个性化商品B2C网站推荐模型的研究和设计
孙洁，陈建斌，方德赢（音译） 北京联合大学商业学院，北京，100025，中国 北京联合大学商业学院，北京，100025，中国 北京联合大学商业学院，北京，100025，中国
摘要：个性化信息服务被看做是一个典型的方法去处理大量信息和个人需求两者
之间的矛盾。这篇文章根据个性化信息服务的思想，提出一个个性化商品B2C电子商务网站推荐模型。对于个性化推荐服务，本文中提出这个模型考虑到各种不同的使用者，而且可以学习和追溯使用者的兴趣爱好。而且，另一方面，商品是根据使用者的兴趣爱好进行推荐的。
关键字：B2C网站，个性化信息服务，个性化商品推荐模型
1. 引言
如今阶段，所有的不同种类的电子商务网站都受到了由于因特网技术的迅速发展而带来冲击。电子商务公司之间的竞争要比传统的企业之间的竞争更加激烈。以网络零售作为例子，传统模式下，顾客会浪费大量的时间和金钱在一个又一个的商业中心中进行选择，同时还需要去考虑一些相关的问题，例如出行路径。然而，顾客如果从一家电子商务网站到另一家电子商务网站中选择，只要在家里点几下鼠标就可以完成。因此，如何提高服务质量，如何吸引顾客以及维护好顾客成为网站经营者的一个需要解决的急迫的问题。
个性化信息服务是这个问题的一种解决方案，同时个性化信息服务已经广泛用作处理“信息过载”和“信息遗失”的问题。他可以向不同的用户提供面向顾客个别的个性化服务。事实上，这种服务的引入对于B2C网站来说有着极其重大的意义。
首先，对于电子商务企业来说，个性化信息服务的实现可以实现吸引更多的顾客，提高网站的访问量，而且可以借此培养用户的忠诚度。因此，个性化信息服务的实现可以帮助企业赢得更多的市场份额，而且可以帮助提高销售实力，最后获得
相当大的经济利益。
然后，对于顾客来说可以节省了很多的时间和金钱。面向顾客的个性化商品推荐不仅允许用户避免了大量的繁琐的搜索过程，这些搜索过程会导致大量的时间浪费，而且可以获得他们所需要的商品信息。同时，这个方法很有效的避免了“信息缺失”等问题。
最后，对于存在网站上的商品，信息资源得到有效的关注和推荐，使顾客和网站运营商等避免迷失在大量的信息海洋之中。
基于这种思想，本篇论文所展示个性化商品推荐服务模型是面向B2C类型的电子商务网站的。这种模型有两个主要的功能，一个功能是通过分析在网站上用户浏览和顾客行为来发掘用户的兴趣，另外一个功能是根据用户的兴趣，向可能购买这种商品的用户推荐商品。
2. 个性化商品推荐服务的过程设计
个性化商品推荐服务的基本过程
这种个性化商品推荐服务的过程是基于用户的注册信息以及用户在网站上浏览行为和购物习惯而建立的，然后据此建立用户的个人信息数据库——外部的信息源和用户个人兴趣数据库——内部的信息数据源，而且通过分析这些外部和内部信息建立用户兴趣模型，然后去探索用户的消费心理和兴趣，根据这些信息，在合适的时间，向那些可能愿意去买他们商品的用户推荐商品。
个性化商品推荐服务的详细分析
个性化商品推荐服务的基本过程如下图1所示：
信息资源过滤外部信息计算用户兴趣度建立用户兴趣表1分析兴趣信息计算用户间兴趣度建立用户兴趣表2计算兴趣相似度建立用户群计算反馈度计算推荐度计算推荐度列表推荐新产品选择推荐模块 图1 个性化商品推荐服务的基本过程 第一步，搜集信息资源：为了给顾客提供恰当的个性化信息服务，对顾客的信息做一个详细的分析是必须的。一般而言，如果顾客提供更多的用户信息，这种分析将更准确，同时如果有更多的顾客在网站上访问和购物记录，网站可以提供的服务也会更好。用户的信息可以粗略分成两类，一类是外部信息——顾客在注册的时候填写的表单内容，另一类是内部信息——顾客的浏览行为和购物记录。以顾客是随机访问网站的内容的角度来看，这些内部信息是需要过滤的。例如，尽管不可能做到完全的精确，但是我们可以过滤货那些浏览频率很低的货物的信息。总而言之，精确地发现出用户的信息资源是个性化信息服务的一个很好的开始。
第二部，计算用户兴趣度：在本篇论文中，用户兴趣度的计算是基于用户的购物的可能性，主要是为了进行内部信息分析。兴趣度的计算对于个性化商品推荐服务是很重要的，因为他是向顾客推荐他感兴趣的商品和对这些商品的进行排名的基础。兴趣度可以依照商品的名字和类别分别各自地累积。具有很高分数的商品排列在表1的顶部，同时，商品组有很高分数的排在表格2的顶部。靠前的排序的商品将会是第一个推荐给这个用户所在组的其他用户，在所有参与了这个推荐过程中将会第一个被推荐给用户。同时，这个也与新产品的推广有关。考虑到网站运营者的
费用，同样地也考虑到用户可能接受的信息，把存在于这个兴趣度表中所有的商品都推荐给顾客是很不可能的，因此，只有那些有更高的兴趣度的商品才能被选择进行推荐计算。
第三步，计算用户信息相似度：这部分的主要数据来源是外部用户信息。这个所谓的外部信息是会员用于在这个网站中注册所需要填写的基本信息，包括会员名，密码，生日（用于计算用户年龄），性别，血型（与个性紧密相关），受教育程度，职业，联系方式等信息。首先，这些信息应该是经过筛选的，因为并不是所有的信息都是可以用于计算过程的，例如，用户名，密码，联系方式等。在这之后，需要的是用于计算相似度的公式。用户信息相似度的计算，将会影响在相同用户群中的顾客对信息都感兴趣的质量。
第四步，建立用户群：常被采用的方法是聚类算法。用户具有相同兴趣的将会被分到同一个相同的用户群中。同时，一个用户可能会被分到不同的用户群中。对用户群的分类的原因是是一个用户感兴趣的商品可以推荐给同一组中的其他的用户，实现在同一用户群中推荐同一种类的商品的目的。
第五步，计算推荐度：这是计算链的最后一步。这点关系到推荐列表的形成。考虑到用户的接受推荐信息的能力，不可能推荐表格中所有的商品给用户，这里需要考虑的是什么时间进行推荐以及进行推荐的商品的数量。所以，推荐表格中的商品的合成是特别重要的。不仅仅是合成的问题，同样的时间也是必须要考虑的问题，例如用户的生日以及节假日。
第六步，推荐新产品：为了丰富网站的商品，关注市场是用于来维护顾客的最基本要素。即时提供了最好的服务，但是如果商品不能跟上潮流，或者商品根本不能满足用户的基本需求，这样会直接导致顾客的流逝。在介绍新的产品之后，首先根据分类添加商品信息，然后根据用户的兴趣，考虑这些商品是否需要包含在推荐列表中。
第七步，选择推荐方式：
1）渠道推广，渠道网络广播是目前使用很广泛的技术。某些页面在浏览器中就是定义成渠道的，用户可以通过网络作出选择去接受他感兴趣渠道内容。
2）电子邮件推广，采取主动方式通过电子邮件将约定好的信息发布给存在列表上的用户。
3）网络推广，在特殊的页面，信息就可以被对它敢兴趣的用户接收到。 4）独家推广，通过私人的一对一的对等的方式进行交流，信息就可以被送到特殊的用户。
3.个性化商品推荐服务模型的构建
个性化商品推荐服务模型是实现个人信息服务的一个关键的部分。这个模型一般有两个主要功能，一个是对用户兴趣进行挖掘，另一个是进行信息推荐。
个性化商品推荐服务模型的结构
个性化商品推荐服务模型中有两个核心，一个是用户兴趣发掘模型，另一个是商品推荐模型。每个模型都包括几个拥有自己的独立功能的模块。整体模型的功能的实现是通过这些模块之间共同合作完成的。
个性化商品推荐服务模型的结构如下图2所示：
UserUser information DatabaseUser interfaceModelUser behaviourDatabaseUser groupEstablishing ModelUser interest DatabaseUser behaviourAnalysis ModelUser informationAnalysis ModelUser recommendedDatabaseFeedback statisticModelInformationRecommended ModelUser 图2 性化商品推荐服务模型的结构