通过BPNN算法实现的O2O电子商务精准推荐方案（外文资料）

1、外文译文通过bpnn算法实现的020电子商务精准推荐方案摘要线上到线下（020）商务模式是一种企业与顾客间的新出现喝应用的商业模 式。在这样的环境下，对用户进行精准并且有效的信息推荐和广告推荐就显得尤 为重要。如果推荐工作进行下去，更多的消费者就会被吸引到线上去完成线上支 付行为，然后在现实世界的实体商店里（线下）得到对应的商品。在木篇文章中， 笔者捉出了基于反向传播神经网络算法（bpnn算法），来推荐线下实体丿占中信息 并把线下信息推荐给用户的方法。应用了该方法的推荐结果变得更加精确和更加 接近用户需求。关键字线上到线下020推荐系统神经网络abstractonline to offline

2、 (020) commerce is a newlybusiness model between company and customers. under such environment, it is very important to recommend some useful andprecise advertisement for users- if the recommendation work isdown, it will attract more users to pay online and then get therelated products in the real-w

3、orld stores (offline). in this paper,we proposed a methodology based on the back propagationneural network algorithm to recommend some real-world storeinformation for users. the results are more precise and close tousers" desires.key wordsonline to offlineo2orecommendation system neural network

4、第一章绪论随着互联网络技术的以惊人的速度迅速发展，商业和金业也越来越能在互联 网络的营销策略中尝到甜头：例如，提出了利用网络上的广告来随时随地吸引更 多潜在客户。根据领先的在线营销机构conversion pipeline的首席执彳亍官(ceo) 和首席市场营销官(cm)迈克尔徳尔皮埃尔(michael delpieire)的说法，在 2013年中，互联网营销有七大趋势，这七大趋势中包括“订单，订单更多订单”， “走向移动”，“在线广告”，“木地化” 7。换而言之，已经有越来越多的消费 者为了追求购物的便利性和快捷性而在线上搜索关心的产品和服务的相关信息、 商品和服务。如果企业能够在线上提供更

5、多更有吸引力的订单，也就意味着他们 同时能得到更多的顾客，也意味着这些企业比其他企业更加能保持顾客的忠诚度。随着移动终端设备和移动通信技术的普及和发展，互联网络技术的以惊人的 速度迅速发展，人们对在线购物服务的需求也开始变得越来越大。谷歌(google) 曾经做过一项调查，这项调查主要是关于确定购买智能手机的客户群体的，谷歌 的调杳结果显示:调查样本中一共有超过50%的消费者在线上或者智能手机上有 购买的行为。(图1) 5与此同时，企业就必须要重新考虑如何让消费者更加方 便和更加快捷地在移动终端上在线购物。进一步来说，企业需要根拯用户所在的 地理位置提供服务或是商品。简而言之，企业能够应用全球

6、定位系统(gps)定 位和搜索得到适宜广告信息，并把这些适宜的信息推荐给它们的消费者。more than half of smartphone searcherspurchasedi>cuskio<i continue research visit a busmess purchase(pouonooo0o°(p6 4 j 1 二 sr二 xsex« jo 穴5<h<图1.消费者用他们的智能手机做什么事为了得到更大的收益和增加消费者的满足感，提出一个有用的网络营销策略 对于企业来说是非常重要的。但是，根据一系列的数据笔者发现，消费者在在线 屯子商务上

7、的消费大约只会占到其年收入的8%, trialpay的首席执行官和合伙 a alexrampel6提出了这些数据。他提出：消费者如杲每一年大约在线上消费 1000美元，那么另外的39000美元去哪里了呢？这个问题的答案是：消费者把 大部分的收入都应用在本地生活的消费中去了。消费者通常会在咖啡店中、健身 房屮、餐厅屮和美发沙龙等等线下实体店屮消费更多。根据这个结论，线上到线下（020）商务便成为了金业增加和创造收入的新机遇。在i才i购网站建立之后，线上到线下（020）的概念使得研究者提岀了更多的 市场营销策略。这些策略是基于这个全新的商务模式而提出的，团购（groupon） 得名于团体优惠（gr

8、oupcoupon）团购是一个当fl消费的过程，团购网站的主要 特点是团购网站上面的打折礼券和优惠券促销活动可以被团购网站上的消费者 应用在它们线下的实体消费过程当屮。从根本上来讲，线上到线下（020）商务 的概念即是：消费者在互联网中线上订购需要的商品或订购想要的服务之后，再 在线下的实体店屮取得订购的货詁或是获得已经支付的服务的一个概念。线上到 线下（020）商务的过程结合了在线的支付模型和为商家增加客流量的功能，因 此，线上到线下（020）也被称为是为线下实体店商家发掘和发现消费者的一种 “发现”的过程。此种商务模型同时也能够增加消费者线下购买力和为线下实体 商店提供客流量。除此以外，根

9、je pewresearchcenter4的调查，参与调查的58% 的美国成年人会在互联网上做自己期望购买的产詁的购买前调查活动。而其屮接 近67%的人表示他们通常用智能手机终端做期累购买产品的购前调查，并且他们 通常会在线下实体商丿占中來购买这些商品。总之，整个线上到线下（020）商务模式包括三大重要因素，即：现实世界 实体店推荐，在线支付和结果显示6。在这些当中，为消费者推荐有用的信息 和可以到达的商店吋非常重要的。到现在为止，主要有两种帮助消费者获取实体 店的信息的方式1。第一种方式是给消费者提供线下生活的优惠券。这样可以 通过降价吸引消费者到店消费。第二种方式即“搜索”。在这种方法中，

10、消费者 通常不清楚他们会在特定的时间或地点屮购买什么。而服务系统能够给消费者捉 供一种搜索和推荐热门或有用产品的方法。如果系统能够有用并且粘确的推荐相 关产品信息，那么企业保持客户忠诚度和创造收益就变得更加容易了。为了能够更精确地推荐产品信息，一种基于人工神经网络（ann）的算法被 提出了。在本文中，相关的神经系统网络概念会在第二章中进行初步介绍。第三 章屮对神经网络的应用进行详细叙述并在第四章屮给出最终结论。第二章神经网络的概念pl人工神经网络（ann） 891213是一个对信息进行处理的模型。它以大 自然中牛物的神经系统工作方式为灵感。此模型的关键在于其进行信息处理的系 统的结构，人工神经

11、网络系统由大量高度相关的处理元素协同作用，并以这些高 度相关连的处理元索來解决特定的问题。人工神经网络（ann）可以像人类的 学习过程一样从特定的现有例了中进行学习。它通常适用于特定的应用，例如数 据的分类，进行决策的过程，预测或模式识别。人工神经网络（ann）的主要概念是从输入数据和输出数据中找出相关联的 模型。此模型通常会被用在一些工作中，在这些工作屮，最终的结论并不明确且 需要决策活动的进行。在过去，大量的人工神经网络（ann）算法被提出来，并用于预测未来事件 的发展趋势。反向传播神经网络算法（bpnn）是其屮一种最为著名的一种算法 之一。反向传播神经网络算法（bpnn）主要包括两个过程

12、：学习过程和冋想过程。在学习过程屮系统会根据网络调整连接的权重的设置来不停地进行学习和计算。 系统用户可以向系统中输入需要的特定信息，神经网络系统可以冋想起算法并且 一直进行计算。计算完毕以后，系统可以输出相关的结论。反向传播神经网络算 法（bpnn）的结构将在图2中进行展示。图2.反向传播神经网络算法（bpnn ）的算法结构卜而的公式（1）展示了反向传播神经网络结构的基本功能。yj =*xi + b）（l）在公式（1）屮，yj表示输出向量，f代表反向神经网络算法（bpnn）函数。 xi代表输入向量，wi丿表示权重，b表示偏移值或误差值。总的来说，反向传播神经网络算法（bpnn）有学习、预测吋

13、冋想之前的训 练数据、自我组织、进行实时操作和基于兀余信息编码而实现一定程度容错功能 的特征。这也是为什么它得到广泛应用的原因。为了提高实体店为特定消费者推 荐信息的精确性，我们捉出的系统会结合反向传播神经网络算法（bpnn）o具 体的研究方法在下一章中详细叙述。第三章研究方法在木文屮，笔者提出了基于反向传播神经网络算法（bpnn）的精确度改善 的现实世界的实体商店推荐的方法。笔者还开发了一个app,供用户搜索对其冇 用的结杲。为了能合法搜集用户消费行为数据，系统会应用台湾taipei city和 new taipei city的开放数据。这两个网站提供了餐馆、电影院和沙龙的各种 信息。在实验

14、开始时，系统会专注于推荐现实生活中的实体餐厅。31背景为了帮助读者理解系统获得冇效推荐的整个过程，笔者在此引入一个旅游者 在其他城市或其他国家旅游的背景。大部分的旅游者并不知道旅游时在什么地方 用餐。他们能在他们的智能手机上搜索app系统。在这里有-个条件必须要考 虑:全球定位系统gps功能启用与否？如果全球定位系统gps功能启用，则旅 游者必须选择用餐的预算和条件。另一方面，用户必须在消费而选择他们耍消费 的地点的地理位置信息和用餐时间，在此z后，地理位置信息，时间和预算会被 输入和应用于推荐系统。系统会基于反向传播神经网络算法（bpnn）计算并冋 想之前数据库屮已有的的数据信息。最后，旅行

15、者就能够在推荐app屮得到对 其最合适的5家线下实体商店的信息，这些实体商店通常与推荐系统冇合作关系, 因此通常这些实体商店能够给用户提供一些折扣或促销优惠。旅游者可以在app 上阅读每一个推荐餐厅的详细信息，并进行在线支付。当他们到线下实体商丿占消 费的时候，他们就不再需要更多支付行为了。基本上来说，推荐系统不只会推荐 实体商店，还会推荐包括健身房，咖啡馆，美发沙龙等等线下实体店。推荐的整 个过程在图3中表示。图3推荐系统的推荐过程3. 2数据搜集为了能合法搜集用户消费行为数据,系统会应用台湾taipei city和new taipei city的开放数据3。这两个网站提供了餐馆、电影院和沙

16、龙的各种信息。在实 验开始时，系统会专注于推荐现实生活中的实体餐厅。为了了解反向传播神经网络算法（bpnn）的学习过程，应该先考虑怎样将 开放的数据转化为结构化、标准化的输入向量和输出向量并且变为反向传播神经 网络算法（bpnn）可读的数据。系统将只用三种数据为该预算是由输入旅客的 学习过程中，通过已经启用的全球定位系统gps服务的智能手机获取旅客位置 信息并得到消费的当前吋间。在这里，-共有三种数据会被转化成二进制信息序 列。值得注意的是：所冇的信息都会被列在表格中。相关的学习数据的例子在图 3-3-1中。假设旅客想耍在下午4点半在实体商店消费，目前的位置是（24.000001, 121.0

17、00001）（分别代表了经度和纬度信息）。这些数据被转换为二进制序列以后 将是图4中的序列：001100000000 .1 011110010000.1 00011 10000latitude: -bits longitude: 28bits budget: time: 5bi【s 5bits图3-3-1.-个输入向量的例子表31.关于输入向量的会话信息表bitsoriginal databinary sequencegpsjatitude2724.0000010011000(x)000-1 (total: 27bits)gps longitude28121.00000101111001000

18、00- -1 (total: 2kbits)budget (ntd)500-99399->class3->00011i10()19920()299 313100-3999i ime_hour5(10:007):5916:30-class 1691000()11:00-1:592:0(42:59 2323:0(423:59到口前为止，笔者的实验推荐系统最多只能搜集到1024个现实世界实体餐 厅信息，每一个餐厅都会用一个特定的id来表示，因此，输出结果串将会用10 个bit的二元数据串来表示。在系统进行学习过程中，只有商店的id需耍作为输 入向量输入到系统屮。餐厅的其他细节信息，例如：

19、餐厅的名称，餐厅所处的位 置信息和促销活动信息等等并不需要被输入学习过程。学习的映射过程在图3-3屮表示。图33.学习的映射过程在结束学习过程之后，系统能够为旅行者冋想并推荐最合适的5家参观信息, 旅行者就能够在结果屮任意选择一家推荐餐馆来消费。3. 4实验结果实验的客户端系统为一个app,笔者命名其为pleasure agent,该app应用 了上述推荐方案。pleasureagent是基于安卓系统下编写完成的。安卓系统版木为 2.3.3,相关的流程图在图3-4到图3-6中进行显示。图34.登陆系统wt<ftw图35在全球定位系统gps已经启用的情况下选择预算的信息图36当全球定位系统

20、gps未启用的情况下选择预算的相关数据hrcwrkome io plrdsurc agentreconmenal list&ecl noaoieswenc scxwenk stoleunqto urnrslunp put down the button and $m tho detailec informmioa asbout the selected store.图37.推荐结果显示结果页面结论根据alexrampel的说法，人多数的美国人花费约92%收入的钱在实体商店 中。另外，有53%的人会用他们的智能手机来在线购买。基于以上的两个数据, 一种新的概念：020 （线上到线下）商务

21、模式被捉出来。为了给商业捉供更多的 收入，提出一种精确推荐实体商店中有用的消息，并且把有用的信息再推荐给消 费者的方法就显得尤为重要。通过上述实现的推荐系统，用户就可以选择适合的 现实世界中的实体商店，订购商品或者服务，并在线支付钱款。当用户冇时间的 时候，用户就能够去现实世界中的实体商店去继续他们的消费，并且他们不需要 再为消费的过程支付更多的钱，也不需要更多的支付行为。这样的一个消费过程 能够创造一种双赢的条件，不仅是对企业来说还是对消费者来说。在这篇论文中, 我们提出了一种基于神经网络算法的解决方法论，即是反向路径神经网络算法 （bpnn算法）。这种算法能够提升推荐结果的精确性。我们也设

22、计出了一个基 于安卓系统的app软件系统。我们上述提出的系统能够为用户提供前五个最适 合的餐厅。根据反向路径神经网络算法（bpnn算法）所得到的结果，推荐变得 更加精确了。用户在得到推荐的结果之后，他们就能够在网上购物或者在线上完 成支付过程，之后，用户能够去实体店屮得到他们想购买的产品，享受用户所订 购的线下服务。致谢本项论文的工作得到了信息和通信研究实验室(icl),工业技术研究院 (1tri),中国台湾、中华人民共和国(工业技术研究院资助项冃代号c301ar2d20) 的支持。参考文献11 http:/ / view /453265.htm2 http:/ data, .

23、tw /ntpc/3 .tw/l4j 5j 6 /7 8j http:/www.doc.ic.ac.uk/-nd/surprise_96/journal/vol4/cs 11/report.html9j m malleswaran, v. vaidehi, and m. jebarsi, "neural networks reviewfor performance enhancement in gps/ins integration/9 2012international conference on recent trends in info

24、rmation tcchnology(icrtit), pp. 34-39, 2012.10 r hecht-nielsen, "theory of the bcickpropagation neural network," international joint conference on neural networks, pp. 593- 605, 198911 s. srirengan, and ck looi, hon using back propagation for prediction:an empirical study/* proceeding of the international joint conferenceon neural networks, pp. 1284-129(), 1991.12 s. w. li, "analysis of contrasting neural network with small-