张金泽 天津现代职业技术学院
面向移动电商个性化推荐系统模型的研究
张金泽 天津现代职业技术学院
移动电商已成为消费形式主流，其个性化推荐系统的研究尤为重要，文章从建立模型的角度，分析输入模块、推荐处理模块、输出模块三部分及系统过滤、内容推荐的应用。
移动电商；个性化推荐；协同过滤；内容推荐
1.移动电商的特殊要求
基于移动平台的电商个性化推荐系统除了需要满足传统的软件系统诸如系统性、实用性、安全性、易操作性和可扩展性的性能要求之外，还要考虑移动电商的特殊性带来的影响。移动电商对电商个性化推荐系统的要求如下:
1.1 用户兴趣偏好的实时性
用户的兴趣偏好是不断变化的，体现在系统中就是用户评分数据随着用户的商品浏览、购买及评分等操作而改变。移动平台赋予了电商的移动性特点，移动中的用户更容易受到不同情境的影响，兴趣变化程度更为突出。这就要求系统能够及时捕获用户兴趣的变化，把握用户的实时兴趣偏好，做出准确有效的推荐。
1.2 系统响应的快速性
移动电商面向的是使用移动终端进行网购的用户，用户在移动终端上对系统延时等待的忍耐程度要远远低于传统的端，这就要求系统拥有较高的运算和传输效率，能够快速响应用户的要求，在最短的时间内为用户提供准确、可靠的推荐结果。
1.3 大数据处理的适应性
移动平台的便携性使得用户可随时随地浏览商品信息。没有时间和地点的限制，用户的访问量和数据量将会大幅增加，这要求系统具备良好的大数据处理能力，在大数据、高并发情况下也能保证快速响应和有效处理。
2.推荐系统的模型
系统模型由三个部分组成：输入模块，推荐处理模块以及输出模块构成。
2.1 输入模块
输入模块一般是客户端或者浏览器与用户进行交互，将用户的交互信息收集并存储起来，或者直接交给推荐处理模块进行处理。不同类型的电商推荐系统，收集和处理的用户信息各不相同，有的收集用户的浏览页面路径，有的收集用户的评价，这都会导致推荐结果的不同。电商推荐系统输入模块可以使用如下的信息：顾客注册信息、用户主动评分信息、用户隐式浏览信息、用户文本评价信息、关键字信息、用户购买信息。
2.2 推荐处理模块
推荐处理模块是电商推荐系统模型的主体，具有承前启后作用，接收输入模块的数据，将推荐结果交给输出模块。推荐处理模块具体分成两个部分：推荐建模和推荐引擎。推荐处理模块可以使用不同的推荐算法，还可以使用结合的算法。
协同过滤系统是目前应用最为广泛的个性化推荐系统,其中Grundy被认为是第一个投入应用的协同过滤系推荐工具。 Grundy系统可以建立用户兴趣模型,利用模型给每个用户推荐相关的书籍。 Tapes2try邮件处理系统人工确定用户之间的相似度, 随着用户数量的增加,其工作量将大大增加,而且准确度也会大打折扣。 GroupLens建立用户信息群,群内的用户可以发布自己的信息,依据社会信息过滤系统计算用户之间的相似性,进而向群内的其他用户进行协同推荐。 Ringo利用相同的社会信息过滤方法向用户进行音乐推荐。其他利用协同过滤方法进行推荐的系统还有Amazon1com的书籍推荐系统,Jester的笑话推荐系统,Phoaks的www信息推荐系统等。
内容推荐许多改进算法已经被广泛研究并且应用到标准的相关性计算和夹角余弦公式中。例如缺席投票(defaultvoting),事例引申(caseamplification)和加权优势内容推荐预测等。其中,缺席投票是基于记忆方法的一种扩展。如果用户明确评分的产品数目很少,上面提到的算法得到的用户相似度都不准确。原因在于这种相似性的计算是基于用户x和y共同评过分的产品集合。实证数据表明,如果给一内容推荐些没有打分的产品赋予一些缺省的打分值,那幺预测分数的准确性将大幅度提高。Sarwar等提出应用相关性和夹角余弦方法计算产品之间的相似性。这个思想被Deshpande和Karypis推广到基于产品相似性的top2N推荐算法中,即在进行推荐的时候只考虑相似度最高的N个产品,并非所有的产品。实验证明这种方法不仅比传统的基于用户邻居的推荐算法快1—2个数量级。
2.3 输出模块
输出模块就是把结果输出给用户。它也是与用户的交互过程，对应于输入模块。经过推荐处理模块的处理后，就需要用户能够看到推荐的结果电商推荐系统可以使用不同的方式呈现其推荐的结果，结果的类型也不同，电商推荐系统的输出结果可以分为几种形式：
（1）相关产品的输出：推荐的结果就是商品的集合。典型的列表如 Top－N推荐列表或销售排行列表。
（2）等级评分的输出：对应于输入数据的主动评分信息，用户对商品打分，系统记录并统计这些信息，推荐处理模块生成用户对该产品的综合评分，帮助用户判断该产品的质量或者性能。
（3）电子邮件的输出：其实和相关的产品输出一样，都是具体的商品集合。但是呈现方式不同。它不是直接呈现，而是通过电子邮件发给用户。这种输出的方式是站点与用户之间的交互，可以定期吸引客户到站点访问，提高用户忠诚度，减少用户的丢失。
（4）文本评论的输出：对应于输入模块的文本评论信息。当用户浏览某个商品时，可以给出这些评价信息。根据这些评价信息可以辅助用户了解该产品的性能，决定是否购买。
[1]邓晓懿.移动电商个性化服务推荐方法研究[D].大连理工大学,2012.
[2]李鹏辉.基于移动平台的电商个性化推荐系统研究：（硕士论文）.大连海事大学,2014.
张金泽（1982），男，天津人，职务：教师，研究方向：电商运营/信息技术。
