个性化推荐引擎技术及在电子商务中的应用_图文

科技? 探索? 争鸣 

S c 科 i e n c e & 技 T e c h 视 n o l o g y 界   V i s i o   n  

个性化推荐引擎技术及在电子商务中的应用  
桑 志超 

( 河北工程大学 , 河北 邯郸 0 5 6 0 8 8 )  
【 摘 要】 本文介绍 了个性化推荐 引擎的定义 , 对个性化推荐 引擎所依据 的算法原理进行 了详 细的 阐述 , 个性化推荐 引擎技 术实现 了用户  
个性化 的需求。 提 高了用户浏览搜 索网页的效率。  

【 关键词 】 电子商务 ; 推荐引擎 ; 数据挖掘 ; 个性化推荐 
品推荐 。例如。 假设用户 A喜欢物 品 a 和物品 c , 用 户 B喜欢物 品 a ,   物品 b和物 品 c , 用 户 c喜欢物 品 a . 从这些用户 的历 史喜好可 以分  随着 电子商务 的不断发 展 . 其规模越来越 大 . 可以提供 的商 品种  析出物 品 a 和物品 C时比较类似的 . 喜欢物 品 a 的人都喜欢物 品 c ,   类和数量也不断大幅度地增加  如何使顾 客方便 、 快速的找到商品 , 顺  基 于这个数据可以推断用户 c很有可能也喜欢物品 c 。 所 以系统会将  利地完成 购物过程成为 电子商务企业 亟待解决 的问题 . 也是企业提高  物品 c 推荐给用户 c   其 自身竞 争力 的重要砝码  个性化推荐 技术为解决这一问题提供了有  该推 荐机制能够离线计算 . 不存在时效性 的问题 ; 尽管依 旧有数  力的支撑 。 目 前. 以搜索引擎为基础的推荐引擎技术 为提高购物效率  据稀疏 的问题 . 但是可 以计算 : 能够有效地发现具 有相 同兴趣 的用户  提供了强有力 的技术支持  的相似 i t e m  其不足之处在于多样性不如基于用户 的推荐机 制 , 对于  兴趣单一 的用户较为适用  1 关于推荐 引擎  2 _ 3 基 于人 口统计学的算法  1 . 1 推荐引擎 定义  该算法指根据用户的基本信息 . 从 中发现用户之 间的相 关度 . 然  推荐引擎 的 目的是解决信息过载问题 , 其本 质在 于通过对 用户历  后将相关用户喜欢的商品推荐给当前用户 。例 如, 通过用 户基本信息  史活动记录进行分析后 . 得出用户的兴趣特 点等信息 . 进而 主动为用  调查发现 . 用 户 A与用户 c都是女性 . 且属 于同一年龄段 , 则可 以认  户推荐其感兴趣 的商 品或信息  个性化是 推荐 引擎的精髓所在 . 通 过  为用户 A和用户 C相似 . 就可以把用户 A喜欢的商 品推荐 给用户 c 。   对群体数据进行 分析得 出用户 的个性化爱好 . 然后针 对其个 性化需 求  这种推荐方法 的优势 在于不存在冷启动 问题 .且适用于任何 商品领  等给出相应的推荐 从长远看来 . 推荐引擎技术具有 极为广阔的发展  域 : 其不足之处是对用户分 类方法过于粗糙 . 无 法深入发掘 出用户偏 

0 引 言 

空间。  

好. 且对于有些用户敏感的信 息 难 以获取 。   1 . 2 推荐引擎 与搜索引擎的联系与区别  2 . 4 基于T 0 p i e   mo d e I 的 算 法  推荐引擎 与搜索引擎有着一定 的联系与 区别 。 二者都是基于网络  该算 法的思想是为每个 I t e m定义不 同的 t o p i c 标签 . 之后定 义每 

平台的工具 , 旨在发现答案或兴趣点 : 算法考 虑的角度 比较类似 , 不过  个 t o p i c 之间的相似度 。用户选择 t o p i c 后, 基于其选择进行各个 t o p i c   算法思想存在很大 的差异 . 搜索引擎给 出的结 果强调内容关联 . 而 推  之间相似度 的计算 . 最后生成推荐 i t e m集合  荐引擎给出的结果则强调个性化 : 搜索 引擎是 帮助用 户找到最 为合适  在该推荐算法 中, t o p i c 作为联系 u s e r 与i t e m之 间的纽 带 , 借助较  的结果 . 而推荐引擎可 以帮助进行多样 化体验进 而满 足其多个 兴趣需  好的用户回馈机制 . 就能够使系统更好地演绎 。其不足之 处是 i t e m之 
要: 海量数据 的处 理和计算是二者不可缺少 的一部分 ; 相 比于搜索 引  间相似度计算 比较麻烦且 t o p i c 定义 繁琐 。使用该算法作 为推荐算法  擎被动等待用户搜索请求 的情况 . 推荐 引擎是 主动为用户推送相关 的  的主要有 v o u t u b e 、 g o 0 g l e   n e w s , j i n n i 等网站。   服 务  2 . 5 基于关联规则 的推荐算法  关联规则算法是数据挖掘算法中的经典算 法之一 , 它主要是找 出   2 推荐引擎技术原理  数据的依赖关 系。通过进行关联规则分析 . 能够了解到什么样 的物品  2 . 1 基于内容相似度 的算法  被 同时购买的几率 比较大 . 或者 了解到用户在购买一些物品后通常还  该推荐算 法是 以从推荐物品或者推 荐内容的元数据 中找出物品  会购买哪些别 的物品   当挖掘出这样的具有关联规则的物品信息后 ,   与 内容的关联性然后根据用户 以往的兴趣 爱好为算 法的核心思想 . 这  就可以基于这些信息为用户推荐关联商品  是在推荐引擎出现之初是使用最为广泛的推荐方法 。例如 : 假设用户   2 . 6 混合推荐机制  A 、 用户 B 、 用户 c都喜 欢看影 视剧 , 用户 A喜欢 看 的电影 a 属 于爱  在现行 的多数 网站中 . 并不是使用 单一一种推荐模式 . 往往是集  情、 浪漫类 , 用户 B 、 c喜欢 的电影 b 属 于恐怖惊悚类 , 电影 c 与 电影 a   合各种推荐方法的优势 . 进而达到更好的推荐效果。 目前常用 的混合  相似属于爱情浪漫类 . 则可 以把 电影 c 推荐给用户 A   方法主要有加权混合 、 分 区混合 、 切换混合和分层混合 。 加权混合指用  基于该算法的推荐机制 的不足之处在于 : 1 ) 需要对商品进行分析  线性代数 中的公式将不 同的推荐方法以一定的权重组合起来 , 利用测  建模 . 其建 模的完整性与否直接 影响到推荐 的质量 : 2 ) 在对 商品进行  试数据进行反复实验 以期达到最好的推荐效果 : 分区混合指将不 同推  建模 的过程 中往往会 忽略人对物品的态度 : 3 ) 存在“ 冷启动” 问题 。应  荐方法 的推荐结 果显示在不 同的区域 . 这种方式在 当当网 、 亚马逊等  用该推荐方法的网站有 百度 、 优酷 、 g m a i l 、 g o o g l e 等。   网站 中都 可以看 到 : 切换 混合指针对不 同的物品 , 不 同的情况下采用  2 . 2 基于协同过滤推荐算法  最合适 的推荐机 制来 向用户进行推 荐 :分层混合指采用 多种推荐机  2 . 2 . 1 基于用 户的协 同过滤推荐  制. 并将一种推荐 机制的推荐结果作 为另一种推荐机制 的输 入 , 从而  该推荐方法 的基本原理 是运用“ K 一 邻居 ” 算法 . 找出与 当前 用户   得 出更为精确的推荐结果  偏好相同或相似的邻居群 . 然后根据邻 居群的历史记 录对当前用户进 

行推荐。例如 . 假设用户 A喜欢物品 a . 物品 c 和物品 d , 用户 B喜欢  物品 b . 用户 c喜欢物品 a和物 品 c : 从各个 用户 的历史偏好信息 中,   在推荐引擎技术 出现后 . 用户在电子商务网站浏览的效率得到 了   我们可以发现用 户 A与用户 c的偏好 比较类似 . 同时用 户 C还喜欢  很大的提高 . 它只显示用户想要看到的内容  试 目前应用推荐引擎技  物品 d . 由此我们可 以推断用户 A 可能也喜欢物 品 d . 因此 可以将 物  术 的电子商务 网站很 多 , 最典型 的就是亚 马逊 . 像淘宝 网、 当当网 、 京  品d 推荐给用户 A   东商城 、 腾讯等大家所熟知 的网站 中也大量应用 了推荐 引擎技术 。   该算法的领 域扩展性 比较好 . 其推 荐多样性 远远 高于基于物品的  推荐引擎在电子商务 中的应用主要表现在如下几个方面 : 1 ) 今日   协同过滤推荐 。 其 不足之处在于算法具有时效性 , 无法离线计算 : 在大  推荐 : 通常是 基于用户近期的购买记 录或者浏 览记 录. 结合当下一些  规模数据集上数据稀疏严重  比较流行 的物 品等信息对用户进行 推荐 ; 2 ) 捆绑销售 : 基于数据挖掘  2 . 2 . 2 基于物 品的协 同过滤推荐  技术对用户的购买行 为进行深入挖掘分析 . 找到其购买记录 中具有关  该推荐机制 的原理 同基于用户的协同过 滤推荐 机制类似 . 它是发  联 的物 品进行捆绑销售 , 如淘 宝网中 的搭配套 餐 ; 3 ) t 叩 排 行榜 : 基 于  现物品与物品之 间的相似性 . 针对用户 的历史偏 好信 息对用户作出物  销售记录 中销售数量最 多的商 品进行排行 , 向用户进( 下转 第 1 4 1 页)  

3 推荐引擎 技术在 电子商务中的应 用 

’ 3 。 l 科技 视界 s c i e n c e &  c h n 。   。 g y   V i s i 。 n  

S c i e n c e& Te c h n o l o g y   Vi s i o n  

科 技 视 界  

科技? 探索? 争鸣 

规则规定 : 球 出界之前 . 最后触及球或被球触及 的队员 . 是使 球出   规则规定 : 如果 指定执行罚球 的队员 . 由于受伤方 面的原 因 . 不能  界的队员 。队员试图救即将飞出界外的球 , 或持球停于场地 的边 缘附  继续 比赛 , 他 的替补 者应代他 执行罚球 那 么当一名 队员在罚球 欠佳  近. 被对手逼抢 失去 了重心或 空间位置而 即将 出界时 . 如果来不 及或  的情况下 , 假装受伤 而让罚球 准的替补 队员替换可 以吗 ?答案是 肯定  没有把握将球传回给同伴. 不妨将球拨打到对方球员身上. 使球反弹  的。 因为规则没有给裁判员阻止这种不 当行为的权力 . 对裁判 员来说 .   出界而又可确保球权不失。   唯一可能 的行动是让他 自己确信 .无论如何罚球队员受伤是真实 的   比如 , A 4正在做投篮动作 时 . 被判犯规 , 因A 4 罚球不准 . 他佯装受伤  8 掌握和应用 8秒 、 1 4秒 、 2 4秒规则与比赛节奏的控制  被球 队席上罚球最准 的 A1 0队员替换而进行罚球。不难想象 . 关键时  特别是实力相当 、 比分持平 、 比赛时间又临  名队员从控制活球 开始 . 要在 2 4秒 之内完 成一次投篮 . 直至球  刻的一次球权或罚球得分 . 该是何等的重要 . 甚至能决定 比赛的最终 结局  中蓝或触及蓝框  但 如果你想控制 比赛 的节奏 特别是 比分 领先 于对  近终点时 , 规则规定 : 每场 比赛 . 每队上半时能请求两次暂停 . 下半时能请求  手. 时间所剩无 几的情 况下 . 为什 么不尝试 打满 每一个 2 4 秒 呢? 多运 、   每个决胜期均有一次 . 时间都是一分钟 . 没有用完的暂停次  多传球 .躲避 开对手 的抢 断与犯规 .不 临近 2 4秒 决不轻易地投篮 出  三次暂停 . 不准挪在下半时或决胜期使用  教练员要 暂停的时机的几种情况 .   手. 尽可能地耗 费掉对手可用来扳 回 比分 的时间 . 这样你 的胜算就越  数 。 但应该把暂停运用在关键时刻。 一般 的情况下 . 应该尽  大  我们见过这样 的球 队. 临近终场在 比分领先于对手 的情况下 . 头脑  这里不再赘述 , 但是 比赛开局不久 出现反常现象 , 遇到这种情况 . 即  发热 , 不 注意控 制 比 赛 节奏 , 不注意充分 利用 2 4 秒规 则 . 一味地进攻 .   量留在最后使用 , 也应该当机立断地请 求暂停  特别是青年  急于投篮 , 结果忙 中出错 、 或投篮不 中 、 或发生失误 , 反给对 手以可乘  使 比赛刚刚打 了两三分钟 . 更应该这样做。 暂停 是规则 给教练员 的权利 . 教练员请求使  之机 , 最 终反胜 为败。 某 队在后场控制球还剩下 3 秒、 2 秒或者 1 秒快  队的 比赛 , 可 以用规 定的暂停手 势或语言 明确地 对记录员 台提 出( 如  到8 秒 违例时 .教练 员为什么不采取 全场紧逼 战术或压迫 式的 防守  用 暂停时 . 则直接按 ) 暂停要求  暂停是教 练员l } 缶 场 指挥 时 . 鼓舞队  呢? 往往这种情况 的出现我们 国内的运动员 , 包括教练员 , 很少有这种  有 电动设 备 , 员 士气 , 稳定队员情绪 . 改变比赛战术 重新组织力量 的一种手段  意识 . 因为平 时训 练就 忽视这个规则 的运用  因此 . 教 练员在使用暂停 时要很 谨慎 。通常在下列情 况下并 有机  9 要掌 握和应 用规则 中“ 假 摔” 、 “ 带球撞 人” 、 “ 合 理的防守动  会 时使用 暂停 : ( 1 ) 当比赛 中对 方采用新 的打法 . 本 队不适应 而连续失  作” 与“ 圆柱体原则”   误, 或对方连续 得分 时 ; ( 2 ) 当本队的比赛 由高潮走 向低潮 时: ( 3 ) 当本  队场上队员的思想不统一 , 行动不协调时 ; ( 4 ) 当队员精神 紧张 , 在攻 、   阻挡与带球撞人是攻守矛盾 的两个方 面。 由于受时间 、 位置 、 角度  守 中连续发生错误 时……另外教 练员要更加 注意如何在 比赛 的过程  等 因素的影响 . 裁判员有 时很 难对其做 出精确 的判 断 . 这使 阻挡 中的   中合理运用 暂停 战术 . 特别是 在比赛 即将结束而 比分处 于胶着状 态或  “ 假摔 ” 成为某些 防守者 的杀手锏 . 更何况有些碰撞本身就介 于阻挡与  比分差距不 大的情 况下 . 教 练员战术 的合理安排和及时调整对球 队能  带球撞人两者之 间. 怎样判罚都不为过  比赛本身就是攻 守双方在斗  否赢得 比赛起着极 大作用 . 所 以教练 员合理运用和把握暂停规则所带  智斗勇 . 发生碰撞 时. 防守 队员顺势来一跟斗 . 诱使裁判判罚 带球 撞人  来 的机遇 . 对 丰富球 队的防守 、 进攻技 战术水平是至关重要 的  那是最好 . 不判也没真摔着 . 必要时不妨一用 。 恰到好处的“ 假摔” 关键 


取决于脚步 的积极移动 .判断好有球队员瞬间的移动方 向和路 线 . 迅  速抢 占其位置 , 上步 陕一步 、 动作小一点 、 暗劲使得足一点 , 上体后倾 ,   阻挡后接劲倒地 . 顺势而为。 同时 . 裁判法规定 , 在一名 队员从后 场向  前场运球时 . 防守队员面对面 防守时 . 只要 防守队员 的双手一触及 进  攻队员 的腰 及其他 部位时 . 就可 以直接判罚 防守队员犯 规 . 这是一个  涉及合理防守动作及 圆柱体原则的规则  作 为一个优 秀的教练员必须  熟知以上规定 . 否则 . 被裁判员判罚 了还不知道为什么 

1 2 结 束 语 
以上 内容涉及到违例 、 犯规 以及 临场 指挥等方面 . 适 用于男女教  练员 . 任何篮球 比赛 . 实 战中面对 随时可能出现 的问题 . 能在规则允许  的范 围内瞬间做 出反应 . 采 取较为恰 当的措施积极应对 . 变被动 为主  动就可在 比赛 中占尽先机 。 利用规则 , 趋利避害 , 同时也 有助于比赛攻  防水平 的提高 , 增加 比赛 的变数与悬念 . 使 比赛更加精彩激烈 . 更具朝  气和魅力 。 这就要求教练员 、 运动员也要学习规则 、 理解 规则并 能加 以  合理 的运用 。 对于专业教练员来说 , 不但要熟悉 和理解 规则 的变化 . 还  要对其做 出更 深入 的分析 和研 究 . 逐步达 到掌握和精通规则 . 不断学  习与提高 , 才能在新 的规则环境下 . 充分利用规则进攻和防守 . 创新个  发掘新 的进攻 战术和防守 战术 . 帮助球 队提 高战斗力 . 从 而获得更好  的 比赛成绩 。   同时学 习规 则及裁 判法 . 要 在平时训练 中占一定 的时 间 . 弄懂规  则实质 , 学会运用规 则 , 多讲些 战例 . 用 以教育运 动员引起重视 . 尤其  对年轻队员更要加强规则教育 .比赛结束 要总结执行规 则的情 况 . 宣 

1   0 要掌握和应用“ 战术- 性犯规”  
规则规定 : 投篮队员被侵犯 . 或全队每节累计犯规 4 次 以上 . 均 要  由对方执行相应次数的罚球 . 这样也必然涉及到一个罚球命 中率 的问  题。如果球队整体或某一队员罚球不准 、 失常( 比赛时观察 ) 那么在 防  守他们 时 . 封盖与抢断的动作幅度就可适当做 的大一 些 . 狠一些 . 当然  也要有 度。这种极具 攻击性 的防守 . 又会让对 手更畏 手畏脚 , 投不进 、   罚不中 , 阵脚 自乱  另一种情况 , 当一 方比分 落后 又临近终场时 . 唯有  采取战术性的犯规 . 以获得更多的进攻 时间 . 才有 可能将 比分扳 回 . 当  然这也寄希望于对手的罚球不中  除此之外 . 怎样犯 规与犯规 的次数  及时间安排也要恰 到好 处 . 还应 注意选择犯规 的对象 . 尽 可能朝着 比  较年轻 、 经验不足 、 罚球 不准或失常 的队员 , 同时 也要注意犯 规 的度 .   动作过大 、 过猛 、 过 于危险 , 被判违犯体 育道德犯规 或夺权 . 那就更是  雪 上加 霜 、 事与愿 违了。 当然如果防守队员在失去最佳防守位置 时. 特  别 是当你 处在最 后一道 防线 的情况下 .能任 由对手摆脱后 长驱直人 .   直捣黄龙 吗? 答案是肯定 的. 此时就是战术性犯规的好时机 . 关键时刻 
还 是 应 加 以运 用 

传好人好事 , 树立榜样 。 ●  
【 参考文献 】  
[ 1 ] 全 国体育 院校通 用教材 . 篮球[ M] . 人民体育 出版社  [ 2 ] 篮球竞赛规则[ M】 . 人民体育出版社.   [ 3 ] 篮球[ J 1 .   [ 4 ] 闰育东篮 球裁判必读[ M J . 北京体育大学 出版社 

[ 责任 编辑 : 刘帅】  

1   1   要掌握和应用“ 换 人” 与“ 暂停” 的规则 

( 上接第 1 3 0 页) 行推荐 。  

4 小 结 

【 参考文献】  
[ 1 ] H A N   J i a w e i , K A MB E R   M i c h e l i n e . 数据挖 掘概念与技术 [ M 】 . 范 明, 孟小 峰 , 译 
北京: 机 械工业出版社 . 2 0 0 7  

论文对推荐引擎的相关定义以及算法原理进行 了较 详细的介绍 .   [ 2 ] 张奇锋. 潜力 巨大的推荐 引擎让互联 网更懂你【 N 】 . 广 东科技报 , 2 0 1   1 - 0 9 — 2 4 .   推荐引擎能够促成更多 的网上交易 , 具有很大的发展空间。 但是 , 尽管  [ 3 ] 陈静. 推荐引擎抢 占行业先机【 N j . 经济 日 报, 2 0 1 1 - 0 9 — 1 5 .   推荐引擎在推 动电子 商务 发展方面有很 大的优 势 .但是其仍 有其不  足. 比如“ 冷启 动” 问题 . 而且 在涉及到用 户个人信息 时是否触 及用户  [ 责任编辑 : 汤静 ]   的隐私权 还有待确定。  

s c i e n c e &r r e c h n 。 1 。 g ) r   V i s i 。 n科技视界 I   1   4 1  


相关文档

  • 2009年全国中学生生物学联赛理论试题及答案
  • (汪燕)实验中学七年级(上)课外文言文阅读训练[1
  • 可爱的香蕉_童话作文
  • 硅酸盐_图文
  • 十年 歌词
  • 常见物质的分离、提纯和鉴别
  • 将相和教案
  • 慈心善念 虾中趣_图文
  • 2010版高中数学全程复习方略(新课标文):高效提
  • 司法考试论述题必背的20个点111
  • 愿每个父母都拥有这样一份情怀_图文
  • jingxinwu.net
    90858.net
    xaairways.com
    tuchengsm.com
    gaizaoahe.com
    eonnetwork.net
    ceqiong.net
    bestwu.net
    学霸百科
    新词新语
    电脑版 | 学霸百科