- 1 -
电子商务推荐技术发展的新动向
1
张光前
1
,郭艳红
1
,高歌
2
1 大连理工大学系统工程研究所,辽宁大连(116024)
2 吉林大学管理学院 吉林长春(130012)
E-mail:zhgq@dlut.edu.cn
摘 要:该文介绍两个电子商务推荐的实例,从中提炼出两种新的电子商务推荐技术:基于
广义基因的推荐和基于社会化标签的推荐,并分析了它们的特点及在发展过程中亟待解决的
问题。由于它们与现有电子商务推荐技术的原理根本不同,因此不存在现有电子商务推荐所
普遍具有的冷启动、计算复杂性、数据稀疏等问题。尽管这两种推荐技术有很大的发展前景,
但还处于萌芽状态的,需要进行深入的研究,才有可能发展为成熟的电子商务推荐技术。
关键词:个性化推荐 广义基因 标签 Web2.0
中图分类号:查阅《中国图书馆分类法》
1. 引 言
网站的推荐机制是电子商务或内容网站的核心功能之一。目前几乎所有大型的电子商务
系统,如 Amazon、CDNOW、Netflix 等,都不同程度上使用了各种形式的推荐系统。出色
的推荐机制会留住老用户,吸引新用户。
电子商务推荐是一种个性化推荐。其核心问题是发现用户的偏好
[1]
,而在实际应用中发
现用户偏好是一个非常具有挑战性的问题,于是有些推荐技术就退而求其次,找到与目标用
户兴趣相近的一组用户即可。也就是说,以前的行为选择与你相似的用户,在以后的行为中
很可能也会和你相似。这可以看作是现有电子商务推荐技术的基本原理。
现有的电子商务推荐技术可分解为数据和算法两个层次。个性化推荐是数据优先的,目
前所用的数据主要有:用户浏览历史记录、对商品的评价(评分)、购买记录、用户个人信
息等等能够显式或者隐式体现出用户喜好的数据。通常,数据的积累越多对推荐的精度就越
有好处;算法层就是具体的个性化推荐算法,如协同过滤、关联规则、效用函数、统计分析
等;两者的有机结合就形成了协同过滤推荐、基于内容推荐、基于人口统计推荐、基于效用
推荐、基于知识推荐等各种推荐技术。
于是,现有的电子商务推荐技术可以表示为:
电子商务推荐技术=F(数据(含使用方向),算法)
值得说明的是,有的电子商务推荐技术专指算法一项,而这里的推荐技术则包括数据及
其使用的一个完整的过程。
例如,迄今为止,协同过滤(Collaborative Filtering)技术是应用最成功的个性化推荐
技术
[2]
,也是解释上面公式的最佳例子。首先,用户相关的最初数据转化为用户-商品之间
关系的矩阵(这里是用表格表示的,如图 1 所示)。矩阵中的值可表示购买与否或对用户对
商品的评价等。这是进行推荐的基础数据。
在此基础上,横向看就是第一代基于用户(User-based)的协同过滤技术,是通过比较
目标用户的一系列行为选择来识别出一组相互具有同好的用户;纵向看就是第二代基于内容
项的协同过滤技术,计算内容项之间的相似性比较的是内容项与内容项之间的相似度。这种
1
教育部博士点基金新教师项目(20070141037)
http://www.paper.edu.cn