基于Web挖掘的移動(dòng)終端電子商務(wù)推薦系統(tǒng)研究

吳傳淑

（重慶電子工程職業(yè)學(xué)院,重慶　401331）

基于Web挖掘的移動(dòng)終端電子商務(wù)推薦系統(tǒng)研究

吳傳淑

（重慶電子工程職業(yè)學(xué)院,重慶401331）

摘要：本文根據(jù)web挖掘相關(guān)理論和技術(shù)構(gòu)建了包含離線部分和在線部分的基于移動(dòng)終端的電子商務(wù)推薦系統(tǒng)的體系結(jié)構(gòu)模型。

關(guān)鍵詞：Web 挖掘；推薦系統(tǒng)；電子商務(wù)；移動(dòng)終端

隨著3G網(wǎng)絡(luò)的應(yīng)用以及移動(dòng)終端技術(shù)的快速發(fā)展,移動(dòng)終端支持多種類型的電子商務(wù)形式，例如網(wǎng)上購物、網(wǎng)上銀行、網(wǎng)上旅游、網(wǎng)上娛樂等，移動(dòng)電子商務(wù)用戶也呈指數(shù)增加，據(jù)CNNIC發(fā)布的第33次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》稱，截至2013年12月，中國手機(jī)網(wǎng)民規(guī)模達(dá)到5億，年增長(zhǎng)率為19.1％，繼續(xù)保持上網(wǎng)第一大終端的地位，從而使用移動(dòng)終端進(jìn)行網(wǎng)絡(luò)消費(fèi)已成為很多網(wǎng)民生活的一部分。因此如何從用戶的訪問行為中挖掘出用戶的需求及網(wǎng)絡(luò)的行為特征，為用戶提供更好的服務(wù)，從而提高電子商務(wù)企業(yè)盈利、提升客戶忠誠度是相關(guān)企業(yè)所必須考慮的問題。當(dāng)前解決這個(gè)問題最好的方案就是應(yīng)用數(shù)據(jù)挖掘技術(shù)獲取用戶的訪問信息，它的使用可以為商業(yè)決策提供支持。

所謂Web挖掘是指從互聯(lián)網(wǎng)上發(fā)現(xiàn)和分析有用信息。簡(jiǎn)單來講，Web挖掘就是通過數(shù)據(jù)挖掘技術(shù)分析網(wǎng)站的瀏覽歷史記錄（Web Log）、網(wǎng)頁相關(guān)內(nèi)容（Web Content）以及網(wǎng)頁內(nèi)部鏈接結(jié)構(gòu)（Web Linking Structure）來獲取相關(guān)信息。再從相關(guān)的信息中發(fā)現(xiàn)有用的模式和信息。Web 挖掘技術(shù)的發(fā)展促進(jìn)了推薦系統(tǒng)在電子商務(wù)企業(yè)中的應(yīng)用價(jià)值。

電子商務(wù)推薦系統(tǒng)是根據(jù)用戶的訪問信息和行為并基于關(guān)聯(lián)規(guī)則、聚類技術(shù)等向客戶提供商品信息和購買建議，從而幫助客戶完成商品購買的過程。它是電子商務(wù)企業(yè)基于Web 站點(diǎn)個(gè)性化一對(duì)一營(yíng)銷服務(wù)模式而產(chǎn)生的。因此，電子商務(wù)企業(yè)的營(yíng)銷策略會(huì)被推薦系統(tǒng)的結(jié)構(gòu)模型和算法設(shè)計(jì)所影響。

1　基于web挖掘的移動(dòng)終端電子商務(wù)推薦系統(tǒng)構(gòu)建

由于移動(dòng)終端一般屏幕較小且受上網(wǎng)帶寬限制，在移動(dòng)終端瀏覽電子商務(wù)網(wǎng)站不像在PC機(jī)上方便，因此如何準(zhǔn)確快速給用戶推薦他們所需的商品就顯得尤其重要。為了更準(zhǔn)確的為用戶推薦其所需商品，可以利用WEB挖掘技術(shù)挖掘用戶最頻繁訪問子網(wǎng)的WAP網(wǎng)站，深入了解用戶的特定需求，在此基礎(chǔ)上結(jié)合傳統(tǒng)的推薦技術(shù)實(shí)現(xiàn)電子商務(wù)推薦效果會(huì)更佳。

1.1基于用戶興趣的頻繁瀏覽模式發(fā)現(xiàn)

頻繁瀏覽模式分析是在用戶訪問的有序訪問事務(wù)集中找到數(shù)據(jù)項(xiàng)之間前后訪問關(guān)系的事務(wù)模式，也就是在用戶會(huì)話集之中挖掘出有時(shí)間序列關(guān)系的模式，然后利用該模式找到用戶的興趣點(diǎn)、預(yù)測(cè)用戶的訪問行為及其訪問目標(biāo)，從而實(shí)現(xiàn)瀏覽或購買推薦。

文獻(xiàn)［2］認(rèn)為通過對(duì)用戶的行為進(jìn)行分析，就能獲取用戶的訪問興趣或傾向，從而找出某一段時(shí)間內(nèi)的用戶瀏覽興趣，在此基礎(chǔ)上提出了基于用戶興趣的WMAUBI的算法，該算法使用用戶路徑選擇興趣矩陣和頁面瀏覽興趣矩陣表示用戶在路徑選擇及在頁面瀏覽中表現(xiàn)出來的興趣，從而挖掘出基于用戶興趣的頻繁瀏覽模式。

1.2建頻繁瀏覽興趣WAP子網(wǎng)

文獻(xiàn)［2］WMAUBI算法實(shí)現(xiàn)了挖掘用戶頻繁瀏覽興趣路徑，由于根據(jù)該算法挖掘出來的路徑是頻繁瀏覽興趣路徑，那么可以利用挖掘出來的頻繁瀏覽興趣路徑構(gòu)建用戶瀏覽最頻繁或者最感興趣的子網(wǎng)。本文根據(jù)WMAUBI算法生成每條頻繁瀏覽興趣路徑記錄，利用文獻(xiàn)［3］的算法構(gòu)建WEB站點(diǎn)的頻繁瀏覽興趣WAP子網(wǎng)。

1.3推薦系統(tǒng)模型構(gòu)建

電子商務(wù)推薦系統(tǒng)根據(jù)用戶的訪問行為利用Web挖掘技術(shù)、關(guān)聯(lián)規(guī)則技術(shù)和聚類技術(shù)等實(shí)現(xiàn)用戶個(gè)性化推薦功能。目前的推薦系統(tǒng)一般是針對(duì)所有訪問的用戶行為而進(jìn)行個(gè)性化推薦，沒有單獨(dú)考慮移動(dòng)終端設(shè)備用戶的情況，但是隨著移動(dòng)終端的快速發(fā)展，使用移動(dòng)終端進(jìn)行電子商務(wù)的用戶越來越多，推薦系統(tǒng)的整體結(jié)構(gòu)模型設(shè)計(jì)不僅要考慮PC機(jī)客戶，還需要考慮移動(dòng)終端客戶的需求。因此本文提出了如圖1所示包含離線部分和在線部分兩大模塊的電子商務(wù)推薦系統(tǒng)結(jié)構(gòu)模型。

圖1　推薦系統(tǒng)結(jié)構(gòu)模型

離線部分包括web日志預(yù)處理、聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)以及WAP瀏覽興趣子網(wǎng)構(gòu)建等。在線部分根據(jù)用戶的訪問信息，首先判斷該用戶是否為移動(dòng)終端用戶，如果是移動(dòng)終端用戶，則根據(jù)該用戶的訪問會(huì)話信息，首先計(jì)算是否和構(gòu)建的頻繁瀏覽WAP子網(wǎng)信息匹配，如果匹配則把頻繁瀏覽WAP子網(wǎng)信息的相關(guān)商品信息推薦給該用戶，如果不匹配或者用戶是PC端客戶則按照聚類和關(guān)聯(lián)規(guī)則綜合計(jì)算生成推薦集合，從而為用戶實(shí)時(shí)在線的個(gè)性化推薦系統(tǒng)。

2　結(jié)束語

Web挖掘技術(shù)的發(fā)展，極大地推動(dòng)了電子商務(wù)推薦系統(tǒng)的發(fā)展。本文結(jié)合傳統(tǒng)的web挖掘技術(shù)構(gòu)建了基于Web挖掘的移動(dòng)終端電子商務(wù)推薦系統(tǒng)模型，充分考慮了移動(dòng)終端的設(shè)備的特殊性，從而為移動(dòng)終端客戶提供更好的推薦服務(wù)。

參考文獻(xiàn)：

［1］S.pal and V.Talwar.Webmining in Sof t Computing Framework：Relevance［C］.State of the Ar t and Future Directions.IEEE Transaetions on Neural Networks，13（5）（2002）：1163-1177.

［2］劉慧君，用戶瀏覽模式挖掘方法與應(yīng)用研究［D］.博士學(xué)位論文,重慶大學(xué),2010.

［3］鮑鈺，基于網(wǎng)站日志挖掘的頻繁遍歷主干子網(wǎng)發(fā)現(xiàn)［J］計(jì)算機(jī)系統(tǒng)應(yīng)用，2009（04）：22-25.