电子商务推荐系统研究综述

同时将 用户 从 繁 重 的 搜 索 任 务 中解 脱 出来 。 目前 几 乎 所 有 的 大 型 电子商 务 网站 都 不 同程 度地 使 用 电子 商 务 推荐 技 术 ， 比如
Ａｍａｏ 、 ＤＮｏ ｅａ ｚｎ Ｃ ｗ、ｂ ｙ和 ｄｎ ｄ ｎ ａ ｇ ａ ｇ等 。
有 特殊 要 求 ， 数据 密 度达 到一 定 程 度 时 表 现 出 较 好 的 推荐 质 在
据 采用 统 计 的方 法得 到 具有 相 似兴 趣 爱 好 的邻 居 客 户 ， 然后 根
据 邻居 客 户 的爱 好 作 出推 荐 ； ． 于 模 型 的 协 同 过 滤 ， 用 户 ｂ基 从 兴 趣数 据 库学 习 得 到 一 个 模 型 ， 用 此 模 型 进 行 预测 ， 常 情 再 通 况下 模 型 的学 习 过 程 需 要 花 费 一 定 的 时 间 ， 离 线 进 行 的 ， 是 主 要 用 于 用户 兴 趣变 化缓 慢 的场 合 ， 相 对 基 于 内存 的协 同过 滤 但 而言 其 响应 较 快 Ｊ 。常 采 用 的学 习算 法 有 贝 叶 斯 网络 和 基 于 分 类 的算 法 ＿ 。第 一 个协 同 过滤 推荐 系 统 是 Ｘ ｒｘＰ Ｒ ８ Ｊ ｅ Ａ Ｃ研 究 ｏ 中心提 供 的 Ｔ ｐｓｒ ， 系 统 用 于 在一 个 小 的 社 区 环境 里 过 滤 ａ ｅｔ 该 ｙ Ｅ—ｍ ｉ信息 和 Ｕ ｅ ｅ 文 章 ， 户可 以对信 息 发 表 评 论 ， 使 用 ａ ｌ ｓｎ ｔ 用 并
维普资讯 http://www.cqvip.com
电子 商 务推 荐 系 统 研 究 综 述
Ａ ｕ ｖ ｙ：Ｅｌ ｃｒ ｎ ｃＣｏ ｍ ｅ ｃ ｃ ｍ ｍ ｅ ｄ ｒ Ｓ ｓｅ ｓ Ｓ ｒｅ ｅ ｔｏ ｉ ｍ ｒ ｅ Ｒｅ ｏ ｎ ｅ ｙ ｔｍ
＊
刘 平 峰 聂规 划 陈冬 林
复 杂 的 查 询 来 获 取 相 应 的信 息 。 由 ＭＩ 媒 体 实 验 室 开 发 的源自文库 Ｔ
Ｒ ｎ ｏ 统 Ｊ 由 Ｍｉ ｅ ｔ 大 学 计 算 机 科 学 与工 程 系 Ｒ ｅ ｌ ｉｇ 系 、 ｎ ｓａ ｎ ｏ ｉ 和 ｄ Ｋ ｎａ 开发 的 Ｇ ｏ ｐ ｅ ｓ Ｍｏｉ ｅｓ系 统 ＿ 协 同 过 滤 ｏｔ ｎ等 ｒ Ｌｎ 和 ｕ ｖｅ ｎ Ｌ １在 。 推荐 系 统 中具 有很 大 的影 响 力 ， 中 Ｒ ｎ ｏ向 用 户 提 供 个 性 化 其 ｉ ｇ 的音 乐推 荐 服 务 并 能 预 测 用 户 对 特 定 音 乐 的 评 分 ； ｒｕ Ｌ ｎ Ｇｏ ｐ ｅｓ
量 。Ｂ ｅ ｅ 人 将协 同过 滤 技 术 分 为 两类 Ｊ ａ 基 于 内存 的 协 ｒｓ等 ｅ ：． 同过滤 ， 称 为基 于 相关 性 的 协 同 过 滤 ， 户 对 商 品 的评 分 数 也 用
１ 电子商务推 荐技术 研究 现状
常用 的推 荐 技 术 包 括 基 于 内 容 的 过 滤 技 术 、 同 过 滤 技 协 术 、 于人 口统 计 的推荐 技 术 、 于效 用 的推 荐 技 术 、 于 知 识 基 基 基
（ 武汉 理 工 大 学 经 济 学 院 武汉 ４０７） ３ ０ ０
摘 要 对 电子 商务 推 荐 系统 在 国 内外 的 研 究 现 状进 行 了综 述 ， 析 与 评 述 了各 种 电子 商务 推 荐 技 术 的原 理 方 法 、 分 特 点 、 势 和 不 足 ， 述 了 电子 商 务 推荐 系统 的 研 究 内容 ， 出 了现 有 电子 商 务 推 荐 系统存 在 的 问题 和研 究 的 发 展 方 向。 优 阐 指
基 于 内容 的推 荐 技术 最 大 的缺 点是 必 须 分 析 资 源 的 内容 信 息 ，
因 此对 音乐 、 图像 、 频 等信 息无 能 为 力 ； 外 该 技 术 的推 荐 结 视 另
果 过于 专 门 化 ｏ ｅ ｓ ｅ ａ ｚｔ ｎ ， 法 向用 户 推 荐 不 在 用户 概 ｖ ｒ ｐ ｃ ｌａｉ ） 无 ｉｉ ｏ 要 信息 中的 商品 ＿ 。 ５ Ｊ １ ２ 协 同 过 滤 技 术 协 同 过 滤 推 荐 技 术 是 当 前 研 究 的 热 ， 点 ， 最 大 优点 是 不 需 要 分 析 对 象 的特 征 属 性 ， 推 荐 对 象 没 其 对
关键 词 电子 商务 推 荐 系统 推 荐 技 术 网 格
电子 商 务规 模 的迅 速 增 长 在 给 用 户 带 来 更 多 选 择 机 会 的 同时 ， 也使 得 用户 搜 索所 需 商 品 的成 本 越 来 越 高 。 电子 商 务 推 荐 系 统可 以 向用 户 提 供 商 品推 荐 ， 助 用 户 找 到 所 需 商 品 ， 帮 满 足用 户个 性 化的 需 求 ， 用 户从 浏 览 者 转 变 为 购 买 者 ， 过 网 将 通 站与 用户 的互 动 提 高 了用 户 的忠 诚 度 ， 而 增 加 企 业 的效 益 ， 从
的推荐 技 术 和上述 推 荐技 术 的混 合 推荐 技 术 。
１ １ 基 于 内容 的过 滤 技术 早 期 的 推荐 系 统 是 为 了克 服 文 ． 本 领域 信息 负 担 的信息 过 滤 和信 息 提 取 系 统 ， 于 内容 的 过 滤 基 技 术是 信息 过 滤 的派生 和 继续 ， 于 内容 的推 荐 常 采 用 两种 方 基 法 ： ． 于 特征 。 即 用 相 关 特 征 来 定 义 所 要 推 荐 的 商 品 ， 义 ａ基 定 方 法 可 以采 用 向量 空 间模 型 、 量 权 重 模 型 、 率 权 重 模 型 或 矢 概 贝叶斯 模 型 …。 系 统 通 过 学 习 用 户 已评 价 或 购 买 过 的 商 品 特 征 来 获得 对用 户 兴趣 的 描述 ， 即用 户概 要 信息 （ ｓｒ ｒｆｅ ， Ｕ ｅ ｏｉ ） 并 Ｐ ｌ 且 随着 系 统对 用户 偏好 的学 习 而 不 断更 新 ， 用 的学 习 方 法 包 使