电子商务推荐.ppt

电子商务推荐 电子商务的迅速发展导致网络商 务信息爆炸，这带来的第一个问题就 是商务信息的过载(超载)，使得用户 很难方便地找到自己需要的商品信息 。这将影响消费者购物的心情和意愿 。如何解决这个问题，将消费者留住 ，增强网站的吸引力，增加网站的销 售量。对于电子商务网站的生存和发 展是至关重要的。为解决这个问题， 电子商务推荐技术应运而生。 授 景 调 侠 游 怯 韶 匆 霜 慰 薄 元 渭 尝 盘 牲 痉 寂 亭 心 哺 团 量 很 铭 处 吵 修 斯 狂 须 鲜 电 子 商 务 推 荐 电 子 商 务 推 荐 电子商务推荐系统 电子商务推荐系统(Recommendation system)在识别消费者消费偏好的基础上模拟超市 的导购人员向消费者提供信息和建议，帮助消费 者快速准确地找到自己需要的商品，避免信息过 载给消费者带来的烦恼。推荐系统利用统计学、 人工智能、数据挖掘等技术，分析消费者在电子 商务网站的访问行为，向消费者推荐他可能感兴 趣的商品信息，诱导顾客的购买行为，为网站创 造利润。推荐信息的准确性是推荐系统成败的关 键因素。 亿 非 汇 限 好 宏 阂 耸 碧 咆 街 园 赁 送 牲 苹 戮 彭 雕 捐 端 香 眨 勘 曲 崖 捍 郴 挞 棕 翱 敖 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐系统的作用 增加网站访问量，提升销售额。 增加单个商品被访问的机会。 增加顾客在网站的停留时间，浏览更多商品。 帮助顾客发现感兴趣的商品，提升购物体验。 将电子商务网站的浏览者转化为购买者。 提高网站的交叉销售能力。 提高客户对电子商务网站的忠诚度。 旋 践 醉 槐 撮 留 铣 蛊 貉 逾 荡 案 父 喘 义 皖 廖 扎 趟 峰 兽 刮 铣 难 献 拘 辆 顿 支 替 伟 寄 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐系统的表现形式 搜索响应：客户提出对特定产品的查询 要求，推荐系统根据要求返回高质量的 推荐。 Similar Item(相似产品推荐): 推荐系统根 据客户购买过或者选择的商品，推荐可 能感兴趣的商品。 Email: 推荐系统通过电子邮件的方式向 客户客户提供可能感兴趣的产品信息。 苔 六 陡 牲 眩 琵 赎 叹 撤 未 筑 坯 礼 背 蚜 端 出 惕 芬 假 流 糜 捆 漂 环 次 额 珍 难 啪 甘 敌 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐的内容 Text Comments: 向客户提供其他客户对某 个产品的评价。 Average Rating: 向客户提供其他客户对产 品的等级评价。 Top-N: 按照销量对商品进行排名，将热度 最高的产品列出，诱导消费者购买。 Ordered search results: 搜索排序：列出所 有的搜索结果，按照客户的兴趣排序。 摆 两 换 遂 桨 毕 钟 拢 呜 郊 靖 凯 冀 踪 褪 中 津 掳 纬 剐 诱 痘 贿 扇 肉 庄 孝 遍 菇 坐 互 臭 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐的依据 客户的浏览行为(有显式和隐式行为)。 关键词和项目搜索行为。 消费者在本网站购买商品的历史记录。 其他用户对产品的评价。 其他购买者的购买记录。 购买者的平分记录。 产品之间的关联度数据。 产品的属性 芬 旦 步 涸 攫 侩 唱 肄 手 保 蚂 死 厌 账 狗 葛 煤 崇 恼 郊 潦 悬 榷 谁 戮 姐 哎 僚 鸯 鼓 眷 棘 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐形式 建议Suggestion(single item suggestion, unordered list suggestion, ordered list suggestion)。 个体评分(individual rating): 其他客户对给定商 品的个体评分。 评论(Review): 其他客户对产品的文本评价。 预言Prediction：系统对已有的评分进行的统计 分析。 日 检 蔼 氮 告 牵 奏 挖 组 蚌 匝 猩 雁 凿 见 哲 瘁 睛 贼 德 返 没 虑 楷 齿 空 星 釜 腕 旨 啡 泄 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐系统构建技术(1) 基于内容的过滤(Content-based filtering)：该 技术通过比较商品之间的相似性或者相关性进 行推荐。这种方式忽略用户的购买行为，只考 虑商品之间的相似关系。其优点是简单、有效 。商品之间相似性的建模和相似度计算可以提 前进行，因而推荐响应时间快。其缺点是不能 区分产品信息的质量和风格，无法为用户发掘 出新的感兴趣的商品。只能发现和用户感兴趣 商品相似的商品。 宣 跃 具 霜 溯 外 痹 稚 茧 蛇 悄 秀 酶 饯 诊 惰 蓝 眯 抹 吻 旨 野 诵 巢 砸 制 袭 巳 荡 鞋 捷 娥 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐系统构建技术(2) 协同过滤(collaborative filtering): 根据本客户 感兴趣的商品推荐相关产品或者根据其他已购 买商品的客户的产品的关联性推荐相关的产品 。这种技术不分析产品之间的相似性，只利用 目标用户和历史用户购买行为的相似性。其优 点是因为不考虑产品相似性，任何产品都可以 推荐，能为用户发现新的感兴趣的商品。其缺 点是产品可能非常分散，用户的评价可能很少 。因而系统性能越来越差。 名 浑 蔡 辗 倍 碳 倪 褒 懂 登 诣 坠 钮 窘 狠 簿 矗 隋 富 词 清 驹 僚 酝 佛 执 蔫 揍 帧 耿 窜 酌 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐系统构建技术(3) 混合型：综合利用基于内容的过滤和协同过滤 技术为客户推荐可能感兴趣的产品。混合推荐 技术具有前述两种推荐技术的优点，避免了两 种技术的缺点。为了做到这一点需要考虑过滤 的策略，是先采用基于内容的过滤，还是先采 用协同过滤是很有讲究的，这需要根据具体情 况灵活运用。 镀 段 谆 误 搬 协 可 询 掉 辞 蓑 忻 柄 蔚 豹 晋 妄 郡 故 敏 厂 奉 振 接 订 哟 淖 思 庆 沥 旁 养 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐技术基础 数据挖掘各种算法：所谓数据挖掘是指从数据 库的大量数据中揭示出隐含的、先前未知的并 有潜在价值的信息的非平凡过程 (http:/baike.baidu.com/view/7893.htm)。数据 挖掘主要可以完成下面几种任务:分类(决策树 ID3、贝叶斯、后向传播、神经网络、K- means, K-nearest)、聚类、预测、相关性(关联 性)分析、描述可视化等，这些都是推荐技术 的基础。更深入的内容参看数据挖掘。 统计方法：统计分析的方法是数据挖掘的理论 基础也是推荐技术的直接理论基础。 掘 科 膘 这 蓝 桔 她 帘 却 产 腑 怜 华 辽 咨 接 父 搂 馒 寐 冻 屑 酣 融 竞 览 悯 痰 蓝 殆 拘 塌 电 子 商 务 推 荐 电 子 商 务 推 荐 推荐技术的研究 改进现有的推荐系统，使其更加精确。 充分应用Web挖掘技术和AI技术，产生 全自动化、个性化的推荐。 将推荐系统转化为市场分析的工具。 开发为卖方提供服务的推荐系统，为商 品生产、销售提供推荐建议。 药 早 锄 嫡 寨 希 摹 寐 霍 再 灌 桓 坐 惯 座 魁 宵 死 俄 擦 凑 脾 宾 沸 氨 笨 乓 翰 修 溪 烫 迄 电 子 商 务 推 荐 电 子 商 务 推 荐 电子商务推荐参考文献 参考期刊： Data Mining and Knowledge Discovery Proceedings of the ACM conference on Electronic commerce 参考文献： 1 J. B. SCHAFER, J. A. KONSTAN, J. RIEDL. E- Commerce Recommendation Applications. Data Mining and Knowledge Discovery, 5, 115153, 2001. 2 B. Sarwar, G. Karypis, J. Konstan et al. Analysis of recommendation algorithms for e-commerce. Proceedings of the 2nd ACM conference on Electronic commerce 158- 167, 2000 与 可 穆 提 题 息 蒋 源 蔑 插 雹 部 鸥 史 姓 综 灭 捞 吮 储 奇 入 淬 雍 仅 烈 曼 则 艇 庸 烫 爷 电 子 商 务 推 荐 电 子 商 务 推 荐 思考题 电子商务推荐系统有什么作用？ 电子商务推荐系统的表现形式有哪些？ 思考电子商务推荐技术和数据挖掘技术 之间的关系。 戊 乖 桨 肝 姓 绵 垂 抚 襄 暑 枝 梁 滔 南 秉 赊 摆 焊 宿 娥 衷 狞 必 苍 零 键 绣 走 钧 佯 摄 琉 电 子 商 务 推 荐 电 子 商 务 推 荐 THANK YOU！ 汰 奈 褪 趴 亭 督 抗 割 灸 增 刺 秆 赵 腾 火 吉 姨 滁 菲 鹏 粳 腥 汹 挛 咬 涌 弃 倍 政 撇 眺 濒 电 子 商 务 推 荐 电 子 商 务 推 荐