摘要：為了使用戶及時(shí)從大量數(shù)據(jù)中得到所需信息，電子商務(wù)個(gè)性化信息推薦服務(wù)應(yīng)運(yùn)而生。本文分析了目前推薦服務(wù)的優(yōu)缺點(diǎn)，介紹了實(shí)現(xiàn)推薦服務(wù)的技術(shù)，并通過實(shí)例說明了推薦系統(tǒng)的設(shè)計(jì)實(shí)現(xiàn)過程。（上海企業(yè)網(wǎng)站建設(shè)）

    互聯(lián)網(wǎng)上蘊(yùn)藏著的海量信息，對于用戶來說已經(jīng)大大超過了可能的接受量。用戶希望能從琳瑯滿目的電子商務(wù)網(wǎng)站中盡快找到心儀的物品。商家也希望能推銷出自己的產(chǎn)品，吸引客戶，所以推薦系統(tǒng)孕育而生，其作用如下：

　　1，將電子商務(wù)系統(tǒng)的瀏覽者轉(zhuǎn)變?yōu)橘徺I者。電子商務(wù)系統(tǒng)的訪問者在瀏覽過程中經(jīng)常并沒有購買欲望，推薦系統(tǒng)能夠向訪問者推薦他們感興趣的商品，從而完成購買過程。

　　2，提高電子商務(wù)系統(tǒng)的交叉銷售。電子商務(wù)推薦系統(tǒng)在用戶購買過程中向用戶提供其它有價(jià)值的商品推薦，用戶能夠從提供的推薦列表中購買自己確實(shí)需要但在購買過程中沒有想到的商品，從而有效提高電子商務(wù)系統(tǒng)的交叉銷售。（上海做網(wǎng)站）

　　3，保留用戶。與傳統(tǒng)的商務(wù)模式相比，電子商務(wù)系統(tǒng)使得用戶擁有越來越多的選擇，用戶更換商家及其方便，只需要一兩次鼠標(biāo)的點(diǎn)擊就可以在不同電子商務(wù)系統(tǒng)之間跳轉(zhuǎn)。電子商務(wù)推薦系統(tǒng)分析用戶的購買習(xí)慣，根據(jù)用戶需求向用戶提供有價(jià)值的商品推薦。如果電子商務(wù)推薦系統(tǒng)的推薦質(zhì)量很高，那么用戶會(huì)再次訪問這個(gè)網(wǎng)站，并會(huì)推薦給其他人，這對于網(wǎng)站來說是一個(gè)很大的優(yōu)勢。

　　推薦系統(tǒng)的分類

　　根據(jù)電子商務(wù)推薦系統(tǒng)所采用的推薦技術(shù)，電子商務(wù)推薦系統(tǒng)主要分為：（上海網(wǎng)站推廣）

　　1，基于內(nèi)容過濾的推薦系統(tǒng)。系統(tǒng)通過比較商品之間的相似性，而不是用戶之間的相似性實(shí)現(xiàn)推薦功能。其優(yōu)點(diǎn)是簡單有效，建模和商品間的相似性度量可以離線進(jìn)行，推薦響應(yīng)時(shí)間快，但系統(tǒng)難以區(qū)分商品信息的品質(zhì)和風(fēng)格，而且不能為用戶發(fā)現(xiàn)新的感興趣的商品。

　　2，基于協(xié)同過濾技術(shù)的推薦系統(tǒng)。系統(tǒng)學(xué)習(xí)目標(biāo)用戶和歷史用戶之間購買行為的相似性，從而根據(jù)相似歷史用戶的購買行為生成推薦結(jié)果。其優(yōu)點(diǎn)是能為用戶發(fā)現(xiàn)新的感興趣的商品而不需要考慮商品的特征，任何形式的商品都可以推薦。缺點(diǎn)是用戶對商品的評價(jià)矩陣非常稀疏；<優(yōu)麥電子商務(wù)論文>隨著系統(tǒng)用戶和商品的增多，系統(tǒng)的性能會(huì)越來越低；如果從來沒有用戶對某一商品加以評價(jià)，則這個(gè)商品就不可能被推薦。

　　3，基于知識(shí)的推薦。系統(tǒng)具有特定物品滿足特定用戶需要的知識(shí)，并能由此推導(dǎo)出這種需要與推薦結(jié)果的相互關(guān)系。適用于用戶臨時(shí)、隨機(jī)瀏覽的情況。它沒有新系統(tǒng)剛開始時(shí)常有的低質(zhì)量推薦問題。只要所依據(jù)的知識(shí)允許。它做出的推薦就能為多數(shù)用戶廣泛使用。（上海網(wǎng)絡(luò)優(yōu)化）

　　4，基于Web數(shù)據(jù)挖掘的推薦系統(tǒng)。個(gè)性化推薦服務(wù)即根據(jù)用戶的興趣和特點(diǎn)向用戶推薦其感興趣的信息，通過收集和統(tǒng)計(jì)用戶站點(diǎn)訪問信息，分析用戶的瀏覽和購買行為來進(jìn)行頁面或商品的推薦，因此系統(tǒng)的推薦準(zhǔn)確性高。

　　基于Web數(shù)據(jù)挖掘的推薦系統(tǒng)的設(shè)計(jì)

　　Web數(shù)據(jù)挖掘一般分為三個(gè)階段：數(shù)據(jù)預(yù)處理，模式挖掘，模式分析及應(yīng)用。（企業(yè)網(wǎng)站建設(shè)）

　　1，數(shù)據(jù)預(yù)處理。由于本地緩存、代理服務(wù)器、防火墻的存在，使得Web日志中的數(shù)據(jù)并不精確，直接進(jìn)行挖掘有可能出現(xiàn)錯(cuò)誤結(jié)果。因此首先對日志數(shù)據(jù)進(jìn)行預(yù)處理，它包括數(shù)據(jù)凈化、用戶識(shí)別、會(huì)話識(shí)別、路徑補(bǔ)充和事務(wù)識(shí)別等。數(shù)據(jù)清洗主要是刪除與挖掘算法無關(guān)的記錄；用戶識(shí)別是根據(jù)用戶IP地址、瀏覽器、網(wǎng)站拓?fù)浣Y(jié)構(gòu)判斷訪問服務(wù)器的個(gè)體；會(huì)話識(shí)別是一個(gè)用戶在一定時(shí)間內(nèi)請求的所有Web頁面：路徑補(bǔ)充指將日志文件中遺漏的頁面補(bǔ)充在路徑中；事務(wù)識(shí)別主要是將頁面訪問序列劃分為代表Web事務(wù)。

　　2，模式挖掘階段。該階段的任務(wù)是采用挖掘算法來挖掘用戶的訪問模式和傾向，分析個(gè)別用戶的偏愛，以改進(jìn)站點(diǎn)的組織結(jié)構(gòu)，為用戶提供定制服務(wù)。[Page]

　　3，模式分析及應(yīng)用階段。該階段是挖掘的后一個(gè)階段，它獲取當(dāng)前用戶的訪問操作，結(jié)合模式挖掘模塊獲得的模式執(zhí)行推薦算法，計(jì)算生成推薦頁面，并將推薦頁面發(fā)送給客戶端瀏覽器。（上海網(wǎng)站建設(shè)）