礼品推荐系统知识库的研究.doc

中国科技论文在线礼品推荐系统知识库的研究路卫杰作者简介：路卫杰(1984-)，男，硕士，个性化推荐. E-mail: *|1|路卫杰|Lu Weijie|北京邮电大学计算机学院，北京 100876|College of Computer,Beijing University of Post and Telecommunication,Beijing 100876|路卫杰(1984-)，男，硕士，个性化推荐|北京市海淀区西土城路10号北京邮电大学学29楼706|100876|13426082242礼品推荐系统知识库的研究|Research on knowledge Base of Gifts Recommendation System|- 8 -（北京邮电大学计算机学院，北京 100876）摘要：本文针对礼品推荐提出了知识库推荐的方法，调研了礼品分类和礼品赠送知识并据此构建礼品知识库，然后通过人工初始化的方法始化一部分礼品的知识库，通过计算礼品的综合相似度对其它的礼品进行初始化，同时为礼品知识库推荐设计良好的用户交互界面。研究表明该系统能向用户提供体验良好的，推荐准确的礼品推荐服务。关键词： 推荐系统；知识库；相似度；用户交互中图分类号：TP311Research on knowledge Base of Gifts Recommendation SystemLu Weijie(College of Computer,Beijing University of Post and Telecommunication,Beijing 100876)Abstract: This paper proposes a method of knowledge recommendation for gifts recommendation, reasearches gifts classified and gifts knowledge then constructs the gift knowledget, and initializes the part of gift knowledge base through the method of manual initializing. Do the further initializing for other gifts by calculating the similarity between gifts, at the same time design good user interface .Finally provide gift recommendation service with good experience and accurate recommendation.Key words: recommendation system; knowledge base; similarity;user interaction0 引言随着互联网和电子商务的迅速发展，人类己步入网络信息时代。海量信息的同时呈现, 一方面使用户很难从中发现自己感兴趣的部分, 另一方面也使得大量少人问津的信息成为网络中的“暗信息”, 无法被一般用户获取1.面对网络信息量呈指数增长，如何从这浩瀚的海洋中取得所需要的、真正有用的信息，已成为广大网络用户共同面临的问题。为解决此难题产生了搜索引擎技术。搜索引擎技术通过对话框来接受用户的文字描述，然后通过一定的算法进行匹配，最后向用户返回按照相关度排序的搜索结果。传统的搜索引擎显然不能满足用户的需求，搜索所依赖的对话框也难于满足用户需求的表达，而且搜索引擎返回的搜索结果成千上万，造成信息过载，需要用户花费大量精力和时间去筛选。针对上述现象本文研究了基于知识库的礼品推荐，通过将礼品赠送知识以知识库的形式保存到数据库中，将计算的礼品综合相似度引入到知识库中解决礼品知识库的初始化问题，然后向用户提供良好的用户交互界面从多个方面描述用户的送礼需求，最后向用户提供礼品推荐服务。1 推荐系统及知识库相关知识介绍1.1 推荐系统的概念推荐系统是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品种类和数量快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务2。1.2 推荐系统的架构一般来说，个性化推荐系统主要由输入(Input)模块、推荐(Recommender)模块、输出(Output)模块三部分组成3。其中，输入模块主要负责收集用户的需求描述和行为日志。用户的输入包括：用户注册信息输入、用户评分输入、用户的浏览输入等。推荐模块是整个个性化推荐系统的核心部分，它直接决定着推荐系统的性能优劣。推荐模块以推荐技术和推荐算法为支撑，包括协同过滤推荐算法，上下文推理和本体推理等许多来自于数据挖掘领域的最新研究成果。输出模块负责将推荐结果输出给用户。输入模块和输出模块可以统称为用户交互模块。良好的用户交互模块能更好地使用户描述自己的需求，更好地获得系统的推荐。1.3 知识发现目前关于知识发现( Knowledge Discovery in Data-base - KDD)推荐方法的研究比较热门,它是从数据库中提取隐含的、先前未知的、潜在有用的知识或信息模式的决策支持方法。KDD同样也是要提取发现用户和产品的特征,所采用的方法是分类、聚类、关联规则等数据挖掘方法。KDD将用户请求视作一个查询( query) ,然后基于用户需求和偏好进行推荐。这个方法需要了解产品用户之间的关系和特征。这些知识的获取有赖于知识库的建立,使得数据挖掘的方法得到了巨大的应用4。1. 数据挖掘技术的应用数据挖掘是处理海量信息的有效手段,在很大程度上解决了其他推荐方法在海量数据情况下的性能问题。基于数据挖掘的KDD系统利用数据挖掘技术对用户行为和用户属性进行学习,从中获取有价值的知识,从而进行准确有效的推荐。电子商务推荐系统中的数据挖掘主要包括关联规则挖掘和分类挖掘两类,因此基于数据挖掘的KDD方法又分为关联规则推荐和分类挖掘推荐两种。关联规则推荐方法是先根据销售数据发现不同商品在销售过程中的相关性,然后基于生成的关联规则模型和用户的购买行为产生推荐结果;分类挖掘推荐方法是通过聚类、Bayesian网络、神经网络等多种机器学习方法产生分类挖掘模型,再根据用户输入信息和产品的特征信息,预测是否向用户推荐该产品5。2. 知识发现的优缺点随着电子商务系统用户数目和商品数目的日益增加,电子商务网站中的大量交易、注册、评价等用户数据和Web服务器中的日志数据、用户购物信息等都可以利用来提高推荐系统的推荐质量和推荐效率,以及建立有效处理大量非注册用户的行为模型。这种推荐方法使用起来更加方便,可信度比较高。同时它没有新用户和新产品问题,并且可以用于其他推荐方法中,比如相似度计算和分类聚类等。但是KDD算法的适应度还存在问题,往往一种算法只适用于某一类数据。而且有时候一些直观、可度量的关系在知识发现中可能会被忽略,或者花费很多时间进行发掘。2 基于知识库的礼品推荐系统的研究2.1 礼品推荐系统知识库设计架构礼品推荐系统的知识库主要设计思路是设计知识库模型并让礼品专家初始化礼品知识库，同时根据一定的算法计算礼品的综合相似度并据此对礼品知识库进一步完善，最后设计良好用户交互模块对礼品知识库进行描述。 礼品推荐系统知识库构建的设计流程及架构如图1所示：图1 礼品推荐系统知识库设计架构 (1) 礼品知识库初始化 调研礼品赠送知识并构建知识库模型，礼品专家根据自己的专业知识对礼品知识库进行初始化。（2）礼品知识库完善 由于人工初始化的礼品数量有限，因此借助自动化程序计算礼品的相似度对其它礼品进一步初始化，最后形成完善的礼品知识库。（2）用户交互设计 礼品推荐要准确清晰地表达用户的需求，因此需要设计具有良好交互性的用户交互界面从不同方面描述用户的需求，推荐模块根据从用户交互模块采集的用户需求查询礼品知识库，最终向用户返回推荐结果。2.2 礼品知识库的构建与初始化礼品推荐有四个方面的决定因素：节日场合，送礼人，收礼人，收礼人与送礼人的关系。节日场合指的是送礼的节日和场合，如中秋节，情人节，结婚，乔迁新居等。送礼人指的是送礼人的个人信息，如年龄，性别等。收礼人指的是收礼人的个人信息，如年龄，性别，兴趣爱好等。收礼人送礼人关系指的是收礼人与送礼人的关系，如朋友，恋人，同事等。（1） 节日场合节日场合表包括节日场合名称和节日场合日期。礼物赠送的节日场合具有地域文化特点。送礼的节日有：春节，元宵节，情人节，妇女节，母亲节，儿童节，端午节，父亲节，七夕节，中秋节，教师节，感恩节，圣诞节，元旦等。送礼的场合有：恋爱，约会，结婚，周年，生日，孩子满月，乔迁新居，升学，毕业，退休，升职，探病，慰问，感谢等。（2） 收礼人/送礼人收礼人/送礼人个人信息包括年龄，性别和兴趣爱好。由于年龄只有两种情况，所以年龄不再新建表。针对年龄和兴趣爱好新建表。通过调研将年龄段分为五个阶段：0-3岁为婴儿；4-16岁为少年儿童；17-24岁为青年人；25-60岁为中年人；60岁以上为老年人。通过调研将兴趣划分为：运动，旅游，书画，音乐，阅读，棋牌，居家，烹饪，营养品，探险，宅，影视，交际，游戏，时尚，购物，美容，舞蹈等。（3）礼品知识库构建 根据上述知识设计数据库表。关系表：表示收礼人与送礼人的关系。兴趣爱好表：表示收礼人的兴趣爱好。年龄表：表示收礼人的年龄段。节日场合表：表示赠送礼品的节日场合。礼品表：表示礼品信息。收礼人类型表：根据收礼人的性别，年龄，兴趣爱好以及与送礼人的关系将收礼人分成的不同的类型。 节日场合礼品表：表示适合某节日场合的礼品。 收礼对象礼品表：表示适合某类型收礼人的礼品。 图2 礼品知识库ER图（4） 礼品知识库初始化礼品知识库是送礼领域的知识库，包括送礼节日场合，收礼人的个人信息（性别，年龄，兴趣爱好，与送礼人的关系等）。通过礼品专家的送礼知识来初始化礼品知识库。图2 礼品知识库初始化如上图所示，礼品知识库初始化数据流程图，选取二十名礼品专家并为每个礼品专家分配一个礼品知识库子系统账号，为每个账号随机选取若干个礼品，礼品专家根据礼品的图片和介绍并结合自己的送礼知识选择每个礼品适宜赠送的节日场合和收礼人的基本信息。然后系统将用户输入的信息保存到数据库收礼对象礼品表和场合礼品表中。这样由二十名礼品专家所初始化的礼品知识就被保存到数据库中。2.3 礼品知识库完善由于依靠礼品专家只能初始化部分礼品，其它大部分礼品需要通过计算相似度来进一步初始化。本文通过计算礼品的综合相似度来对其它礼品进行初始化。图3 礼品综合相似度计算流程图l 礼品商家相似度计算定义礼品A和礼品B的商家相似度为S1，如果礼品A与礼品B为同一商家所卖，则A与B的商家相似度S1=1.0，否则S1=0.0。l 礼品类别相似度计算礼品分为8大类，每大类分为若干小类，共有40小类。定义礼品A和礼品B的类别相似度为S2，如果礼品A与礼品B为同一小类，则A与B的类别相似度S2 =1.0,否则如果礼品A与礼品B为同一大类，则A与B的类别相似度S2=0.5,否则A与B的类别相似度S2=0.0l 礼品价格相似度计算礼品进行价格区间划分，并用价格区间标志P表示。价格50，P=0；50=价格100，P=1；100=价格200，P=2；200=价格500，P=3；500=价格，P=4。定义礼品A和礼品B的类别相似度为S3，礼品A与礼品B的价格相似度计算公式为：S3=。(注：PA表示礼品A的价格区间标志，PB表示礼品B的价格区间标志)l 礼品综合相似度计算定义礼品的商家相似度，类别相似度和价格相似度的权值分别为W1，W2，W3，且W1+W2+W3 =1 。根据这三个相似度计算礼品的综合相似度。定义礼品的综合相似度为S，则礼品的综合相似度计算公式为：S = S1 * W1 + S2 * W2 + S3 * W3 （本系统取W1 = W2 = W3）。l 礼品知识库完善图4 礼品知识库完善流程图通过上面四步计算出礼品之间的综合相似度，假设礼品B经过人工进行了初始化，而礼品A未进行初始化，并且A是与B相似度最高的礼品，则B可根据A的初始化信息进行初始化。通过这种方法，所有的礼品都可得到初始化。2.4 用户交互界面的设计良好的用户交互界面能够准确地表达用户的需求，便于推荐系统更全面的接受用户的需求描述，也便于推荐系统更好地向用户进行推荐。本推荐系统用户交互界面从三个方面向用户进行推荐：基于节日场合的推荐、基于收礼人个人信息的推荐和个性化推荐。（1） 基于节日场合的推荐用户根据自己的需求选择送礼节日或场合，系统调用节日场合推理向用户进行礼品推荐。由于送礼的场合和目的不同，赠送的礼物会有所不同。如情人节送花和巧克力合适，中秋节送月饼合适，孩子满月送毛绒玩具，小衣服等合适，朋友生日送大毛绒熊合适等。（2） 基于收礼人个人信息的推荐用户选择收礼人的年龄或性别获得系统推荐的礼品，用户选择收礼人的兴趣爱好获得系统推荐的礼品。收礼者的个人信息不同，赠送的礼物也会有所不同。如，赠送有事业心的男人宜送领带，钱包，商务包等；赠送时尚女人宜送口红，化妆品等；赠送孩童宜送文具，卡通玩具等。（3） 个性化推荐个性化推荐采用更好的用户界面，将收礼人根据年龄和性别分为中年男人、老年男性、中年女人、老年女性、男青年、女青年、男孩儿、女孩儿，每个分类根据其特点对其类型进行划分，并对该类型的人从图片、服饰特点、周末活动、性格特征、兴趣爱好和个人偶像来进行描述，用户根据这些特征描述来选择收礼人并获得系统的推荐。根据特征描述，对每种人进行类型划分。表1 收礼人类型划分类型特征描述分类男人阳光男人、宅男、合格爸爸、成功男人、探险男、休闲男、艺术男、思考男、书画男、贵族男老年男性悠闲老人、思考老人、慈祥爷爷、运动老人、威严爷爷女人标准妈妈、成功女性、悠闲女、全职太太、时尚女、宅女、交际女、文艺女、探险女、阳光女人老年女性时尚奶奶、美食奶奶、思考奶奶、慈祥奶奶、运动奶奶男青年阳光男孩、艺术BOY、时尚男孩、阅读达人、游戏狂人、影视FANS女青年购物狂、阳光女孩、影视发烧友、探险女孩、文学女孩、时尚丽人男孩儿玩耍少年、运动少年、卡通FANS女孩儿阳光女孩儿、书画女孩儿、舞蹈天使、运动女孩儿3 结束语本文通过调研礼品赠送知识构建礼品知识库，利用礼品专家的知识对3000个礼品信息进行知识库部分初