍不能解決及時發(fā)現(xiàn)用戶新興趣的問題，所以論文設(shè)計了關(guān)鍵字搜索推薦模型，該推薦模型通過語義網(wǎng)絡(luò)確定用戶輸入的有效信息即關(guān)鍵字，并通過TD-IDF技術(shù)對關(guān)鍵字進(jìn)行了分類，確定關(guān)鍵字屬于用戶偏好范疇還是項目屬性范疇，從而確定相應(yīng)的推薦算法進(jìn)行推薦，該模型使用戶搜索行為變得更加高效，而且有效地避免了用戶搜索過程中可能產(chǎn)生的錯誤，合理地規(guī)避了因為用戶手誤或其他干擾產(chǎn)生的錯誤推薦。 

1  緒論

智能推薦技術(shù)發(fā)展至今已經(jīng)較為成熟，尤其是在商業(yè)競爭的驅(qū)動下，使得各個電子商務(wù)網(wǎng)站愈發(fā)熱衷于對智能推薦技術(shù)的投入，因為借助于智能推薦系統(tǒng)的分析，網(wǎng)站可以在微觀上拉近與用戶的距離，提升用戶粘度，增加營業(yè)收入，在宏觀上可以通過數(shù)據(jù)統(tǒng)計優(yōu)化資源分配、控制企業(yè)的成本、提升企業(yè)利潤、增強(qiáng)企業(yè)間競爭力等，最終獲得企業(yè)利潤和消費(fèi)者滿意度最大化。而智能推薦系統(tǒng)的推薦方式在技術(shù)深度上可以分為兩類： 一類是技術(shù)深度較低的，包含的推薦方式大體分為兩種：1）最新產(chǎn)品推薦及熱銷產(chǎn)品推薦這種方式。多應(yīng)用于小型電子商務(wù)網(wǎng)站或網(wǎng)站的運(yùn)營初期，某些網(wǎng)站也會在節(jié)假日促銷時使用這種推薦方式；這是一種形式簡單但是效果尚佳的推薦方式，滿足了大眾用戶求優(yōu)、求新和求性價比的心理訴求，其缺點(diǎn)是不能對客戶進(jìn)行深度挖掘，沒有針對性，容易掩蓋具有高價值量的客戶需求。
............

2  農(nóng)資電子商務(wù)智能推薦系統(tǒng)模型設(shè)計

2.1   農(nóng)資智能推薦系統(tǒng)模型的設(shè)計
本文通過將多種推薦方式如基于項目、基于用戶和基于關(guān)鍵字等不同的推薦模型相結(jié)合，分析農(nóng)村市場、農(nóng)業(yè)用戶和農(nóng)資產(chǎn)品的特性和普通電商推薦系統(tǒng)的不足，設(shè)計了一個專門針對農(nóng)資產(chǎn)品進(jìn)行推薦的智能推薦模型。 該模型以農(nóng)資電子商務(wù)平臺為載體，筆耕文化推薦期刊，通過網(wǎng)站收取的用戶基本信息、購買記錄、瀏覽信息、評分信息和搜索記錄等對用戶興趣進(jìn)行分析，并將三種推薦技術(shù)相結(jié)合，針對各種推薦技術(shù)的不足做出了有效的補(bǔ)充，使推薦的內(nèi)容更具有科學(xué)性、推薦系統(tǒng)更加高效。本模型根據(jù)農(nóng)資用戶的需求進(jìn)行系統(tǒng)設(shè)計，所應(yīng)有的都是現(xiàn)有成熟的推薦技術(shù)，首先保證系統(tǒng)的可行性，并逐步使系統(tǒng)功能更加強(qiáng)大、更加穩(wěn)定。在使系統(tǒng)穩(wěn)定可行的同時，又根據(jù)信息技術(shù)發(fā)展的趨勢以及可能面對的新環(huán)境，本模型對未來可能產(chǎn)生的其他推薦應(yīng)用預(yù)留了接口[29]，增強(qiáng)系統(tǒng)的可擴(kuò)展性，從而使系統(tǒng)能夠不斷更新，便于以后的發(fā)展。所以本文將hadoop 技術(shù)引入到了智能推薦系統(tǒng)中，使推薦系統(tǒng)不僅能夠處理日常推薦，還能為將來農(nóng)業(yè)大數(shù)據(jù)時代的到來做好準(zhǔn)備。

2.2   農(nóng)資智能推薦模型的設(shè)計
在農(nóng)資智能推薦系統(tǒng)中，推薦算法模塊的設(shè)計是核心中的核心。我們知道基于項目的協(xié)同過濾算法的優(yōu)勢是可以處理新產(chǎn)品問題，通過分析項目內(nèi)容來進(jìn)行推薦，也就不存在新進(jìn)項目無法獲得推薦的問題；但是對于新進(jìn)用戶，基于項目的推薦系統(tǒng)還是無法推薦。而基于用戶的協(xié)同過濾算法能很好的緩解這一問題，它通過比較用戶之間的相似性進(jìn)行推薦，對于新用戶只需要確定新用戶的歸屬問題即可進(jìn)行推薦。然而，基于用戶的協(xié)同過濾算法也不是全面的，它同樣無法對毫無歷史信息的“游客”進(jìn)行推薦，而且當(dāng)用戶對前兩種推薦算法產(chǎn)生的推薦結(jié)果不滿意時，即用戶產(chǎn)生了新的消費(fèi)思路時，前兩種算法都無法很好地解決這種用戶新偏好出現(xiàn)的問題，所以本文將基于關(guān)鍵字推薦算法也融入到農(nóng)資智能推薦系統(tǒng)中，它直接分析用戶輸入內(nèi)容區(qū)匹配所搜索的項目，并且將本次搜索輸入的信息與用戶基本信息相結(jié)合，修正原有推薦算法的不足、規(guī)避了用戶手動輸入信息時可能出現(xiàn)的錯誤，并對搜索結(jié)果按照推薦順序進(jìn)行排序，將能夠很好的解決這一問題。所以我們將三者相結(jié)合，以求達(dá)到更好的推薦效果。

3   基于項目的智能推薦算法 .................... 20
3.1   數(shù)據(jù)的預(yù)處理 ................... 22
3.2   基于項目屬性的推薦算法的設(shè)計 ...................... 25
3.3   實(shí)驗分析 ...................... 26
4   基于用戶的智能推薦算法 ......................... 29
4.1   相關(guān)技術(shù) .......................... 30
4.2   基于用戶推薦模型的設(shè)計 ................... 33
4.3   ROCK 聚類分析 ............................. 35
4.4   實(shí)驗分析 ..................... 38
5   基于關(guān)鍵字搜索的推薦算法 ........................ 44
5.1   推薦流程和存在的問題 ........................... 45
5.2   針對關(guān)鍵字分類問題的解決辦法 ................... 46

5  基于關(guān)鍵字搜索的推薦算法

5.1   推薦流程和存在的問題
通過以上的分析，我們可以確定基于關(guān)鍵字搜索推薦模型在接收到輸入信息后的推薦流程，簡述如下： 1），對用戶輸入信息進(jìn)行處理，得到關(guān)鍵字；  2），對關(guān)鍵字進(jìn)行分析，確定所在類： 3），運(yùn)用所在分類的推薦算法進(jìn)行推薦，將推薦結(jié)果返回給搜索界面。 其推薦流程如圖5.1所示。對關(guān)鍵字進(jìn)行分類的處理是需要特別注意的，因為相同的關(guān)鍵字對于不同的用戶而言的意義是不一樣的，比如：從兩個用戶輸入內(nèi)容中都分析得到了關(guān)鍵字“病蟲害”，而兩個用戶分別是棉農(nóng)和果農(nóng)，其用意一定不同。所以本文在對關(guān)鍵字分類時 TD-IDF 技術(shù)與用戶信息進(jìn)行了結(jié)合，使分類結(jié)果更加切合用戶的實(shí)際需求。

 

5.2 針對關(guān)鍵字分類問題的解決辦法
通過對推薦流程的分析，我們發(fā)現(xiàn)亟需解決的問題是第二個，即，針對不同的用戶判斷關(guān)鍵字屬于用戶偏好分類還是項目屬性分類，從而判斷使用什么樣的推薦算法進(jìn)行推薦。由于從流程 1 得到的關(guān)鍵字是文本，所以本文需要通過文本分類方法對其分類，傳統(tǒng)的文本分類方法有很多，統(tǒng)計類技術(shù)如貝葉斯分類、TF-IDF方法和 CHI 統(tǒng)計法等，其他類型的分類方法還有如向量空間模型(VSM)、基于支持向量機(jī)( SVM)  和神經(jīng)網(wǎng)絡(luò)等方法。除 TF-IDF 算法外，其他的分類技術(shù)方法都要求規(guī)模較大的數(shù)據(jù)集，而為了使分類結(jié)果具有個性化，本文將根據(jù)每一個用戶數(shù)據(jù)作為分析對象，單個用戶的信息量是達(dá)不到那些算法的要求的，所以本文選用TF-IDF作為關(guān)鍵字分類的方法。

 

.........

總結(jié)與展望

本文以建立農(nóng)資智能推薦模型為目的，通過分析農(nóng)資產(chǎn)品、農(nóng)村市場、農(nóng)民用戶的特性，將其與普通智能推薦系統(tǒng)相結(jié)合，使之能夠?qū)r(nóng)資產(chǎn)品進(jìn)行推薦。在本章中首先介紹了智能推薦的研究現(xiàn)狀和農(nóng)業(yè)電子商務(wù)智能推薦系統(tǒng)的研究現(xiàn)狀；然后針對普通電子商務(wù)推薦系統(tǒng)缺乏農(nóng)資產(chǎn)品的針對性的問題，提出了農(nóng)資智能推薦系統(tǒng)模型的架構(gòu)設(shè)計；最后針對農(nóng)資智能推薦系統(tǒng)中推薦模塊的設(shè)計進(jìn)行了詳細(xì)的分析，并通過實(shí)驗驗證了三個推薦模式的可行性。以下是對全文內(nèi)容的詳細(xì)描述：
1）在文章的第二章中，本文將智能推薦模型分成了三個模塊，分別是輸入模塊、輸出模塊和推薦算法模塊，其中推薦算法模塊是設(shè)計的核心。本文根據(jù)功能的不同將該模塊細(xì)分為三個次級模塊，即數(shù)據(jù)分析（Data Analysis）、數(shù)據(jù)預(yù)處理（Data preprocessing）和算法設(shè)計模塊（Algorithm Design），將基于對象的設(shè)計思想融入其中，使推薦過程更加細(xì)化的同時方便了系統(tǒng)的擴(kuò)展與刪減。
2）在基于項目的協(xié)同過濾算法中，項目內(nèi)容是影響推薦的重要因素，所以針對項目內(nèi)容改良算法將會具有非常重要的意義，而如果將項目屬性作為分析對象，通過數(shù)據(jù)挖掘技術(shù)得到某些項目屬性對用戶的推薦效應(yīng)，找到能夠影響用戶購買的那些屬性，將會在很大程度上提升基于項目的協(xié)同過濾算法的推薦效果。
.........

參考文獻(xiàn):

[1] 孫凱,艾麗蓉.  基于項目屬性和項目度的BGPR算法[J]. 計算機(jī)工程. 2012(16)
[2] 王榮,王飛戈,吳坤芳.  基于改進(jìn)ROCK算法的個性化推薦系統(tǒng)研究[J]. 河南科學(xué). 2011(11)
[3] 卓廣平,孫靜宇,李鮮花,余雪麗.  一種基于CBR的個性化推薦算法[J]. 廣西師范大學(xué)學(xué)報(自然科學(xué)版). 2011(03)
[4] 蔣翀,費(fèi)洪曉.  個性化推薦系統(tǒng)中的混合用戶偏好獲取[J]. 計算機(jī)系統(tǒng)應(yīng)用. 2010(10)
[5] 陳婷,韓偉力,楊珉.  基于隱私保護(hù)的個性化推薦系統(tǒng)[J]. 計算機(jī)工程. 2009(08)
[6] 李快追,孫艷玲.  個性化推薦系統(tǒng)在農(nóng)業(yè)網(wǎng)站中的運(yùn)用研究——以四川農(nóng)經(jīng)網(wǎng)為例[J]. 市場論壇. 2009(02)
[7] 劉建國,周濤,汪秉宏.  個性化推薦系統(tǒng)的研究進(jìn)展[J]. 自然科學(xué)進(jìn)展. 2009(01)
[8] 劉輝,桑金歌.  基于聚類協(xié)作過濾的個性推薦系統(tǒng)的實(shí)現(xiàn)[J]. 微計算機(jī)信息. 2008(24)
[9] 陳雪峰,李樹剛.  基于BP神經(jīng)網(wǎng)絡(luò)的虛擬物品個性化設(shè)計推薦[J]. 計算機(jī)工程. 2008(10)
[10] 王文興.  基于Web的用戶可擴(kuò)展興趣表示模型[J]. 計算機(jī)工程與應(yīng)用. 2007(34)



本文編號：10935