數(shù)據(jù)挖掘技術(shù)下的個性化智能推薦系統(tǒng)設(shè)計

王炎

(陜西財經(jīng)職業(yè)技術(shù)學(xué)院 管理學(xué)院， 咸陽 712000)

0 引言

隨著電子商務(wù)的快速發(fā)展，越來越多的企業(yè)開始對網(wǎng)絡(luò)用戶的行為進行分析，通過用戶行為來對興趣愛好進行掌握，根據(jù)用戶的興趣愛好來為其進行個性化商品的推薦，在此過程中，能夠充分提高用戶交易的成功率，增強企業(yè)的盈利水平。用戶在使用互聯(lián)網(wǎng)的過程中，瀏覽記錄會被網(wǎng)絡(luò)進行自動識別并記錄，該項記錄會對用戶的行為分析提供基礎(chǔ)，在對行為分析過程中，數(shù)據(jù)的采集以及網(wǎng)站數(shù)據(jù)的提取至關(guān)重要[1]。

1 系統(tǒng)構(gòu)架設(shè)計分析

個性化的智能推薦系統(tǒng)可以通過對相關(guān)信息的過濾，將用戶感興趣的信息推薦給用戶，例如電影、音樂、書籍、圖片等。此次研究以電影為例，對數(shù)據(jù)挖掘技術(shù)下的智能推薦系統(tǒng)進行設(shè)計分析，最終目標(biāo)為：結(jié)合用戶的喜好，推薦系統(tǒng)為其提供經(jīng)過篩選之后的電影推薦列表，并且能夠及時更新。系統(tǒng)整體構(gòu)架如圖1所示。

由圖1所示，該系統(tǒng)以三層構(gòu)架結(jié)構(gòu)進行設(shè)計，當(dāng)用戶對需求信息發(fā)出指令以后，接口會將指令傳遞到中間層，位于中間層的搜索引擎會結(jié)合用戶給出的喜好信息與多媒體資料庫中的內(nèi)容相匹配，產(chǎn)生符合用戶標(biāo)準(zhǔn)的媒體信息反饋給用戶接口。用戶對所推薦的內(nèi)容滿意之后可以進行付費并瀏覽。本次所設(shè)計的智能推薦系統(tǒng)由用戶處理子系統(tǒng)、管理員控制系統(tǒng)與推薦子系統(tǒng)構(gòu)成。

圖1 個性化智能推薦系統(tǒng)整體構(gòu)架

1.1 用戶處理子系統(tǒng)：該子系統(tǒng)主要對用戶的個人信息進行收集，并且為用戶提供注冊、觀看視頻的相關(guān)信息等功能。包括列表推薦、熱點分析、分類列表、資料搜尋等。

1.2 管理員控制系統(tǒng)：對多媒體資料庫進行及時更新與維護，可以對用戶或媒體信息進行刪除，在搜索引擎上，可以對參數(shù)進行調(diào)整。管理員可以對用戶資料庫進行管理，對系統(tǒng)個性化信息進行自動更新。

1.3 推薦子系統(tǒng)：該子系統(tǒng)主要產(chǎn)生關(guān)聯(lián)規(guī)則，以最快的速度提供信息推薦。

2 智能推薦系統(tǒng)設(shè)計相關(guān)技術(shù)分析

數(shù)據(jù)挖掘技術(shù)下的個性化智能推薦系統(tǒng)的設(shè)計主要涉及個人信息的自我學(xué)習(xí)技術(shù)以及個性化特征分析技術(shù)[2]。

2.1 個人信息自我學(xué)習(xí)技術(shù)

該項技術(shù)主要是通過用戶對不同類型電影的點擊頻率來構(gòu)建起個性化的瀏覽信息列表，對電極習(xí)慣與特性進行自我學(xué)習(xí)。在對電影進行推薦時，要根據(jù)電影自身與用戶的喜好關(guān)系進行推薦，所以需要對電影資料與用戶信息之間做出相應(yīng)關(guān)聯(lián)。通過信息搜索技術(shù)，最終產(chǎn)生規(guī)則信息。用戶可以直接通過推薦系統(tǒng)來對規(guī)則庫中的資料進行使用，通過對比之后，給出正確的推薦信息。系統(tǒng)會將用戶每次選取的電影操作當(dāng)作一次交易記錄，每個信息特征都當(dāng)作一個項目，通過CBW算法能夠增進搜索速度，結(jié)合不同的用戶資料結(jié)構(gòu)，快速的搜索出相關(guān)項目集[3]。針對多維度關(guān)聯(lián)規(guī)則舉個簡單例子：如表1所示。

表1 挑選記錄交易信息表

{(性別，男)，(星座，巨蟹)，(年齡，中年)，(職業(yè)，教師)，(居住，南部)}—{(類別，動作)，(男主角，湯姆克魯斯)，(電影點選記錄，點擊)}

其中代表的意義為：居住在南部的中年巨蟹座男教師通過點擊瀏覽了由湯姆克魯斯主演的動作片。

2.2 個性化特征分析技術(shù)

在智能推薦系統(tǒng)的構(gòu)建中，個性化特征分析技術(shù)的應(yīng)用主要是為了找出電影自身與用戶需求信息之間的關(guān)系，用戶信息包括性別、年齡、職業(yè)、興趣愛好等。電影信息包括導(dǎo)演、男女主角等。用戶行為包括試看、點擊、付費三種。通過個性化特征分析技術(shù)將這些信息形成相關(guān)聯(lián)的規(guī)則。個體關(guān)系如圖2所示。

圖2 推薦視頻與個人資料關(guān)系

3 個性化智能推薦系統(tǒng)推薦程序分析

推薦程序主要是對眾多條件的因素進行分析，針對需求給予最佳匹配。以較新的電影資源優(yōu)先，其次為點擊率，點擊率較高的電影優(yōu)先次序較高[4]。具體邏輯分析如下：

輸入：用戶的個人資料、交易記錄、多媒體資料以及關(guān)聯(lián)規(guī)則。

輸出：推薦的10部符合要求的電影。

處理：對電影推薦的流程處理如圖3所示。

圖3 系統(tǒng)推薦流程

當(dāng)用戶登錄到瀏覽器之后，系統(tǒng)會分析用戶數(shù)據(jù)，判斷其是否為第一次使用，如果是第一次使用，系統(tǒng)會自動對用戶需求進行檢索，找到合適的關(guān)聯(lián)規(guī)則，通過關(guān)聯(lián)規(guī)則來推薦電影，如果找不到相關(guān)的關(guān)聯(lián)規(guī)則，會直接推薦給用戶最熱門的10部電影。如果用戶不是第一次使用推薦系統(tǒng)，那么系統(tǒng)會對與用戶適合的關(guān)聯(lián)規(guī)則進行搜索，一旦發(fā)現(xiàn)可用的關(guān)聯(lián)規(guī)則，會通過該關(guān)聯(lián)規(guī)則對電影進行推薦。如果搜尋不到關(guān)聯(lián)規(guī)則，會直接按照用戶的交易記錄來進行推薦。

3.1 根據(jù)關(guān)聯(lián)規(guī)則推薦

首先系統(tǒng)會檢查關(guān)聯(lián)規(guī)則右項的結(jié)論，當(dāng)系統(tǒng)給出的結(jié)論為單向信息時，可以直接根據(jù)右項結(jié)論來進行推薦。如果結(jié)論為多項信息，則需要對信息進行分離，分離成單一的結(jié)論信息之后，針對每個單一信息推薦出10部電影，根據(jù)這10部電影之間的信息交集，來選出最符合用戶的五部電影做出推薦[5]。根據(jù)規(guī)則推薦電影流程，如圖4所示。

圖4 關(guān)聯(lián)規(guī)則推薦

3.2 交易記錄推薦

如果根據(jù)交易記錄進行推薦，那么需要從用戶的交易記錄中挑選出用戶最長看的五部電影類型，找出用戶是否對電影的某個信息有所偏愛，如果有，需要將該信息下的電影挑選出來，對電影類型進行分析，與之前的電影進行對比分析，最后集成為一種電影類型，根據(jù)相應(yīng)比例計算出各種類型的電影推薦書目進行推薦。推薦流程如圖5所示。

4 系統(tǒng)測試

系統(tǒng)測試模塊是系統(tǒng)設(shè)計中不可缺少的一部分，通過測試能夠證明系統(tǒng)運行的穩(wěn)定性與實用性。本次對智能推薦系統(tǒng)以實際數(shù)據(jù)進行實驗測試。在Intel Core i5-1.6 GHz,4GB RAM硬件環(huán)境下，運用Ubuntu 14.04操作系統(tǒng)，通過模擬數(shù)據(jù)器產(chǎn)生數(shù)據(jù)。本次測試以交易數(shù)量10萬筆與5萬筆為基礎(chǔ)，交易平均長度為12，項目種類為1400種[6]。如表2所示。

圖5 交易記錄推薦

參考值參數(shù)名T12.100KT12.50K交易數(shù)量/個100 00050 000平均交易長度1212項目 種類/種14001400

根據(jù)相應(yīng)的數(shù)據(jù)量生成五種不同的測試數(shù)據(jù)，測試系統(tǒng)的穩(wěn)定性。根據(jù)表3所示。

表3 不同資料執(zhí)行時間以及頻繁項目集

將最低門限值設(shè)定為1%時，兩者執(zhí)行時間為14.19秒和16.22秒。所以，系統(tǒng)在相同數(shù)據(jù)量所產(chǎn)生的不同測試數(shù)據(jù)下，時間非常穩(wěn)定?；静粫捎跍y試數(shù)據(jù)而對穩(wěn)定性造成很大影響?？煽啃员容^高，值得信賴。另外，系統(tǒng)所產(chǎn)生的項目集在2萬個左右，使用者的個性信息在越長頻繁項目集中出現(xiàn)，代表電影隊額推薦準(zhǔn)確性越高。利用最低門限值來產(chǎn)生頻繁項目集，預(yù)測推薦的電影會更準(zhǔn)確。

4 總結(jié)

本文所設(shè)計的數(shù)據(jù)挖掘技術(shù)下的個性化智能推薦系統(tǒng)，主要運用數(shù)據(jù)挖掘技術(shù)，針對用戶的個人喜好進行預(yù)測，將符合用戶需求的內(nèi)容推薦給用戶，通過關(guān)聯(lián)規(guī)則與交易記錄的結(jié)合，擺脫傳統(tǒng)被動的推薦方式，使用戶無需時刻進行上線查詢，能夠隨時掌握最新信息。經(jīng)過對系統(tǒng)的測試，能夠證明該只能推薦系統(tǒng)的運行穩(wěn)定性，在實際應(yīng)用中具有一定的推廣價值。