基于支持向量機的電子商城用戶分類個性化推薦算法設計

王 潔，李烈軍，徐 鍇，唐輝軍（寧波大紅鷹學院信息工程學院，浙江寧波，315175）

?

基于支持向量機的電子商城用戶分類個性化推薦算法設計

王 潔，李烈軍，徐 鍇，唐輝軍
（寧波大紅鷹學院信息工程學院，浙江寧波，315175）

摘要：電子商城作為用戶經常性訪問的場所，這對用戶實時分類進而完成商品購買預測準確性提供了必要的數(shù)據基礎，本文基于支持向量機技術，對基于登錄用戶實時分類，進而完成商品個性化推薦的預測過程進行了詳細設計，以減少客戶搜索商品的時間，提升網站的銷售額。

關鍵詞：電子商務；支持向量機；用戶分類

0 引言

在電子商務的變化發(fā)展中，各家電商網站和銷售個體積累了大量的數(shù)據，掌握數(shù)據進而可開發(fā)一系列的商業(yè)模式。推薦技術就是基于大數(shù)據應用的一種有效手段。用戶經常會迷失在大量的商品信息空間中，無法順利找到自己需要的商品?；谕扑]技術的電商手段可以有效的識別用戶有效需求，進而達到識別需求，快速達到系統(tǒng)應用的目的，在很多方面，推薦技術都取得了不錯的成績。同時，基于用戶挖掘的數(shù)據技術被廣泛的用于用戶識別、系統(tǒng)模式推薦等方面，通過相關推薦技術的應用，使得用戶快速達到需求，進而提高相關電商平臺的銷售收入。

本文基于用戶訪問的歷史數(shù)據，應用支持向量機技術對用戶進行實時分類識別，進而完成用戶購買商品推薦。

1 支持向量機技術

支持向量機是Cortes和Vapnik于1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應用到函數(shù)擬合等其他機器學習問題中。其表示在n維向量空間內，考慮樣本集合｛xi，di｝，xi是輸入的特征，di是樣本對應的分類。經過加入松弛變量后，模型目標為：

2 個性化推薦系統(tǒng)設計和實驗

本文采取的支持向量機技術，主要依據線性分類過程，通過設置四類電子商城用戶類別，選取注冊用戶的信息外加消費金額和購買商品數(shù)量作為個人變量屬性，建立面向用戶的用戶支持向量機分類。根據相應類別的用戶分類，進而選擇相應類型的促銷商品廣告作為預測用戶需求，表1為相應的產品預測表字段設置。

表1 預測表（yuce）

該系統(tǒng)中測試的用戶購買商品數(shù)量為100條，該系統(tǒng)主要實現(xiàn)針對用戶分類的商品推薦，客戶列表具體如表2所示。

表2 客戶列表

根據用戶在瀏覽網站時記錄的行為數(shù)據，本系統(tǒng)主要從購物車情況分析，選擇了類別，金額，數(shù)量為分類屬性變量系統(tǒng)用支持向量機分類預測出客戶下一次最感興趣的產品類別，從而推薦產品，一個針對Zhou用戶的登錄推薦列表如表3所示。

表3 推薦產品列表

3 結束語

本文對基于支持向量機分類的用戶興趣預測進行了有益的探索和研究。對支持向量機算法進行了有效描述和算法應用，能基于算法得出基本準確的預測。

參考文獻

［1］方俊.電子商務系統(tǒng)商品推薦方法淺析［J］.大眾科技，2010，08：36-37

［2］龐秀麗，馮玉強，姜維.電子商務個性化文檔推薦技術研究［J］.中國管理科學. 2008，16（2）： 581-586

［3］趙良輝，熊作貞.電子商務推薦系統(tǒng)綜述及發(fā)展研究［J］.電子商務，2013，12：58-60

［4］V.N. Vapnik， The Nature of Statistical Learning Theory，Springer-Verlag， New York， 1995.

［5］趙琨，許洪貴，朱曉宇. 基于支持向量機的電子商務物流量預警研究［J］. 中國物流與采購， 2014，（4）：68-69

［6］程文瑋. ASP.NET 數(shù)據庫管理［J］.廣州大學學報，2005，4（2）：138-140.

王潔（1992-），女，安徽六安人，本科，研究方向為軟件開發(fā)與測試

李烈軍（1992-），男，四川宣漢人，本科，研究方向為軟件工程

徐鍇（1992-），男，浙江嘉興人，本科，研究方向為軟件工程

The Designation of e-commerce personalized recommendation system of classification of users Based on support vector machines

Wang Jie，Li Liejun，Xu Kai，Tang Huijun
（College of Information Engineering，Ningbo Dahongying University，Ningbo，315175，China）

Abstract：Electronic shopping mall is often accessed by users，the purchasing data can predict the demand goods.In this paper，based on the support vector machine technology and the users’ real-time classification，the personalized prediction system is designed.It can reduce the time to search the goods and increase the sales.

Keywords：e-commerce；support vector machines；user classification

中圖分類號：TH122；TP31

文獻標識碼：A

基金項目：2016年浙江省大學生科技創(chuàng)新活動計劃暨新苗人才計劃（No.2016R425007）

作者簡介