基于JavaEE的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

白 娟，閆新慶

(華北水利水電學(xué)院，河南 鄭州 450011)

基于JavaEE的電子商務(wù)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

白 娟，閆新慶

(華北水利水電學(xué)院，河南 鄭州 450011)

通過(guò)在一個(gè)實(shí)際的基于JavaEE架構(gòu)的電子商務(wù)平臺(tái)上附加一個(gè)推薦引擎，使得該引擎能在實(shí)際購(gòu)物過(guò)程中對(duì)用戶的行為進(jìn)行分析、計(jì)算，從而得到用戶在近期內(nèi)的個(gè)人偏好，并能在平臺(tái)數(shù)據(jù)庫(kù)中為用戶做出合理有效的商品推薦.

JavaEE;電子商務(wù);推薦

隨著網(wǎng)絡(luò)的廣泛普及，電子商務(wù)對(duì)傳統(tǒng)的商貿(mào)活動(dòng)產(chǎn)生了革命性的影響，引發(fā)了從以商品為中心到以客戶為中心的商業(yè)模式的轉(zhuǎn)變.新的商業(yè)環(huán)境為企業(yè)提供新的商機(jī)的同時(shí)，也對(duì)企業(yè)提出了新的挑戰(zhàn).圍繞客戶進(jìn)行服務(wù)，為客戶提供所需要的商品是企業(yè)發(fā)展的趨勢(shì).因此給每個(gè)客戶提供個(gè)性化的服務(wù)已經(jīng)成為必然，而電子商務(wù)推薦系統(tǒng)是解決問(wèn)題的重要途徑.

1 推薦引擎的設(shè)計(jì)步驟與原理

1.1 設(shè)計(jì)步驟

步驟1 選擇推薦用戶.游客可以瀏覽網(wǎng)站的任何商品，但不產(chǎn)生任何推薦.一旦成為注冊(cè)用戶，就可以在網(wǎng)站進(jìn)行任何的點(diǎn)擊和購(gòu)買(mǎi)操作，同時(shí)推薦引擎會(huì)在后臺(tái)啟動(dòng)工作，根據(jù)用戶的操作行為進(jìn)行相關(guān)的分析與推薦.

步驟2 用戶行為統(tǒng)計(jì).用戶ID和用戶對(duì)商品的點(diǎn)擊都用會(huì)話跟蹤機(jī)進(jìn)行保存，并且記錄到數(shù)據(jù)庫(kù)中，為用戶偏好分析和商品關(guān)聯(lián)分析做數(shù)據(jù)上的準(zhǔn)備.

步驟3 用戶偏好分析.這是推薦引擎核心工作的第一步，目的是找出每位顧客喜好的商品類(lèi)型，并最終以評(píng)價(jià)分?jǐn)?shù)的形式體現(xiàn).具體分為3個(gè)階段，分別是商品查看階段的偏好，放置購(gòu)物車(chē)階段的偏好和購(gòu)買(mǎi)階段的偏好［1－2］.一般來(lái)講，用戶在網(wǎng)上購(gòu)買(mǎi)商品時(shí)，大都遵循這3個(gè)階段的順序.也就是說(shuō)，顧客在購(gòu)買(mǎi)商品后，必然點(diǎn)擊查看過(guò)該商品且把該商品放入購(gòu)物車(chē)，所以，不必專(zhuān)門(mén)為各個(gè)階段的點(diǎn)擊設(shè)置權(quán)重.據(jù)此分析，可以將所有類(lèi)型的商品分成4組:實(shí)際在線購(gòu)買(mǎi)的商品;添加到購(gòu)物車(chē)中的商品;點(diǎn)擊查看的商品;所有商品.

步驟4 商品關(guān)聯(lián)分析.該階段要求根據(jù)商品的事務(wù)集找出不同類(lèi)型商品之間的關(guān)聯(lián).推薦引擎經(jīng)過(guò)分析之后，得出的是不同類(lèi)型商品之間的關(guān)聯(lián)度.這樣，當(dāng)顧客購(gòu)買(mǎi)一種商品時(shí)，推薦系統(tǒng)可以為其呈現(xiàn)出與這種商品類(lèi)型關(guān)聯(lián)度最大的某種類(lèi)型的商品.比如:經(jīng)過(guò)系統(tǒng)的分析，買(mǎi)數(shù)碼播放器的顧客比買(mǎi)高檔耳機(jī)(可以定義為數(shù)碼產(chǎn)品周邊)的可能性最大.那么，當(dāng)顧客購(gòu)買(mǎi)某個(gè)品牌MP3/MP4的時(shí)候，系統(tǒng)就會(huì)為其自動(dòng)推薦某款暢銷(xiāo)的蘋(píng)果牌耳機(jī).采用商品分類(lèi)樹(shù)［1］來(lái)構(gòu)建商品分類(lèi)模型.

1.2 推薦原理

用戶偏好分析階段得出的是用戶本人的喜好、購(gòu)買(mǎi)傾向，而商品關(guān)聯(lián)分析階段是由整個(gè)網(wǎng)站消費(fèi)群體的消費(fèi)習(xí)慣得出的商品之間的相關(guān)度.經(jīng)實(shí)際分析證明，當(dāng)綜合運(yùn)用這兩個(gè)分析結(jié)果時(shí)，可以產(chǎn)生較準(zhǔn)確的推薦，顧客的滿意度也較高.

經(jīng)過(guò)前面階段的分析與計(jì)算，推薦引擎給出了符合要求的商品，被推薦商品以列表的形式展示在頁(yè)面上.

2 推薦系統(tǒng)的總體設(shè)計(jì)

推薦系統(tǒng)平臺(tái)主要有前臺(tái)管理模塊和后臺(tái)管理模塊組成.前臺(tái)管理模塊主要包括會(huì)員注冊(cè)及登錄、會(huì)員資料修改、商品分類(lèi)查看、購(gòu)物車(chē)、結(jié)賬下單、查看訂單、推薦商品、商城公告等.后臺(tái)管理模塊主要包括用戶管理、類(lèi)別管理、產(chǎn)品管理、訂單管理，統(tǒng)計(jì)分析等.

采用JADE(Java Agent Development Environment)框架進(jìn)行系統(tǒng)的設(shè)計(jì).整個(gè)系統(tǒng)由Agent集成和Web應(yīng)用設(shè)計(jì)組成，其總體框架如圖1所示.

圖1 系統(tǒng)總體框架圖

Agent集成過(guò)程是將偏好分析Agent、商品關(guān)聯(lián)分析Agent、產(chǎn)品推薦Agent集成到JADE平臺(tái)環(huán)境中.當(dāng)啟動(dòng)JADE平臺(tái)時(shí)，多個(gè)Agent被加載，Agent都采用單例模式實(shí)現(xiàn)，所有用戶共用同樣的Agent提供的服務(wù)，這是因?yàn)锳gent的實(shí)現(xiàn)與具體的用戶無(wú)關(guān)［3－4］.

Web應(yīng)用設(shè)計(jì)技術(shù)可以采用目前流行的MVC框架技術(shù)，具體采用的Model2 Java Web應(yīng)用程序框架，即JavaBean+JSP+Servlet組合.

3 推薦系統(tǒng)實(shí)例展示

1)用戶登錄.產(chǎn)生推薦商品欄，這些商品由保存在數(shù)據(jù)庫(kù)中該用戶的歷史行為和商品關(guān)聯(lián)分析共同產(chǎn)生.

2)新用戶推薦.為了進(jìn)一步說(shuō)明推薦引擎推薦結(jié)果的合理性，注冊(cè)一個(gè)新用戶huabeishuiyuan，這時(shí)，首頁(yè)中推薦給新用戶的商品是由近段時(shí)期內(nèi)商品的銷(xiāo)量排行榜組成，它反映了一個(gè)區(qū)域的整體購(gòu)物傾向.假設(shè)此用戶是一個(gè)數(shù)碼音樂(lè)迷，注冊(cè)第一天就買(mǎi)了一款新出的MP4_03，購(gòu)買(mǎi)后再次返回首頁(yè)時(shí)，系統(tǒng)除了推薦另外一款MP4之外，還推薦了一款銀白色蘋(píng)果耳機(jī)，而且還有外接的小型音箱等相關(guān)商品，如圖2所示.

圖2 新用戶產(chǎn)生購(gòu)物行為后的推薦頁(yè)面

［1］曾子明.電子商務(wù)推薦系統(tǒng)與智能談判技術(shù)［M］.武漢:武漢大學(xué)出版社，2008.

［2］閔軍，鄧曉.智能導(dǎo)購(gòu)Agent系統(tǒng)的研究［J］.控制與決策，2003，18(4):497 －499.

［3］余力，劉魯.電子商務(wù)個(gè)性化推薦研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2004，10(10):1306 －1313.

［4］杜獻(xiàn)峰.基于貝葉斯網(wǎng)絡(luò)的多Agent分布式入侵檢測(cè)技術(shù)［J］.華北水利水電學(xué)院學(xué)報(bào)，2007，28(4):66－68.

Design and Realization of E-commerce Recommendation System Based on JavaEE

BAI Juan，YAN Xin-qing
(North China Institute of Water Conservancy and Hydroelectric Power，Zhengzhou 450011，China)

By attaching to an actual e-commerce paltform based on JavaEE，an engine of recommendation can analyse and compute an use’s action happening in shopping behavior.This will lead to that system can get user’s preference in recently days and will make a reasonable recommendation of commodity for user in database.

JavaEE;e-commerce;recommendation

1002－5634(2012)03－0072－02

2012－02－15

河南省高?？萍紕?chuàng)新人才支持計(jì)劃項(xiàng)目(2011HASTIT020).

白 娟(1979—)，女，河南鄭州人，講師，碩士，主要從事電子商務(wù)、數(shù)據(jù)庫(kù)方面的研究.

(責(zé)任編輯:蔡洪濤)