一种基于对话的电子商务推荐系统
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
户生成相应的产品推荐列表 ， 从而完成系统对用 户的首次产品推荐 ； 其次通过引人 ＡＩ ＭＬ人工智能标记语言 ， 构建专
家 知 识 库 ， 过 系统 与 用 户 之 间 多 次 的 自然 语 言 交 互 ， 到 用 户 的 兴 趣 点 ， 通 找 修正 首 次 的产 品推 荐 列 表 ． 这种 系统 通 过 交
Ｊ ｎ ２ １ ｕ． ０１
文 章 编 号 ： ０ ０ １ ３ （ ０ １ ０ － １ ５０ １０ —７ ５ ２ １ ）２０ ７—４
一
种基于对话的电子商务推荐系统
薛伟 莲 ， 王 蕴 慧
（ 宁 师 范 大 学 管 理学 院 ， 宁 大 连 辽 辽 １６ ２ ） １０ ９
摘 要 ： 提出了一种基于 Ａ ＭＬ的自然语言对话型的智能电子商务推荐系统． Ｉ 首先通过构建用 户模型 ， 对某类 特定用
１６ ７
辽 宁 师 范 大 学 学报 （ 自然科 学版 ）
第３ ４卷
于 内容 推荐 和基 于协 同过滤 推 荐的组 合． 由于 组合 的方 式不 同 ， 它们 的性 能和优 缺 点差异 也很 大． 基 于 以上推 荐算 法构 建 的推荐 系统存 在一 个共 同 的问题 ， 即如果 本次 推荐 的结 果准 确度 不高 ， 不是 用户想 要 的产 品 ， 么这种 情况 下推 荐系 统没 有提供 进一 步纠 正推 荐结果 、 用户 继续 交互 以挖掘 用户 那 和
需求 ， 提供 最适 合用 户 的产 品的功能 ．
２ 基 于对 话 的 电子 商务 推 荐 系 统
提 出了一 种基 于对 话 的电子商 务 推荐 系统 ， 该推 荐 系统有 两个 主要 特点 ： １ 能 够通 过 自然语 言 的 （）
方 式和用 户交 互 ， 根据 用 户 的反馈 ， 发现 用 户 的兴 趣 点 ，
互能力的改善和产 品推荐准确性的提升 ， 可以提高用户 的满意度．
关键词 ： 电子 商 务 ； ＭＬ； 同过 滤 ； 荐 系统 ＡＩ 协 推
中 图分 类 号 ： ３ ９ ＴＰ １ 文献标识码 ： Ａ
在 Ｂ Ｃ 电子 商务领 域 ， 荐 系统 可 以根 据 用 户 的兴 趣 和 爱 好 推荐 顾 客 可 能感 兴 趣 或 者 满意 的商 ２ 推
荐 系统 ． 如何 从海 量 的信 息 中快速 获得有 用 的信息 ， 而 提高 在线 商务 活 动 效 率 ， 为 电子 商 务领 域 的 从 成
一
个研究 热 点．
１ 电子 商 务 推荐 系统 的算 法
电子 商务 推荐 系统 的算 法 主 要 有 ４类 ： 于 内容 的 推 荐 、 同 过 滤 推 荐 、 于 知 识 的 推 荐 和 组合 基 协 基 推 荐［ ］ １． 喝
第３ ４卷 第 ２期
２１ ０ １年 ６月
辽 宁 师 范 大 学 学报 （ 自然 科 学 版 ）
Ｊ ｕ ｎ ｌｏ ａ ｎｎ ｒ ｌＵｎｖ ｒｉｙ（ ｔ ｒ１Ｓ ｉｎ ｅＥｄｔｏ ） ｏ ｒ ａ ｆＬｉｏ ｉｇ Ｎｏｍａ ｉｅ ｓ ｔ Ｎａｕ ａ ｃｅ ｃ ｉｉｎ
Ｖｏ ． ４ ＮＯ ２ １３ ．
评分 也 比较相 似 ； 基于项 目的协 同过 滤推 荐算 法则认 为 用户对 不 同项 目的评 分存 在相 似性 ， 要 估 而 当需 计用 户对 某个 项 目的评分 时 ， 以对用 户对 该项 目的相 似项 目进 行 估计 ． 于 协 同过 滤 算法 ， 可 对 它的 优点
是 无需 专业 的 知识 ， 可以做 到 自动 推荐 ， 容易 发现 用户 的兴趣 点 ， 是 它的缺 点是 有数 据稀 疏问题 ， 但 由于 数据稀 疏分 布 ， 法计 算复 杂度 高 ， 算 此外 它还 有无 法为新 用户 推荐 产 品和新 产 品得 不 到推荐 的 问题 ． １ ３ 基于 知识 的推荐 ．
１ １ 基 于 内容 的推荐 ．
基 于 内容 的推 荐是根 据用 户选择 和评 价 的对象 ， 荐与其 以前 喜欢 的对 象相似 的产 品． 于 内容 推 推 基
荐 的优 点是简 单有 效 ， 没有 新项 目得 不到 推荐 的 问题 ， 没 有数 据 稀疏 问题 ， 是它 无法 对 新 的用 户 进 也 但
来自百度文库
品． 过这 种推 荐方 式 ， 以把用 户 的潜在 需求 化为现 实 的购买力 ， 而提 高产 品销售 量． 通 可 从 国内外 比较著
名 的电子商 务 网站 ， ａ ｚｎ ｃ ｒ ，ｂ ｙ ｃ ｒ ， ａ ｂ ｏ ｃ ｒ 和 ｄ ｕ ａ ．ｏ 等都 采 用 了不 同技 术 的推 如 ｍａｏ ． ｏ ｅ ａ ．ｏ ｔｏ ａ ． ｏ ｎ ｎ ｎ ｏｂ ｎ ｃｒ ｎ
行 推荐 ， 而且训 练分 类器需 要大 量 的数据． １ ２ 协 同过 滤推荐 ．
协 同过滤 推荐算 法 主要 有 两类 ， 于用 户 的协 同过滤 推荐算 法 和基于 项 目的协 同过滤 推荐算 法． 基 基
于用 户 的协 同过滤 推荐算 法 的指导思 想是 如果 用户 对一 些 项 目的 评分 比较相 似 ， 他们 对 其 他项 目的 则
基 于知 识 的推 荐 不是建 立在用 户需要 和 偏好 基础 上 的推 荐 ， 而是 利 用针 对 特定 领 域 制 定规 则 来进
行 推理 ， 而达到 推荐 的 目的． 从 基于 知识 的推 荐算法 可 以将 用户 的需求 映 射 到产 品 ， 且 非产 品属性 也 而 纳 入 了考量 范 围 ， 但是对 用户 和产 品的知 识 的挖掘 很 困难 ， 而且 适 应性 差 ， 法无 法 很 好 地移 植 到别 的 算
产 品上 ．
１ ４ 组 合推 荐 ．
组合 推荐 是将 以上 ３种方 法加 以组合 以避 免或 减 少各 自单 独使 用 的不 足 ， 目前 应 用 最 广泛 的是 基
收 稿 日期 ：０ １０ —０ ２ １—３２
作者简介 ： 薛伟莲（９ ６ ， 辽宁营 口人 ， １６ －） 女， 辽宁师范大学副教授 ， 大连理工大学博士研究 生．
家 知 识 库 ， 过 系统 与 用 户 之 间 多 次 的 自然 语 言 交 互 ， 到 用 户 的 兴 趣 点 ， 通 找 修正 首 次 的产 品推 荐 列 表 ． 这种 系统 通 过 交
Ｊ ｎ ２ １ ｕ． ０１
文 章 编 号 ： ０ ０ １ ３ （ ０ １ ０ － １ ５０ １０ —７ ５ ２ １ ）２０ ７—４
一
种基于对话的电子商务推荐系统
薛伟 莲 ， 王 蕴 慧
（ 宁 师 范 大 学 管 理学 院 ， 宁 大 连 辽 辽 １６ ２ ） １０ ９
摘 要 ： 提出了一种基于 Ａ ＭＬ的自然语言对话型的智能电子商务推荐系统． Ｉ 首先通过构建用 户模型 ， 对某类 特定用
１６ ７
辽 宁 师 范 大 学 学报 （ 自然科 学版 ）
第３ ４卷
于 内容 推荐 和基 于协 同过滤 推 荐的组 合． 由于 组合 的方 式不 同 ， 它们 的性 能和优 缺 点差异 也很 大． 基 于 以上推 荐算 法构 建 的推荐 系统存 在一 个共 同 的问题 ， 即如果 本次 推荐 的结 果准 确度 不高 ， 不是 用户想 要 的产 品 ， 么这种 情况 下推 荐系 统没 有提供 进一 步纠 正推 荐结果 、 用户 继续 交互 以挖掘 用户 那 和
需求 ， 提供 最适 合用 户 的产 品的功能 ．
２ 基 于对 话 的 电子 商务 推 荐 系 统
提 出了一 种基 于对 话 的电子商 务 推荐 系统 ， 该推 荐 系统有 两个 主要 特点 ： １ 能 够通 过 自然语 言 的 （）
方 式和用 户交 互 ， 根据 用 户 的反馈 ， 发现 用 户 的兴 趣 点 ，
互能力的改善和产 品推荐准确性的提升 ， 可以提高用户 的满意度．
关键词 ： 电子 商 务 ； ＭＬ； 同过 滤 ； 荐 系统 ＡＩ 协 推
中 图分 类 号 ： ３ ９ ＴＰ １ 文献标识码 ： Ａ
在 Ｂ Ｃ 电子 商务领 域 ， 荐 系统 可 以根 据 用 户 的兴 趣 和 爱 好 推荐 顾 客 可 能感 兴 趣 或 者 满意 的商 ２ 推
荐 系统 ． 如何 从海 量 的信 息 中快速 获得有 用 的信息 ， 而 提高 在线 商务 活 动 效 率 ， 为 电子 商 务领 域 的 从 成
一
个研究 热 点．
１ 电子 商 务 推荐 系统 的算 法
电子 商务 推荐 系统 的算 法 主 要 有 ４类 ： 于 内容 的 推 荐 、 同 过 滤 推 荐 、 于 知 识 的 推 荐 和 组合 基 协 基 推 荐［ ］ １． 喝
第３ ４卷 第 ２期
２１ ０ １年 ６月
辽 宁 师 范 大 学 学报 （ 自然 科 学 版 ）
Ｊ ｕ ｎ ｌｏ ａ ｎｎ ｒ ｌＵｎｖ ｒｉｙ（ ｔ ｒ１Ｓ ｉｎ ｅＥｄｔｏ ） ｏ ｒ ａ ｆＬｉｏ ｉｇ Ｎｏｍａ ｉｅ ｓ ｔ Ｎａｕ ａ ｃｅ ｃ ｉｉｎ
Ｖｏ ． ４ ＮＯ ２ １３ ．
评分 也 比较相 似 ； 基于项 目的协 同过 滤推 荐算 法则认 为 用户对 不 同项 目的评 分存 在相 似性 ， 要 估 而 当需 计用 户对 某个 项 目的评分 时 ， 以对用 户对 该项 目的相 似项 目进 行 估计 ． 于 协 同过 滤 算法 ， 可 对 它的 优点
是 无需 专业 的 知识 ， 可以做 到 自动 推荐 ， 容易 发现 用户 的兴趣 点 ， 是 它的缺 点是 有数 据稀 疏问题 ， 但 由于 数据稀 疏分 布 ， 法计 算复 杂度 高 ， 算 此外 它还 有无 法为新 用户 推荐 产 品和新 产 品得 不 到推荐 的 问题 ． １ ３ 基于 知识 的推荐 ．
１ １ 基 于 内容 的推荐 ．
基 于 内容 的推 荐是根 据用 户选择 和评 价 的对象 ， 荐与其 以前 喜欢 的对 象相似 的产 品． 于 内容 推 推 基
荐 的优 点是简 单有 效 ， 没有 新项 目得 不到 推荐 的 问题 ， 没 有数 据 稀疏 问题 ， 是它 无法 对 新 的用 户 进 也 但
来自百度文库
品． 过这 种推 荐方 式 ， 以把用 户 的潜在 需求 化为现 实 的购买力 ， 而提 高产 品销售 量． 通 可 从 国内外 比较著
名 的电子商 务 网站 ， ａ ｚｎ ｃ ｒ ，ｂ ｙ ｃ ｒ ， ａ ｂ ｏ ｃ ｒ 和 ｄ ｕ ａ ．ｏ 等都 采 用 了不 同技 术 的推 如 ｍａｏ ． ｏ ｅ ａ ．ｏ ｔｏ ａ ． ｏ ｎ ｎ ｎ ｏｂ ｎ ｃｒ ｎ
行 推荐 ， 而且训 练分 类器需 要大 量 的数据． １ ２ 协 同过 滤推荐 ．
协 同过滤 推荐算 法 主要 有 两类 ， 于用 户 的协 同过滤 推荐算 法 和基于 项 目的协 同过滤 推荐算 法． 基 基
于用 户 的协 同过滤 推荐算 法 的指导思 想是 如果 用户 对一 些 项 目的 评分 比较相 似 ， 他们 对 其 他项 目的 则
基 于知 识 的推 荐 不是建 立在用 户需要 和 偏好 基础 上 的推 荐 ， 而是 利 用针 对 特定 领 域 制 定规 则 来进
行 推理 ， 而达到 推荐 的 目的． 从 基于 知识 的推 荐算法 可 以将 用户 的需求 映 射 到产 品 ， 且 非产 品属性 也 而 纳 入 了考量 范 围 ， 但是对 用户 和产 品的知 识 的挖掘 很 困难 ， 而且 适 应性 差 ， 法无 法 很 好 地移 植 到别 的 算
产 品上 ．
１ ４ 组 合推 荐 ．
组合 推荐 是将 以上 ３种方 法加 以组合 以避 免或 减 少各 自单 独使 用 的不 足 ， 目前 应 用 最 广泛 的是 基
收 稿 日期 ：０ １０ —０ ２ １—３２
作者简介 ： 薛伟莲（９ ６ ， 辽宁营 口人 ， １６ －） 女， 辽宁师范大学副教授 ， 大连理工大学博士研究 生．