电子商务个性化推荐系统_电子商务个性化推荐分析论文

2020-11-25 经济论文 阅读:

  摘要:近年来,科技的不断进步也推动了网络规模的扩大,伴随着网络规模的扩大电子商务的地位越发的凸显出来,并成了当前工作中相当重要的一种模式。然而,电子商务的发展并不简单。作为一个虚拟的交易平台如何留住顾客以及吸引顾客是一大难题,对这一问题的研究是目前电子商务平台的首要问题。文章从电子商务个性化推荐这一点上进行研究,对上述问题进行探讨。

  关键词:电子商务;个性化推荐;技术应用

  在电子商务的推荐技术组成中,个性化的推荐技术是其中较为重要的组成部分。这一部分在某种意义上来说决定了推荐系统的性能优劣程度。个性化的系统在电子商务的运行过程中,能够起到记录用户浏览历史并对其进行分析的作用。这能够使电子商务的个性推荐系统对用户日常的爱好进行挖掘,并预测用户感兴趣的商品,从而进行推荐。这样,在使得企业的产品销售量得到增加同时还能够使用户的在购买的过程中得到良好的体验。在此基础上对于电子商务个性化推荐系统的研究具有重要的意义。

  一、概括电子商务个性化推荐系统

  通过对电子商务系统的不断完善与发展,目前对于商品信息的表现越来越复杂化多样化,对于用户的需求的满足也越发的艰巨。在这一背景下,对用户进行精准的营销成了当前相当重要的一个热点,受到广大商家的追捧。进而提升了电子商务系统的开发程度。最开始的电子商务推荐系统,其主要任务就是收集用户的信息并主动向主系统进行反馈,在进一步将系统消息发送到用户的邮箱中,进行信息的互动。伴随近年来电子商务推荐系统的不断发展,其更加具有人性化的特点。在用户购买过程中提出建议帮助用户做出决策。成功的电子商务个性推荐系统对于电子商务网站以及用户来说提供了以下几个方面的优势:1.在用户挑选商品的过程中为用户提供参考,缩短用户在商品选择上所耗费的时间。提高用户的挑选效率,增强用户购买体验。2.用户在获得推荐完成购买这一过程中,通过自身所获得的良好体验进而增强对网站的信赖感。进而带动新用户的产生,提高网站流量。3.良好的个性化推荐能够增强用户的购买欲望,挖掘潜在客户。4.电子商务个性化推荐系统在为用户推荐产品的过程中,从侧面来说也拓展了用户的视野,能够帮助用户挖掘新的兴趣点。

  二、电子商务个性化推荐信息的形成

  电子商务个性化的推荐系统,其推荐信息的形成必须以推荐库的建立为前提。再者就是对于用户使用模式的建立,最终生产出推荐信息。1.推荐库的产生:通过透明爬虫程序在网页的爬取进而产生网页文本,再将网页内容进行清洗,并且对正文内容进行操作。对信息进行分析后存于推荐文库中。2.建立用户模型,从用户端进行资料的收集,在对这方面的资料收集过程中,包含了用户的浏览习惯。根据这些资料可从模型库中进行信息的比对,进而向用户推荐他所感兴趣的热点信息。3.推荐信息的产生是经由推荐系统与其他信息进行交互所产生的。

  三、电子商务个性化推荐系统在现实中的应用

  在电子商务推荐系统中,电子商务个性化推荐系统作为其核心技术,在商品的推荐上所使用的主要技术方面体现为协同过滤技术以及知识推荐技术等。协同过滤技术作为电子商务个性化推荐中使用最为广泛的技术。这种技术依靠邻居用户所得到的目标资料,进而进行用户推荐,这种推荐方式的个性化相当高。在电子商务的各种个性化推荐技术中,协同过滤由兴趣相近用户作为出发点进行用户推荐。这种推荐方式的优点是,只要维护好用户兴趣的数据库,对用户的爱好进行定期分析,与相同爱好群体进行交互,就可以相对简单地进行精准的用户推荐。况且,在使用这一技术的过程中,所推荐的用户在产品的偏爱上与其他商品也有着一定的联系。正因如此,对用户的购买情况进行首要分析相当必要,其次是对各商品间的近似度进行调查分析。通过所得出的分析结果进行推荐。这两种不同的推荐策略,前者是将客户与客户的关系作为运行的核心,后者是将商品间的联系作为运行核心。虽然核心不同,但只要是分析得当,都能够获得近似的推荐效果。在协同过滤的推荐方法中,进行跨类型的推荐同时还不需要领域内的知识限制,就能同他人进行经验上的共享。具有相当良好的适应性特点,伴随着时间上的推移,电子商务系统在不断地进步和发展,推荐系统所推荐的商品质量也会不断地提高。隐式反馈的实现在减少用户量反馈量的同时,也推动着电子商务系电子个性化学习系统的发展速度。然而,悉数问题以及新用户等因素的干扰,协同过滤技术还存在着一些历史遗留性的缺陷问题。电子商务个性化推荐技术中对于规则推荐技术的应用,是从关联规则的推荐技术,这一基础上采取资料并实施的。这种技术将实际交易中所产生的数据信息作为其传递的数据来源。并将此数据作为商品信息间的沟通桥梁。

  四、电子商务个性化推荐系统技术在未来的发展趋势分析

  在电子商务的个性化推荐过程中,其所使用的技术存在着一定的不足之处。因此,在实际的使用过程中需要对这些推荐技术进行分析。由于当前用户兴趣资料的自动化程度相对较低,以及相当一部分用户在对于商品评价的方面较为消极。受这些因素的影响,推荐技术在未来的发展过程中,不能仅仅局限于对用户信息的采集,还需要更加深入的对用户领是浏览信息这一方面进行技术层次上的挖掘。只有这样,信息收集技术在自动化程度上的进程才能得到推动,并且能够更上一层次的发展。由于推荐算法速度和实时性能的不断加强,电子商务个性化推荐技术的算法还需要进一步加强以及改进。

  参考文献:

  [1]李小龙.基于MapReduce的电子商务个性化推荐研究[D].北京交通大学,2014.

  [2]王辉.基于混合机制的电子商务个性化推荐研究[D].大连海事大学,2009.

电子商务个性化推荐系统_电子商务个性化推荐分析论文

http://m.haohaowg.com/lunwen/90575/

推荐访问:

经济论文推荐文章

推荐内容

上一篇:【会计学专业大学生小张】会计学专业培养大学生核心价值观论文 下一篇:黄瓜视频|黄瓜渠道整治工程的请示