（管理科学与工程专业论文）基于多agent的电子商务个性化推荐系统研究.pdf

摘要 电子商务在短短的几年内得到了迅猛发展2 0 0 6 年世界电子商务交易额要达到接近1 3 万亿美元，约占全球商品销售的2 0 ，这也使得用户在互联网上迅速、准确获取信息变得 越来越难。因此，构建良好的电子商务推荐平台，一方面使用户能够方便地从众多的电子商 务网站中迅速寻找到自己感兴趣的商品，另一方面可以提升电子商务网站的影响力，提高用 户的忠诚度以及实现交叉销售。 大众化推荐形式难以满足个性化需求，电子商务推荐服务也从最初的商品目录的分类浏 览到挖掘用户潜在兴趣的个性化推荐。针对不同的用户消费模式提出了四种个性化推荐策 略：基于用户访问模式的个性化推荐策略、基于用户评分的个性化推荐策略、基于文本的个 性化推荐策略和基于信用评价的个性化推荐策略。并详细分析推荐策略的运行机制和工作流 程，描述了实现每种策略所需的数据类型和算法。 面向a g e n t 方法是从计算的社会性角度出发而提出的编程思想，能体现人类社会智能和 物理逻辑分布结构，使软件系统更具灵活性和适应性。基于多a g e n t 的电子商务个性化推荐 系统研究主要工作：分析了系统的层次关系，构建系统框架结构：基于策略建立a g e n t 模型 结构：对多个a g e n t 的通讯协议和关联方式作了详细描述；并用一个实例说明了系统的运行 流程，仿真实验证明了系统设计逻辑正确。 关键词：电子商务、个性化推荐、a g e n t 结构、多a g e n t 系统 a b s t r a c t e l e c t r o n i cb u s i n e s sh a sb e e nd e v e l o p e dt r e m e n d o u s l yi nj u s taf e wy e a r s t h et r a d ev o l u m e f o rg l o b a le - b u s i n e s st r a n s a c t i o n sh a sr e a c h e da p p r o x i m a t e l y1 3t r i l l i o nu sd o l l a r si n2 0 0 6 ，w h i c h a c c o u n t e df o r2 0 o fw o r l d w i d eb u s i n e s st r a n s a c t i o n s t h es c o p e ，t h e r e f o r e ，m a k e si tm o r ea n d m o r ed i f f i c u l tf o ru s e r st og l e a nr a p i d l yt h ea g c u r a l ei n f o r m a t i o no nt h ei n t e m e l t 0s e t u paw e l l e o n n o c t e dr e c o m m e n d a t i o np l a t f o r mf o re - b u s i n e s s , t h e r e f o r e ，w i l l b e n e f i tt h en s e r sf o rl o c a t i n gq u i c k l yt h ei n t e r e s t i n gg o o d sa m o n gm a n ye - b u s i n e s sw e b s i t e s ，o r o n eh a n d , a n di n c r e a s et h ei n f l u e n c eo f t h e s ew e b s i t e s ，s e c u r i n ga n dp r o m o t i n gu s e r s f i d e l i t ya n d c a r r y i n go u ti n t e r a c t i v es a l e s , o nt h eo t h e rh a n d i ts e e m st h a tt h em a s s p u b l i cr e c o m m e n d a t i o np a t t e r ni sh a r d l ys a t i s f i e dw i t ht h en e e df o r p e r s o n a li n d i v i d u a l i t y t h er e c o m m e n d a t i o ns e r v i c e so fe - b u s i n e s sh a v eb e e nt r a n s f o r m e df r o m t h ei n i t i a lb r o w s i n go f c l a s s i f i c a t i o no f c o m m o d i t yc a t a l o g st ot h er e c o m m e n d a t i o nf o rp e c u l i a r i t y b yd e l v i n gi n t ot h ep o t e n t i a li n t e r e s t so f u s e r s t h e r emf o u r a p p r o a c h e s f o ri n d i v i d u a lr e c o m m e n d a t i o na i m e da tv 撕o u s c o n s u m i n g - p a t t e r n so fu s e r s ：o nu s e r s - v i s i t i n gp a t t e r n , o nu s e r s a p p r a i s i n gp a t t e r n ，o nt h e p e c u l i a r i t yo ft e x t sa n do nc r e d i t - a s s e s s i n go fu s e r s t h eo p e r a t i o n a lm e c h a n i s m sa n dp r o c e d u r e s o ft h e s es t r a t e g i e sw i l lb ea n a l y z e di nd e t a i l st od a p i e t t h o r o u g h l yt h ep a t t e r n so fd a t aa n d a l g o r i t h mn e e d e db ye v e r ys t r a t e g y t h eo r i g i n a l i t yo f p r o g r a mu s i n ga g e n tm e t h o dh a sb e e ni n i t i a t e df r o mt h ep e r s p e c t i v eo n t h es o c i e t y t h es o t t w a r es y s t e mc a ne m b o d yt h es o c i a li n t e l l i g e n c eo f h u m a nb e i n g , m a k i n gi tt o b em o r ef l e x i b l ea n da d a p t a b l e b a s eo nt h ee - b u s i n e s s p e c u l i a r i t i e so fa g e n t , t h em a i n r e s e a r c h i n gw o r k sf o rr e c o m m e n d a t i o ns y s t e m sc a nb ea sf o l l o w s ：a n a l y z i n gt h es t r u c t u r e r e l a t i o n s h i po ft h es y s t e mt oc o n s t r u c ti t ss t r u c t u r ei nf r a m e ，s e t t i n gu pt h es t r u c t u r eo fm o d e l a g e n tb a s e do nv a r i o i l ss t r a t e g i e s , d e s c r i b i n gt h o r o u g h l yt h ec o m m u n i c a t i o np r o t o c o l sa n d c o n n e c t i o np a t t e r n s a n de x p l a i n i n gt h eo p e r a t i o n a lp r o c e d u r e sb ym a k i n gu s eo fo l l ee x a m p l et o v e r i f yt h el o g i c a la c c u r a c yo f t h ed e s i g no f t h es y s t e mb yt h es i m u l a t i o nt e s t i n g k e yw o r d s ：e b u s i n e s s ，p e r s o n a lr e c o m m e n d a t i o n ，a g e n ts t r u c t u r e ，m u l t i - a g e n ts y s t e m 学位论文独创性声明 本人郑重声明： l 、坚持以“求实、创新”的科学精神从事研究工作。 2 、本论文是我个人在导师指导下进行的研究工作和取得的研究 成果。 3 、本论文中除引文外，所有实验、数据和有关材料均是真实的。 4 、本论文中除引文和致谢的内容外，不包含其他人或其它机构 已经发表或撰写过的研究成果。 5 、其他同意对本研究所做的贡献均已在论文中作了声明并表示 了谢意。 作者签名： 日期： 学位论文使用授权声明 本人完全了解南京师范大学有关保留、使用学位论文的规定，学 校有权保留学位论文并向国家主管部门或其指定机构送交论文的电 子版和纸质版；有权将学位论文用于非赢利目的的少量复制并允许论 文进入学校图书馆被查阅：有权将学位论文的内容编入有关数据库进 行检索；有权将学位论文的标题和摘要汇编出版。保密的学位论文在 解密后适用本规定。 作者签名： 日期： 南京师范大学硕士学位论文第l 章绪论 1 1 研究背景及意义 第1 章绪论 电子商务在短短的几年内得到了迅猛发展，2 0 0 6 年世界电子商务交易额要达到接近1 3 万亿美元，约占全球商品销售的2 0 ，这是个非常大的比例。因此，构建良好的电子商务 信息服务平台和创新电子商务模式是提升和发展电子商务业绩的重要内容。 我国中小企业数量众多有超过3 0 0 0 万的中小企业，这些企业类型广泛，交易结构不 稳定，他们不断地寻找商机。近几年，服务于中小企业的电子商务平台获得了巨大的成功， 仅阿里巴巴一家的注册用户就超过1 0 0 0 万，其他如慧聪、买卖网等分别都有上百万的用户。 因此，基于b 2 b 的电子商务在很大程度上已经成了我国中小企业电子商务应用的主流方式。 研究和构建电子商务信息服务平台既要充分考虑中国的国情和特色，又要适应国际电子商务 信息化发展的需求。 随着电子商务信息服务平台的建立与应用，企业需要具备更多的销售模式，并加入到战 略伙伴的供应链上，以提高销售业绩获得更丰厚的利润；用户期望获得更加符合个性化需求 的服务，对人性化、自动化、个性化程度要求更高；电子商务的网络运营商需要不断地改进 服务模式和业务流程，以满足用户、供应商和服务商的各种需求。个性化推荐技术的运用将 会给各方带来利益，特别对提升电子商务运营商的竞争力有重要的意义 电子商务个性化推荐信息服务平台是分布式的智能计算系统，分布式人工智能主要研究 在逻辑上或物理上分散的智能动作者如何协调其智能行为，即协调它们的知识、技能和规划， 求解单目标和多目标问题，为设计和建立大型复杂的智能系统或计算机支持协同工作系统提 供有效途径。分布式智能系统可定义为一组以a g e n t 为核心的概念体系，基于多a g e n t 系 统的体系结构来理解和认识应用系统，更能体现人类社会的自主、个性和智能的自然属性， 适用于分布、异构、开放和动态的世界环境，具有更大的灵活性和适应性。 基于以上分析说明研究意义在于：( 1 ) 电子商务是未来信息化发展主要支柱，关注和研 究它的发展形态和服务方式是可长期从事的研究课题；( 2 ) 面向a g e n t 的软件开发具有高 层抽象、自然建模、模块化程度高等特点，具备系统的理论体系、建模设计方法和形式化描 述过程。把多a g e n t 技术应用到电子商务的推荐过程中。使业界与软件界之间需求分析与 总体设计更具有专门化，更具有广泛的应用前景；( 3 ) 电子商务模式中的个性化推荐是电子 商务发展到一定阶段的必然产物。智能化算法是研究的核心问题。通过研究优选方案、相关 性分析、数据挖掘与知识发现以及推荐信用评价等诸多手段和算法，综合建立完整的个性化 第1 页 南京师范大学硕士学位论文 第l 章绪论 推荐模型，具有实际意义和创新价值。 1 2 研究现状及发展趋势 目前被广泛接受的对电子商务推荐的定义是利用电子商务网站向客户提供商品信息和 建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程【1 j 。电子商务 推荐系统的作用主要表现在三个方面i 习：将电子商务系统的浏览者转变为购买者。提高 电子商务系统的交叉销售。保留用户。目前。对电子商务推荐的研究主要包括以下几个方 面： 1 、电子商务中推荐形式的研究。主要涉及目前几个典型的电子商务网站表示的推荐形 式。这几个网站包括，亚马逊书籍网站( a m a z o n c o m ) 、音乐推荐网站( c d n o w c o m ) 、电 影推荐网站( m o v i e f i n d e r c o m ) 、药品推荐网站( d r u g s t o r e c o m ) 、e b a y 商务网站 ( e b a y c o m ) 等刚。 2 、电子商务中推荐技术的研究。主要包括协同过滤技术、基于内容推荐技术、基于用 户统计信息推荐技术、基于效用推荐技术、基于知识推荐技术和基于关联规则推荐技术，以 及对以上推荐技术的分析与比较。 3 、电子商务中推荐系统构架的研究。一般推荐系统由输入模块，推荐方法模块和输出 模块组成。其中推荐方法是推荐系统的核心，因此系统构架的研究大多局限于推荐模型的建 立。也有学者提出智能推荐系统结构，包括基于a g e n t 技术、基于知识网格技术等。 1 3 研究的目的及意义 现存的电子商务推荐系统可以为用户提供一定购物指导，但是由于系统结构和推荐技术 的局限，个性化程度不够高。推荐结果在设计好的模型中产生，通过建立用户模型进行推荐 不能发现用户兴趣点的变化，及时地满足用户需求。因此，需要系统对用户进行实时跟踪， 不仅要建立用户的购买模型，还要建立用户访问模型。实现具有动态性、实时性与智能化特 点的个性化推荐。并且大部分的推荐系统采用的推荐技术较为单一。一方面，不能满足用户 的不同类型的个性化需求，另一方面，目前应用较为广泛的推荐技术，如协同过滤推荐、基 于内容推荐等，都存在一定的局限性。因此，综合各种推荐技术的推荐系统应运而生，研究 如协调使用各种推荐技术成为热门话题。 再者，信用问题一直是制约电子商务发展的关键问题，在同类商品中商品的质量和供应 商的诚信程度也是用户在选择商品时要考虑的重要因素。很多电子商务的网站建立了供应商 第2 页 南京师范大学硕士学位论文第1 章绪论 诚信评级，将信用程度作为产生推荐结果的一个重要参考不仅消除了用户的顾虑而且督促供 应商完善自己的诚信服务。 本课题的研究目的是： 1 、采用面向a g e n t 技术构造电子商务个性化推荐系统建立推荐模型和通信模型，实 现动态性、实时性和智能化的个性化推荐。 2 、研究综合使用多种推荐技术的推荐方法，满足用户不同的个性化需求。 3 、在推荐模型中考虑供应商和用户的信用级别，通过推荐系统缓解电子商务的信用问 题。 1 4 研究内容和结构安排 本文基于多a g e n t 技术，提出电子商务个性化推荐系统的框架结构，并详细描述推荐 系统的实施概要，具体研究内容如下： 1 、介绍现有的推荐系统结构、推荐技术和推荐系统应用，总结现有研究的不足。 2 、介绍面向a g e n t 的理论知识，包括a g e n t 的基本概念和类别，以及多a g e n t 系统。 3 、根据不同的用户需求提出个性化推荐的策略，并给出每种策略的实现算法。 4 、提出一种基于多a g e n t 的电子商务个性化推荐系统结构，分析构架中每个层次的组 成、采用形式化的语言对每个层次中的a g e n t 结构进行定义，最后给出系统运行的实验流 程。 本文的结构安排如下：第一章介绍了电子商务个性化推荐系统的研究背景和现状，提出 本课题的研究目的和意义；第二章详细介绍了几个典型的电子商务个性化推荐系统案例、当 前常用的几种个性化推荐技术以及个性化推荐系统框架，分析了现有成果的不足i 第三章介 绍了a g e n t 理论知识，包括基本的概念和多a g e n t 系统理论；第四章提出四种不同类型的 推荐策略，对实现策略所需的数据类型进行定义，并给出实现策略的算法。第五章提出一种 基于多a g e n t 的电子商务个性化推荐系统构架，详细描述组成系统的各个层次的结构和功 能，井采用形式化的语言定义不同功能的a g e n t 结构，最后给出系统的运行实验流程；第 六章总结全文，指出本课题的研究成果和后续工作。 1 5 小结 本章介绍了本课题的研究背景，和电子商务个性化推荐系统的研究现状，提出本课题的 研究目的及意义，最后给出本文的主要内容和结构。 第3 页 南京师范大学硕士学位论文第2 章电子商务的推荐 第2 章电子商务的推荐 电子商务推荐系统通过分析每个用户的购买习惯与偏好，根据用户的偏好和消费模式， 向用户推荐其所需要的商品，一方面节省用户的时间另一方面提高网站的销售能力。本 章主要介绍了几个典型的电子商务个性化推荐系统的推荐形式，以及目前应用较多的几种个 性化推荐技术，和个性化推荐系统的框架。 2 1电子商务中的推荐形式 目前，著名的电子商务网站包括亚马逊书籍网站( a m a z o n c o m ) 、音乐推荐网站 ( c d n o w c o m ) 、电影推荐网站( m o v i e f i n d e r c o m ) 、药品推荐网站( d r u g s t o r e c o m ) 、e b a y 商务网站( e b a y c o m ) 等。这些网站都建立了功能各异的推荐服务。下面分别介绍这些网 站的推荐形式。 2 1 1a m a z o n c o r n 亚马逊电子商务网站建立于1 9 9 5 年，它由最初的网上书店发展成为全球最大的网上商 城。它的产品已经拓展到电子贺卡、c d 、d v d 、玩具、游戏和电子产品等而它的二b 籍推 荐系统是专门为亚马逊的用户服务的系统，具有的功能如下： 1 、相关书籍推荐。这是一个推荐列表，出现在用户所选定的书籍的消息信息中。列表 由2 页组成，第1 页显示了其他购买这本书的用户经常还会购买哪些书籍，第2 页显示了 其他购买这个作者的书的用户经常还会购买哪些作者的书。 2 、个性化推荐。通过调查问卷，用户对亚马逊网站上的样书进行1 - 5 分的评分，1 代 表最不喜欢的书，5 代表最喜欢的书。推荐系统自动分析出用户对书籍的偏好，根据偏好进 行推荐。 3 、最新书籍推荐。亚马逊网站通过电子邮件的方式向用户发布最新加入网站的书籍目 录。用户也可以根据作者、书名、索引号、出版日期设置新书搜索器。 4 、亚马逊评论。用户选择一个自己关心的类别，例如烹饪书籍，亚马逊的编辑会定期 通过电子邮件向用户发送该类别的书籍推荐。 5 、在线亚马逊评论。这项服务与上一条内容相似，只是用户不用登陆也可以在网站上 免费的查看亚马逊编辑对某一类书籍的推荐。 第4 页 南京师范大学硕士学位论文第2 章电子商务的推荐 6 、用户评论。用户可以在提供书籍信息的页面看到其他购买这本书的用户对该书的评 论。评论包括1 5 的评分和文字评论。同时用户也可以对其他用户的评论进行评价。 7 、最畅销二8 籍推荐。用户可以在网上看到关于某一类别的摄畅销的1 0 本书籍的目录 和信息。 2 1 2c d n o w c d n o w 建立于1 9 9 4 年是进行网上音乐销售的网站。c d n a w 是最早的网上音乐供 应商之一。它的个性化推荐服务包括： 1 、专集推荐。专集推荐服务包括三项内容，前2 项同亚马逊的相关书籍推荐服务相同， 推荐与指定专集或歌手相关的专集或歌手。还有一项内容是用户可以输入三个自己喜欢的歌 手，系统将列出1 0 张与这三位歌手风格相似的专集。 2 、相关歌手推荐。系统向用户推荐与指定专集的歌手风格相似的其他歌手，用户甚至 可以得到这一风格音乐的始祖歌手名单。 3 、用户指南。用户首先选择自己喜欢的音乐风格，然后查看网站编辑的推荐。 4 、本周明星推荐。网站每一周都会选择一位明星，列出这位明星喜欢的专集和他或她 最近听的c d 。 5 、1 0 0 张最畅销专集推荐。网站列出排在前1 0 0 位的最畅销专集，列表根据销售记录 及时更新。 6 、我的c d n o w 。这项服务允许用户在网站上建立自己的音像店，摆放自己购买的专 集，并在自己的主页上写下对这个专集或歌手的评论。 2 1 3m o v i e f i n d e n c o m m o v i e f i n d e r c o m 是e ! o n l i n e 公司于1 9 9 6 年创办的网上电影销售网站。该网站的推 荐服务有： 1 、用户评分，网站评分。评分分为两部分，一部分是看过这个电影的用户的评分，另一 部分是网站编辑对这个电影的评分。评分是a - f 的字母分数。 2 、1 0 部最佳电影。首先用户选择要看的电影类别，在指定的类别中用户可以查看网站 编辑列出的1 0 部最佳电影，以及这些电影的评论。 2 1 4 d r u g s t o r e c o m d r u g s t o r e c o m 创建于1 9 9 9 年，是一个经营保健食品、美容产品、个人护理产品和医 第5 页 南京师范大学硕士学位论文第2 章电子商务的推荐 疗器械的网上零售店和信息供应商。它的推荐服务主要有： 1 、网上咨询。用户可以在网上提交自己的症状，如打喷嚏；需要的药物形式，如胶囊； 以及年龄，如是否成年，然后网站根据用户的不同情况给出购买药物的建议。 2 、药品测试。对于新上柜的药品，网站会选择一组志愿者试吃，然后志愿者给出自己 的星级评分和文字评论。 2 1 5 e b a y 成立于1 9 9 5 年的个人物品交易市场e b a y 目前以成为世界最大的在线交易社区。它的 推荐服务有： 1 、评价档案。网站上的买卖双方就交易满意度进行互相评价，包括1 3 的满意度评分 和文字评论。这样网站上的买卖双方都拥有自己的评价档案，可以显示该用户近7 天、近一 个月和近6 个月的评价情况。 2 、个性化商店。用户在网上设置自己喜爱的商品的属性，包括商品关键词、价格底限 和上柜时间等。网站会定期用电子邮件向用户发送他关注的商品的信息。 2 1 6 推荐形式总结 综上所述，可将各种推荐形式归为以下几类： 1 、相关性推荐：推荐与用户已购买的商品相关的商品，如相关书籍推荐、相关歌手推 荐等。 2 、基丁评分的推荐：用户购物完后对己购的商品进行满意度评分，网站再根据用户的 评分得出推荐，如用户评分、评价档案等。 3 、基于评论的推荐：网站建立相关商品的论坛，通过专家或购买过此类商品用户的评 论得出推荐，如用户评论、亚马迅评论等。 4 、最新及最畅销推荐：推荐最新的商品，以及根据销售记录推荐最畅销的商品，如1 0 0 张最畅销专集推荐、1 0 部最佳电影等 表2 1 显示了这五家网站推荐形式的分类情况 第6 页 南京师范大学硕士学位论文第2 章电子商务的推荐 表2 - 1 五家电子商务两站的推荐形式分类 形式分类 罔站 相关性推荐 基于评分的推荐基于评论的推荐最新及最畅销推荐 相关书籍推荐 个性化推荐亚马逊评论最新书籍推荐 a m a z o n c o r n 用户评论在线亚马逊评论最畅销书籍推荐 用户评论 专集推荐用户指南1 0 0 张最畅销专集 c d n o w 相关歌手推荐 本周明星推荐推荐 我的c d n o w m o v i e f i n d e r o c o m 用户评分网站评分1 0 部最佳电影 药品测试网上咨询 d r u g s t o r e c o n l 药品测试 评价档案评价档案 e b a y 个性化商店 2 2 电子商务中的推荐技术 电子商务个性化推荐技术是电子商务推荐系统中最核心、最关键的技术，很大程度上决 定了推荐系统性能的优劣【4 l 。从电子商务个性化推荐系统的主动性分类，可以将推荐技术分 为主动式推荐和被动式推荐。所谓主动式推荐，是指推荐系统通过对用户信息和行为的分析， 给出恰当的意见和建议，从而引导消费；而被动式推荐是指用户通过自己的努力获得所需要 的商品和服务信息，包括网络信息的浏览与查询嘲。其中被动式推荐的技术主要是分类浏览 和关键词搜索。该类技术的优点是技术比较成熟、用户易于使用，但是被动式推荐自动化程 度低，不能发现用户的潜在兴趣与需求。因此目前研究比较多的是主动式推荐。推荐技术的 分类如图2 - 1 所示。 第7 页 南京师范大学硕士学位论文 第2 章电子商务的推荐 推荐技术 2 2 1 被动式推荐 被动式推荐 主动式推荐 分类浏览式推荐 关键词查询式推荐 协同过滤推荐 基于内容推荐 基于用户统计信息推荐 基于效用推荐 基于知识推荐 基于规则推荐 图2 - 1 推荐技术分类 被动式推荐的优点是，用户目标明确，易于实现。但个性化程度低，要求用户具备一定 的专业知识。被动式推荐的方式主要有下面两类： 1 、分类浏览式推荐。分类浏览是基于主题分类的一种信息查询方法。这种方法产生的 是等级结构的分类树，将商品及服务信息分类，用树型结构表示之间的隶属关系。几乎所有 的电子商务交易网站都提供这种方式的推荐。分类浏览式推荐技术上易于实现，用户使用方 便，缺点是推荐效率低，分类查询花费时间多，且分类方法不统一，对新出现的商品和信息 很雉准确归类。 2 、关键词查询式推荐。关键词查询由用户提出查找目标的关键词，系统在被查找范围 内，寻找与关键词匹配的内容进行推荐。这种方法也是比较常见的推荐方法，优点在于方法 技术较为成熟，且易于用户接受查找结果，缺点是对关键词的选择要求较高，要求用户具备 一定的提炼关键词能力，且不易发现用户的潜在兴趣点。 2 2 2 主动式推荐 主动式推荐自动化程度较高，不需要用户掌握专业知识，能获得比较个性化的推荐。目 前，主动式推荐研究取得了一定进展，基于不同主体和推荐目标，实现的算法也不同，一f 面 分别介绍几种主动式推荐方式： 1 、协同过滤推荐。协同过滤推荐主要分为基于内存和基于模型的协同过滤两类。基于 第8 页 南京师范大学硕士学位论文 第2 章电子商务的推荐 内存的协同过滤也称为基于用户的协同过滤，先用相似统计的方法得到具有相似兴趣爱好的 邻居用户，再根据邻居用户的购买情况进行推荐。基于内存的协同过滤推荐算法的基本思想 就是根据其他用户的观点产生对目标用户的推荐列表。算法建立在这样一个假设基础上，即 如果用户对一些项目的评分比较相似，则他们对其他项目的评分也比较相似嘲。 基于模型的协同过滤先用历史数据得到一个模型，再用此模型进行预测。其中建模技术 包括贝叶斯网络、聚集技术、关联规则技术、h o r t i n g 图和基于项目评分预测技术等。 2 、基于内容推荐。基于内容推荐算法来源于信息检索领域。为了满足不同用户的需求， 信息检索系统通过收集和分析用户信息来学习用户的兴趣和行为，从而实现主动推荐。有研 究者提出基于内容推荐算法，其实质为基于用户搜索文档特征学习用户兴趣，依据用户瓷料 与待预测文档的匹配程度进行推荐。 用户兴趣模型的建立一般采用决策榭、神经网络和基于向量的表示方法。也有研究者f 1 提出采用简单贝叶斯概率模型的方法建立用户兴趣模型。其步骤是首先建立一个领域分类模 型，然后计算所有文档和用户兴趣在这个分类模型上的概率分布，用概率分布来表达文档和 用户兴趣的关系。这个算法的优点在于提高算法的运算速度和搜索的精度。 3 、基于用户统计信息推荐。基于用户统计信息的推荐依据用户个人属性对用户进行分 类，在对类中的用户进行推荐。个人属性包括用户的年龄、性别、教育程度、收入、工作情 况等恻，然后将具有相似兴趣爱好的用户分为一类，实际上是建立用户模型。最后依据个人 属性预测用户的兴趣进行推荐。 4 、基于效用推荐。基于效用推荐算法建立在对用户使用项目的效用情况上计算的，其 核心闯题是怎么样为每一个用户创建一个效用函数。 5 、基于知识推荐。基于知识推荐算法可以看成是一种推理算法。文献唧提出基于案例 的推理算法，使得用户能够按照自己的需求选择商品。 6 、基于规则推荐。基于规则推荐算法一般采用a p r i o d 关联规则算法比较用户当前和历 史数据的相似性进行推荐，或比较最相似用户的数据进行推荐。文献【1 q 提出使用关联规则 和序列规则结合的算法进行推荐，在一定释度上提高了推荐的质量 2 。2 3 电子商务推荐技术的比较 各种主动式推荐技术各有优缺点，对上述六种主动式推荐技术进行比较得到表2 2 。因 此在实际应用中常采用将几种推荐技术综合起来使用，也就是组合推荐，这样可以达到优劣 互补的效果。 第9 页 南京师范大学硕士学位论文第2 章电子商务的推荐 表2 2 推荐技术的比较 推荐技术优点缺点 新异兴趣发现、不需要领域知识；冷开始问题、稀疏问题； 随时间推移性能提高；新用户问露； 协同过滤推荐 推荐个性化、自动化程度高：质量取决历史数据集； 处理复杂的非结构化对象系统开始时推荐质量差 推荐结果直观，容易解释；稀疏问题； 不需要领域知识新用户问题； 基于内容推荐 复杂属性不好处理； 蔓有足够数据构造分类器 新异兴趣发现； 用户的人口信息统计资料难得到 基于用户统计信息 没有新用户问题 推荐 不要领域知识 无冷开始和稀疏问题；用户必须输入效用函数： 基于效用推荐对用户偏好变化敏感； 推荐是静态的，灵活性差； 考虑非产品特性 。 属性重叠问题 把用户需求映射到产品上；知识难获得； 基于知识推荐 考虑非产品属性推荐是静态的 发现新兴趣点；关联规则抽取难、耗时； 基于关联规则推荐不要领域知识产品名同义性问题； 个性化程度低 协同过滤推荐能发现新异兴趣，不需要领域知识，推荐的个性化、自动化程度高，可以 处理复杂的非结构化对象。但是算法存在冷开始问题、稀疏问题和新用户问题。冷开始问题 是指如果一个新的项目没有用户去评价，则这个项目就得不到推荐，推荐系统就失去了作用。 稀疏问题是指每个用户一般只对很少的项目做出评价，整个数据矩阵变得非常稀疏，使得用 户的相似性计算不准确。新用户问题是指由于没有对任何商品进行评价，没有评分矩阵，就 不能进行用户相似性计算，无法寻找最近邻居，从而得不到系统的推荐。 基于内容推荐不需要其他用户的数据，不存在冷开始和稀疏问题，能为具有特殊兴趣爱 好的用户进行推荐，能推荐新的或不是很流行的项目，没有新项目问题。通过列出推荐项目 的特征，可以解释推荐的理由，已有比较好的技术。但是基于内容推荐要求内容能容易抽取 第1 0 页 南京师范大学硕士学位论文 第2 章电子商务的推荐 成有意义的特征，要求特征内容有结构性，且用户的偏好必须能够用内容特征形式来表达， 不能显式地得到其他用户的判断。 基于用户统计信息的推荐操作简单，不需要历史数据。但是人口信息统计资料难得到， 推荐结果不够精确。 基于效用推荐能把非产品属性，如商家的可靠性和产品的可获得性等考虑到效用计算 中。但是效用函数的建立比较困难，推荐缺乏灵活性。 基于知识推荐能把用户需求映射到商品上，能考虑非商品属性。但是知识难以获得，推 荐是静态的。 基于规则推荐不需要领域知识，能发现新的兴趣点。但是规则抽取耗时，个性化程度低。 2 3 电子商务中的推荐系统 推荐系统的组成一般可以分为输入模块、推荐方法模块和输出模块嗍。 输入模块实现用户信息的收集、项目信息的输入和接受用户的推荐请求。用户的信息输 入包括显式信息输入、隐式信息输入、关键词输入等。显式信息输入主要采用用户兴趣度调 查表和用户评分的方式进行数据采集。隐式信息输入分为基于w e b 服务器端的数据采集和 基于用户端的数据采集1 1 1 】。 输出模块实现将推荐结果返回给用户。主要形式有建议、预测、个体评分和评论。建议 是向用户建议购买单个物品或提出按某种方式已排序或未排序的物品列表，其中t o p - - n 推 荐是比较常用的方式。t o p - n 推荐即根据用户的喜好向用户推荐晟可能吸引用户的n 件商 品。预测是向用户呈现系统对目标项目的总体评分。个体评价是显示其他用户对目标项目的 评分。评论是显示其他用户对项目的文本评价。 推荐方法模块是推荐系统的核心部分，根据不同的推荐技术具有不同的模型结构。下面 介绍几个基于协同过滤技术的模型结构。 2 3 1 基于聚类分析的电子商务个性化推荐系统 前文提到了协同过滤算法，其实质都是根据i ；1 标用户与其他用户的相似性进行推荐。但 是，在一个电子商务网站上，用户的数量非常巨大，准确地寻找一组与目标用户相似的用户 集是很困难的f 1 习。为了解决这个问题，文献1 1 提出先对用户进行聚类分析，将用户划分成 不同的簇，再在同一簇中进行协同过滤推荐的方法，提高了协同过滤的效率和准确率。基于 聚类分析的电子商务推荐系统模型如图2 - 2 所示。 该模型的运行机制是：首先将交易数据库中一个用户的多次交易记录合并为一条记录来 第1 l 页 南京师范大学硕士学位论文第2 章电子商务的推荐 反映用户的消费行为，然后提交给聚类分析模块将朋户划分为不同的簇。接下来识别目标用 户所在的簇并确定目标用户的候选商品集。最后采用协同过滤技术从候选商品集中挑选出目 标用户最可能购买的n 件商品列表，向用户推荐。 图2 - 2 基于聚类分析的电子商务个性化推荐系统模型 2 3 2 基于规则的电子商务个性化推荐系统 协同过滤中的相似性计算实质上是关联规则算法。但是仅使用关联规则生成推荐结果， 很多时候不能得到足够的推荐【1 0 l 。文献【1 q 提出使用关联规则和序列规则结合的模型来描述 交易数据，不仅可以解决推荐结果的数量问题，而且在保证推荐效率的基础上可以提高推荐 质量。系统模型如图2 3 所示 该模型的流程是：用户的原始交易数据通过数据预处理生成格式化的交易数据，然后通 过关联规则算法f p g r o w t h 和序列规则挖掘算法p r e f i x s p a n 生成一个统一的规则库，当用 户提交购买清单时系统根据规则库按照推荐策略搜索出匹配的n 个推荐商品进行推荐。 第1 2 页 南京师范大学硕士学位论文第2 章电子商务的推荐 序列规则挖掘 原始交易数据 格式化交易数据 数据预处理 关联规则挖掘 序列规则库ll 关联规则库 库存产品 清单 规则库 加权处理 找出t o p - n 用户购物 清单 图2 - 3 基于规则的电子商务个性化推荐系统模型 以上两个系统都是基于推荐方法构建系统框架采用的关键推荐技术是改进的协同过滤 推荐。虽然这种构建方法简单明了，易丁二操作，但是局限性也很大，主要表现在： 1 、推荐质量和推荐实时性的矛盾。实时性反映了系统的响应速度。而协同过滤技术的 缺点在于用户对商品评分数据较少的时候，推荐质量比较低。因此为了提高推荐质量而提出 的各种改进算法都是以牺牲推荐实时性为代价，或者需要离线分析，或者运算速度减慢。 2 、智能化程度低。系统的建立是以一种或多种推荐算法为基础，系统的运行也是按照 一定的流程，无法适应用户的变化，这也是许多用户对此类推荐系统的推荐结果不是很满意 的原因。 3 、系统应用的规模有限。此类推荐系统均是基于特定的电子商务网站，即系统的用户 和商品数据来源于某一个电子商务交易网站。不能满足跨网站的大规模推荐应用的需要。 4 、不能避免协同过滤推荐的其他缺点。如新用户问题、数据稀疏问题和冷开始问题等。 第1 3 页 南京师范大学硕士学位论文第2 章电子商务的推荐 2 3 3 基于知识网格的电子商务个性化推荐系统 为了解决以上推荐系统的局限性问题，文献1 1 3 1 提出了基于知识网格的电子商务个性化 推荐系统。知识网格是一个智能互连环境，它能使用户有效地获取、发布、共享和管理知识 资源，并为用户提供所需要的知识服务，辅助实现知识创新、协同工作、问题解决和决策支 持。基于知识网格的电子商务个性化推荐系统采用电子商务网站、知识网格节点和虚拟知识 网格服务社区三级机构模型，建立自动实现商品知识获取、聚合和智能推荐的运作机制。 如图2 4 所示，该模型的运作机制是：首先以电子商务网站为商品信息源，由晟相邻的 知识网格负责进行从这些网站获取和聚合知识；然后分析用户的需求，结合用户知识库。在 推荐系统的知识网格服务目录库中寻找最相关的虚拟知识网格服务社区，若社区过小则启动 知识网格智能搜索子系统搜索相邻社区，动态形成新的社区，并将结果存储于知识网格目录 库中；最后采用智能推荐系统在虚拟知识网格服务社区中调用智能推荐子系统，进行商品知 识与用户知识的匹配。 图2 4 基于知识网格的电子商务个性化推荐系统 文献f ，3 】只是提出了系统结构，但对每一个部分是如何实现的没有给出具体的方案，特 别是两个核心层：智能推荐服务与质量评价层和知识集成与功能库管理层，没有给出其中智 第1 4 页 南京师范大学硕士学位论文第2 章电子商务的推荐 能子系统的实现方案。 2 3 4 基于a g e n t 的电子商务个性化推荐系统 a g e n t 技术是人工智能的一个研究方向，也是网络智能的一个研究方向1 1 4 。将a g e n t 技术应用到电子商务个性化推荐系统中可以解决很多问题，包括不能灵活提供多种推荐功 能；由于推荐需求与应用系统之间的差别，推荐系统需要根据w e b 站点进行定制开发，系 统移植性差；难以动态有效地管理和维护多个推荐工具和大量数据。 文献【4 1 提出的基于a g e n t 的电子商务个性化推荐系统其原理是在推荐系统中为每个用 户设置一个a g e n t 来接收用户的需求，然后将这些信息传给合适的推荐器r e c o m m e n d e r ， 最后接收这些r e c o m m e n d e r 返回的推荐列表，经过加权处理后再将最终结果返回给用户 系统结构如图2 5 所示。 该模型综合了各种推荐技术，适应不同应用领域的电子商务系统，但是文献没有详细描 述a g e n t 的结构，以及a g e n t 之间的通信。 j 商务系统1l， 推荐请求 ： 推荐结果 一i 迥伯策瓤到 j 商务系统2 雄荐请求 西，挡荣面推荐结果 j 商务系统n | ， 雄荐请求 而，档杀面 推荐结果 2 。4 小结 图2 - 5 基于a 9 e m 的电子商务个性化推荐系统 本章对电子商务个性化推荐系统进行了详细介绍，从系统应用、推荐技术、系统结构等 方面综述了目前电子商务个性化推荐系统的研究现状。 第1 5 页 南京师范大学硕士学位论文 第3 章a g e n t 理论与系统 第3 章a g e n t 理论与系统 a g e n t 的研究开始于上世纪8 0 年代中期，到了9 0 年代a g e n t 逐步成为分布式人工智 能的研究目标和核心，它成为人工职能领域中的重要研究内容之一。a g e n t 具有自主性、智 能性、动态性等特性，将a g e n t 理论与技术应用于电子商务的个性化推荐系统，有助于满 足用户的个性化需求、增加系统的灵活性以及拓展系统的应用范围等优势。本章具体介绍了 a g e n t 的概念、类型与交互等方面的理论知识。 3 1 a g e n t 的基本概念 文献【1 q 对a g e n t 的定义是：驻留在某一环境下能够自主、灵活地执行动作以满足设计 目标的行为实体。文献f 1 6 j 给出了a g e n t 的弱定义和强定义，其中弱定义的a g e n t 应该具有 以下特征： 1 、自治性。a g e n t 的运行不受任何人或其他a g e n t 的直接干预，它对自己的内部状态 和动作有一定的控制权； 2 、社会性。a g e n t 之间存在相互作用和通讯，这种通讯可以是以专有的方式，或者标 准的方式进行； 3 ，反应性。a g e n t 能够观察环境，并且对环境中的变化做出及时的回应。 4 、自发性。a g e n t 具有自发的目标导向性。 但是有些学者认为除此之外，a g e n t 还应该具有一些诸如知识、信念、目的和义务等人 具有的特征。强定义的a g e n t 还应具备以下特征： 1 、移动性。a g e n t 是可以移动的，它可以从台计算机移动到另一台计算机上工作； 2 、准确性。a g e n t 不会有意和错误信息通讯； 3 、仁爱性。a g e n t 不存在一个冲突的目标，因此，它总是尽力做好要求它做的工作； 4 、合理性。a g e n t 总是尽力完成规定的任务，它没有包含阻止执行任务的行为，而且 这些行为都是在信任范围内执行的。 3 2 a g e n t 的体系结构 a g e n t 的基本概念定义了a g e n t 的外部可观察的行为特征，而没有定义其内部结构。从 软件开发的角度出发，a g e n t 功能的实现需要进一步认识a g e n t 的内部结构和其自主运行的 第1 6 页 南京师范大学硕士学位论文 第3 章a g e n t 理论与系统 规