論文關鍵詞：電子商務 推薦系統 推薦技術
一、引言
隨着網絡的廣泛普及，電子商務對傳統的商貿活動產生了革命性的變化，產生從以商品為中心到以客户為中心的商業模式的轉變。新的商業環境在為企業提供新的商機的同時，也對企業提出了新的挑戰。圍繞客户進行服務，為客户提供所需要的商品，所以對每個客户提供個性化的服務已經成為必要。而電子商務推薦系統成為解決問題的重要途徑。本文研究了電子商務推薦系統中的各類推薦技術。
二、電子商務推薦系統
電子商務推薦系統定義為：利用電子商務網站向用户提供商品信息和建議，幫助客户決定應該購買什麼產品，模擬銷售人員幫助客户完成購買過程。它是一個基於客户網上購物的以商品為推薦對象的個性化推薦系統，為客户推薦符合其興趣愛好的商品。分析客户的消費偏向，向每個客户具有針對性地推薦的產品，幫助客户從龐大的商品目錄中挑選真正適合自己需要的商品。電子商務推薦系統在幫助了客户的同時也提高了客户對商務活動的滿意度，從而換來對電子商務站點的進一步支持。
電子商務推薦系統主要起到了三個方面的作用：首先，極大地增加了客户，可以把網站的瀏覽者轉變為購買者，提高主動性;其次，可以提高網站相關係列產品的連帶銷售能力;最後，可以提高、維持客户對網站的滿意度和信任度。
電子商務推薦系統具有良好的發展和應用前景。在日趨激烈的競爭環境下，電子商務推薦系統能有效保留客户，提高電子商務網站系統能大大提高企業的銷售額。成功的電子商務推薦系統將會產生巨大的經濟效益和社會效應。
三、電子商務推薦技術
目前，電子商務推薦系統中使用的主要推薦技術有基於內容推薦，協同過濾推薦，基於知識推薦，基於效用推薦，基於關聯規則推薦，混合推薦等等。
1.基於內容的推薦。
它是信息過濾技術的延續與發展，項目或對象通過相關特徵的屬性來定義，系統基於商品信息， 包括商品的屬性及商品之間的相關性和客户的喜好來向其推薦。基於商品屬性主要是基於產品的屬性特徵模型推薦。
內容推薦技術分析商品的屬性及其相關性可以脱機進行，因而推薦響應時間快。缺點是難以區分商品信息的品質和風格，而且不能為用户發現新的感興趣的.商品，只能發現和用户已有興趣相似的商品。
2.協同過濾推薦。
協同過濾推薦是目前研究最多、應用最廣的電子商務推薦技術。它基於鄰居客户的資料得到目標客户的推薦，推薦的個性化程度高。利用客户的訪問信息，通過客户羣的相似性進行內容推薦，不依賴於內容僅依賴於用户之間的相互推薦，避免了內容過濾的不足，保證信息推薦的質量。
協同過濾推薦優點有:能為用户發現新的感興趣的商品;不需要考慮商品的特徵，任何形式的商品都可以推薦。缺點是:稀疏性問題，用户對商品的評價矩陣非常稀疏;可擴展性問題，隨着系統用户和商品的增多，系統的性能會越來越低;冷啟動問題，如果從來沒有用户對某一商品加以評價，則這個商品就不可能被推薦。
3.基於知識的推薦。
在某種程度上可以看成是一種推理技術，各個方法因所用的知識不同而有明顯區別。基於知識的推薦提出了功能知識的概念。簡單的説，功能知識是關於某個項目如何滿足某個特定客户的知識，它能解釋需要和推薦之間的關係。在基於知識的推薦看來，客户資料可以是任何能支持推理的知識結構，並非一定是用户的需要和偏好。
4.基於效用的推薦。
它是根據對客户使用項目的效用進行計算的，核心問題是如何為每個客户創建效用函數，並考慮非產品屬性，如提供商的可靠性和產品的可用性等。它的優點是能在效用函數會考慮非產品因素。效用函數通過交互讓用户指定影響因素及其權重對於大多數用户而言是極其繁瑣的事情，因而限制了該技術的應用。
5.基於關聯規則的推薦
系統往往利用實際交易數據作為數據源，它符合數據源的通用性要求，以關聯規則為基礎，把已購商品作為規則頭，推薦對象作為規則體，其中關聯規則的發現最關鍵且最耗時，但可以離線進行。其特點是實現起來比較簡潔，推薦效果良好，並能動態地把客户興趣變化反映到推薦結果中。
6.混合推薦技術。
混合推薦系統整合兩種或更多推薦技術以取得更好的實際效果。最常見的做法是將協同過濾推薦技術與其它某一種推薦技術相結合。例如，結合基於協同過濾和基於內容推薦這兩種推薦技術，儘量利用它們的優點而避免其缺點，提高推薦系統的性能和推薦質量。比如，為了克服協同過濾的稀疏性問題，可以利用用户瀏覽過的商品預期用户對其他商品的評價，這樣可以增加商品評價的密度，利用這些評價再進行協同過濾，從而提高協同過濾的性能。
四、總結
電子商務推薦系統，一方面有助於電子商務網站內容和結構自適應性的實現，另一方面在幫助客户快速定位感興趣的商品的同時也為企業實現了增值。電子商務推薦系統作為有利的分析工具和促銷手段，已成為電子商務網站的競爭工具，必將獲得廣泛的應用和發展。本文對電子商務推薦系統進行了介紹，並對推薦技術進行了概述。目前國內的電子商務網站在這方面的實踐處在快速發展的階段，因此還需要繼續研究出更智能、更優化的電子商務推薦技術。
參考文獻：
樑 英:電子商務個性化推薦技術研究[J].商場現代化，2017，26
鄧曉輝 漆 強:淺析電子商務推薦系統[J].企業經濟，2017，08
文學範文吧
