电子商务推荐系统关键技术分析

杨明娟

摘 要：随着互联网技术的快速发展，为电子商务的发展提供了更大的空间，目前，电子商务的技术也越来越发达，以前的电子商务的服务是一个人对多个人，现在的电子商务模式变成了一个人对一个人。为每个用户提供及时的服务，并且传递正确的消息。在生活中，物流变得越来越便利，物流行业的发展是电子商务发展的前提，每个商家在网上可以卖出多种多样的商品，而且用户可以足不出户的发现自己需要的商品，用户不需要花太多的时间的时间就可以找到自己需要的商品。所以电子商务系统是为了给人们提供更好的购物便利，根据人们的日常浏览得出每个人的兴趣爱好，并且推荐给用户，这样就可以节约人们的时间，充分发挥电子商务的作用。

关键词：电子商务;推荐系统;关键技术分析

目前，电子商务行业发展迅速，电子商务的推荐系统也有获得了很大的發展，为人们提供了方便，电子商务系统是电子商务中不可缺少的内容，越来越多地受到人们的重视。电子商务有很快的发展，电子商务推荐系统也在实践中不断地发展和完善，与此同时，在发展的同时也面临着不同的挑战，本文主要针对电子商务推荐系统技术展开讨论，对电子商务推荐系统技术进行了分析，并且提出了针对性地改变策略。

一、电子商务推荐系统

电子商务推荐系统主要是通过电子商务网站像用户推荐更多用户感兴趣的商品信息，让用户对推荐的商品更加感兴趣，这个过程和商场里销售员向顾客推荐商品性质是一样的，通过推荐，让用户进行购买，属于自动化的销售过程，也称为个性化推荐系统。在以往的商品推荐中，商场的售货员通过会向顾客推荐顾客所需的商品。但是当前处于电子商务时代，越来越多地消费者选择电子商务的形式进行消费，而且网上的商品更加丰富多样，虽然采用了人工客服的方式对商品进行介绍，但是这种方法既费人力而且经常发生回复不及时的情况，这就会降低消费者的购买欲望。在这种情况下，电子商务推荐系统就发挥了关键作用，电子商务推荐系统就像是在商场中的售货员，将商品的具体信息传递给小分着，并且帮助消费者购买商品。电子商务的优点在于可以准确了解到用户的购买需求，并且结合用户的购买需求向消费者做出个性化地推荐。随着电子商务系统的快递发展，目前也面临一些问题，主要是电子商务系统推荐商品的依据，以及采用什么样的推荐策略，最后是需要通过采用什么方法进行推荐更容易让消费者接受。

二、电子商务个性化推荐技术

（一）协同过滤的推荐技术

基于协作过滤的推荐技术是目前研究最多的个性化推荐技术，从其他用户的角度为目标用户生成推荐列表。在高度个性化的协作过滤推荐系统中，通过的典型描述方式是将用户对商品的评价作为用户的购物倾向。随着用户和系统之间交互时间的延长，推荐协作过滤的核心想法是充分从意图相似的用户组购买商品进行相关推荐。这取决于用户组的情况。协同过滤的最大优点是对推荐对象没有特殊要求，可以处理非结构化的复杂对象。比方说，拿音乐、电影方面的推荐为例协同过滤推荐主要分为三类：临近协同过滤推荐方法、项目作为基础的协同过滤方法、将模型作为基础的协同过滤方法。临近协同过渡推荐技术是基于这些假设，对其他项目进行类似评价的过程，协作过滤推荐系统使用统计技术搜索目标用户的，并根据最近相同用户的评价预测目标，生成相应推荐列表的目标用户最近的查询是否正确是共同过滤建议成功的关键。基于项目的协作过滤最好预测用户对目标项目的评价和当前用户的评价。基于项目的协作过滤推荐系统使用统计技术查找目标项目的最近购买商品情况。当前用户最近对邻居的评价与对目标项目的评价相似。基于模型的协作过滤建议，可以根据当前用户的最近购买情况评估来预测与目标项目评估相对应的建议列表。首先使用历史数据获取模型，然后根据模型预测后的推荐广泛使用。

（二）把内容作为基础的推荐技术

基于内容的推荐是信息过滤的持续和发展。商品是由相关特征的属性定义的。系统根据用户评价对象的特点了解用户兴趣，并根据用户数据和预测项目的一致性推荐购买内容。只能推荐用户已经感兴趣的类似信息。

（三）将效用作为基础的推荐技术

基于效用的推荐根据用户要求和可选选择集的匹配评价来计算商品，推荐用户的效用。它的核心问题是生成适合每个用户的效用函数。基于效用的推荐是系统为用户生成的效用函数

（四）基于知识库为基础的推荐技术

知识库推荐是通过判断用户的需求来推荐的。具有满足特定用户要求的特定产品的知识，导出用户要求和建议项目之间的关系。知识库推荐可以是支持派生的任何知识结构。每个方法根据用户使用的知识，在配置的查询语句系统中，仅明确区分用户说明的知识。例如，使用页面之间的链接信息推测热门度和权限，使用与函数相关的知识计算实用程序函数的用户统计数据的推荐技术。

三、各推荐技术之间的对比

基于协作过滤的推荐依赖于用户之间评价的重叠，因此在同一评价产品时，特别是在新系统开发初期，只有少数用户，可以处于说“评价稀缺”的状态。在用户基数不大的情况下，用户关注度明显，用户关注密度相对较高产品，数量相对较小且固定的情况下，用户之间可以共享的产品联合过滤建议最合适。也就是说，将用户与不同用户群体分离的基于内容的推荐也是推荐商品。基于内容的电影推荐系统可以在没有新用户问题的情况下共享。也就是说，评价少的新用户很难推荐评价少的新商品，可以分为基于“评价少”问题效用的推荐需求系统。包括交货计划、保证条件等。它构建了涵盖所考虑商品所有特征的效用函数。产品仅限于特定的性能特性，可以通过基于实用程序的系统表达所有考虑事项。要设置完全感兴趣的实用程序函数，建议测量这些元素权重。这是一个完全明确的实用工具功能，会给用户和系统交互带来负担，对有特殊购买要求的专业用户有用，但对几乎没有相关知识的临时用户来说可能会很麻烦。基于效用的推荐系统不适合用户知识的临时阅读。推荐的重点和难点是知识，即推荐产品及其特点的知识，其次是功能知识。该系统可以与能够满足用户需求的产品功能相比较。为了提供高质量的推荐服务，需要用户相关知识的新系统在基于用户统计的推荐中有“灰色量”，但没有新的用户问题。该系统不需要用户评估产品，但随着隐私问题的敏感性提高，收集必要的用户统计数据是推荐系统面临的问题。

结束语：电子商务推荐系统为电子商务的发展发挥着很大作用，是一种新的电子商务技术，目前，虽然取得了一定的成效，还是存在一些问题，因此，在电子商务个性化推荐的发展中仍然需要加强对技术的研究，结合时代的需求，做出更多适应时代发展的电子商务技术策略，促进点电子商务的长远发展。

参考文献：

[1]电子商务推荐系统地研究[J]. 王丹，赵瑜，王乐天.  泰安教育学院学报岱宗学刊. 2019（03）

[2]基于ART的电子商务推荐系统地研究与实现[J]. 刘芳，晏志勇.  中国商贸. 2019（07）

[3]电子商务推荐系统研究[J]. 黎星星，黄小琴，朱庆生.  计算机工程与科学. 2016（05）