・网络与电子商务・ 农业网络信息 ＡＧＲＩＣ【瑾 ｆＲＥ ＮＥＴＷＯＲＫ玎 １ＤＲＭ ⅡＤⅣ ２０１６年第１２期 基于ＬＢＳ的Ｏ２Ｏ电子商务 个性化推荐方法研究 郭燕萍 （山西大学商务学院，山西太原０３００３１） 摘要：随着０２０电子商务规模的不断扩大，０２０电子商务个性化推荐方法也成为研究热点。基于位置的服务（ＬＢＳ） 是０２０区别于传统电子商务的一个重要特点，因此在０２０电子商务个性化推荐中引入位置信息显得尤为重要。本文分 析已有的电子商务个性化推荐技术，提出一种基于ＬＢＳ的０２０电子商务个性化推荐系统架构，并在此基础上提出了一 种基于ＬＢＳ的０２０电子商务个性化推荐的方法和思路，以期提高０２０电子商务中个性化推荐的效率。 关键词：０２０；个性化推荐；ＬＢＳ；电子商务 中图分类号：ＴＰ３９３ 文献标识码：Ａ 文章编码：１６７２—６２５１（２０１６）１２—００５２—０３ Ｒｅｓｅａｒｃｈ ＯＩＡ Ｐｅｒｓｏｎａｌｉｚｅｄ Ｒｅｃｏｍｍｅｎｄｅｄ Ｍｅｔｈｏｄ ｉｎ ０２Ｏ Ｅ—ｃｏｍｍｅｒｃｅ Ｂａｓｅｄ ｏｎ ＬＢＳ ＧＵＯ Ｙａｎｐｉｎｇ （Ｂｕｓｉｎｅｓｓ Ｃｏｌｌｅｇｅ ｏｆ Ｓｈａｎｘｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｘｉ Ｔａｉｙｕａｎ ０３００３１） Ａｂｓｔｒａｃｔ：Ｗｉｔｈ ｔｈｅ ｃｏｎｔｉｎｕｏｕｓ ｅｘｐａｎｓｉｏｎ ｏｆ ０２０ ｅ－ｃｏｍｍｅｒｃｅ，ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｍｅｔｈｏｄ ｈａｓ ｂｅｃｏｍｅ ａ ｈｏｔ ｒｅｓｅａｒｃｈ ｔｏｐｉｃ．Ｌｏｃａｔｉｏｎ－ｂａｓｅｄ ｓｅｒｖｉｃｅ（ＬＢＳ）ｉｓ ｏｎｅ ｉｍｐｏｒｔａｎｔ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ０２０ ｄｉｆｅｒｉｎｇ ｆｒｏｍ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｅ—ｃｏｍｍｅｒｃｅ，ＳＯ ｔｈｅ ｐｏｓｉｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｉｓ ｐａｒｔｉｃｕｌａｒｌｙ ｉｍｐｏｒｔａｎｔ ｉｎ ｔｈｅ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｏｆ ０２０ ｅ－ｃｏｍｍｅｒｃｅ．Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｄ ｔｈｅ ｅｘｉｓｔｉｎｇ ｅ—ｃｏｍｍｅｒｃｅ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｉｅｓ．ａｎｄ ｐｒｏｐｏｓｅｄ ａ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ ０２０ ｅ－ｃｏｍｍｅｒｃｅ ｂａｓｅｄ ｏｎ ＬＢＳ，ａｎｄ ｏｎ ｔｈｉｓ ｂａｓｉｓ，ｐｕｔ ｆｏｒｗａｒｄ ａ ｋｉｎｄ ｏｆ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｍｅｔｈｏｄ ａｎｄ ｉｄｅａ，ＳＯ ａｓ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ｏｆ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｉｎ ０２０ ｅ－ｃｏｍｍｅｒｃｅ． Ｋｅｙ ｗｏｒｄｓ：０２０；ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ；ＬＢＳ；ｅ—ｃｏｍｍｅｒｃｅ 随着网络团购的迅速发展，０２０电子商务模式成 为许多企业关注的焦点。越来越多的企业加入到０２０ 的电商行列中，０２０电子商务网站规模不断扩大，商 品种类和数量爆炸式增长，消费者在查找自己所感兴 购买者。 推荐系统近年来得到了广大学者的关注，取得了 许多研究成果。推荐系统通过挖掘用户与项目之间 （ｕｓｅｒ—ｉｔｅｍ）的二元关系，帮助用户从大量数据中发 趣的商品和服务时花费的时间越来越多．在海量的商 品信息中迷失。使得很多用户对购物失去兴趣，从而 导致大量的客户流失ｌ】】。因此，０２０电商需要引入个性 化推荐系统，个性化推荐系统可以与用户直接交互． 模拟导购员的角色向顾客推荐其感兴趣的商品和服 务，帮助用户快速找到自己需要的商品和服务。满意 地完成购物，从而提高用户对电子商务平台的忠诚 度。电商竞争日趋激烈，好的电子商务推荐系统可以 给用户带来惊喜，将用户从电商网站的浏览者转变为 现其可能感兴趣的项目（如Ｗｅｂ信息、服务、在线商 品等），并生成个性化推荐，以满足个性化需求。目 前，推荐系统在电子商务（如Ａｍａｚｏｎ、阿里巴巴、豆 瓣网、当当网等）、信息检索（如ｉＧｏｏｇｌｅ、ＭｙＹａｈｏｏ、 百度等）以及移动应用、电子旅游、互联网广告等众 多应用领域取得较大进展圆。而目前在０２０电子商务领 域中，关于个性化推荐技术的深入研究还相对较少。 在此背景下，研究如何解决从海量的信息中高效地获 得有用知识，动态地分析顾客的个性化需求，实时、 基金项目：山西大学商务学院科研基金项目“０２０电子商务中推荐方法的研究”（编号：２０１５０２１）。 作者简介：郭燕萍（１９８２一），女，硕士，讲师，研究方向：电子商务与数据挖掘。 收稿日期：２０１６—１０－２５ —５２～ 《农业网络信息》２ｏ１６年第１２期 网络与电子商务 主动地为顾客提供符合其偏好的商品，以及有效提高 推荐水平等问题，对于０２０电子商务模式而言，具有 十分重要的实际与理论意义。 息的动态性、多样性和基于用户位置的实时需求。 电子商务个性化推荐系统可以分为用户信息采 集、数据预处理、推荐算法构建和推荐效果评价四部 １ 电子商务个性化推荐相关理论 电子商务个性化推荐（Ｐｅｒｓｏｎａｌｉｚｅｄ Ｒｅｃｏｍｍｅｎｄａ． ｔｉｏｎ ｉｎ Ｅ—Ｃｏｍｍｅｒｃｅ）是电子商务网站向客户提供商品 信息和建议，帮助用户决定应该购买什么产品，模拟 销售人员帮助客户完成购买的过程［３１。它能收集用户兴 分。基于ＬＢＳ的推荐系统中应将位置信息作为一个重 要数据源融人到推荐系统中进行处理。 ２．１用户数据采集 推荐系统的输入数据主要是关于用户的相关数 据。如用户的基本信息、用户的行为信息、用户的交 易信息、用户的位置信息等。用户的基本信息在用户 趣资料并根据用户兴趣偏好主动为其做出个性化的推 荐，这样，当用户每次输入用户名和密码登录电子商 注册时网站就已经拥有。用户的行为信息通过网站的 务网站后，推荐系统就会自动按照用户偏好程度的高 用户日志即可得到。用户的交易信息从网站的交易数 低推荐给用户最喜爱的产品。 据库可获得。用户的位置信息通过ＧＰＳ等技术获得。 推荐系统的核心是推荐算法。电子商务个性化推 ２．２数据预处理 荐算法主要有如下几种：基于关联规则的推荐算法 收集到用户原始数据后。需要进行数据的预处 （Ａｓｓｏｃｉａｔｉｏｎ Ｒｕｌｅ—ｂａｓｅｄ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ＡＲＢＲ）、基 理．把处理结果形式化地表达出来，作为推荐系统最 于内容的推荐算法（Ｃｏｎｔｅｎｔ—ｂａｓｅｄ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ， 终的输入对象。 ＣＢＲ）、协同过滤推荐算法（Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ ２．３推荐算法构建 Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ，ＣＦＲ）．以及组合推荐算法（Ｈｙｂｒｉｄ 推荐算法是推荐系统的核心部分。传统的推荐算 Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ）ｐｌ。基于关联规则的推荐算法由用户数 法同样也适用于基于位置的推荐系统，不同的是要把 据生成关联规则，建立推荐模型，再根据推荐模型和 位置信息视为一个重要的上下文信息融合在推荐生成 用户的购买行为向用户产生推荐。基于内容的推荐算 过程中。 法根据用户曾经购买过的商品，计算待推荐商品与用 ２．４推荐效果评价 户曾购买过商品之间的相似度，按照相似度的大小进 推荐结果呈现给用户之后，推荐系统要通过一些 行推荐。协同过滤推荐算法根据用户的信息和行为数 评价指标（如精确度、实时性、新颖性、多样性等） 据，找到与用户相似的其他用户，向该用户推荐其他 对推荐效果进行评价，以此来进一步改进系统。 用户感兴趣的项目。由于各种推荐方法各有优缺点， ３ ０２０电子商务个性化推荐方法 所以在实际中经常采用组合推荐算法，研究和应用最 协同过滤推荐技术是目前使用最为广泛的推荐技 多的是基于内容的推荐和协同过滤推荐的组合。 术，其基本思想是通过找到兴趣或偏好相似的邻居用 ２ ０２０电子商务个性化推荐系统架构 户，再将相似用户中兴趣度较高的商品推荐给目标用 基于位置的服务（Ｌｏｃａｔｉｏｎ—Ｂａｓｅｄ Ｓｅｒｖｉｃｅ．ＬＢＳ） 户。通常，协同过滤算法由构建用户与商品的评分矩 运用现代移动通信、计算机、ＧＰＳ等技术，提供与位 阵、寻找邻居用户集和预测评分三步完成。本文将位 置有关的信息服务圈。０２０电子商务中提供的商品和服 置信息与协同过滤推荐技术相融合来对０２０电子商务 务具有很强的地域性，如美食、酒店、生活服务等， 进行推荐，推荐方法和基本步骤描述如下。 要求用户线上支付线下实地体验，是典型的基于位置 ３．１数据输入 服务的一种电子商务模式。位置属性对于线下消费的 传统协同过滤推荐算法中输人数据为二元数据， 用户具有重要影响。同一地区的用户往往具有一些相 即（用户，商品）。加入位置信息后将输入数据转化 同的爱好和需求，如大部分北方人爱吃面食而大部分 为完整的五元数据，即（用户，商品，评分，用户位 南方人爱吃米饭等。因此，在０２０电子商务个性化推 置。商品位置）。 荐中根据用户和商品的位置信息来挖掘用户的兴趣能 ３．２计算用户与商品的位置距离，并进行聚类 有效提高推荐的精度。随着移动设备的发展，用户的 ０２０电子商务中用户选择商品和服务时有一定的 位置信息很容易获取，这就为基于ＬＢＳ的０２０电子 地域性．倾向于选择离自己距离较近的位置进行消 商务个性化推荐提供了可能。ＬＢＳ移动应用更注重信 费，因此要计算用户与商品的位置距离。并根据地域 一５３— 《农业网络信息》２０１６年第１２期 网络与电子商务 情况设定一个阈值按位置距离进行聚类。如１ ０００米 之内。 目标用户的ｔｏｐ—Ｎ推荐，完成推荐过程。 ４结束语 本文以０２０电子商务中个性化推荐作为研究对 象，分析了个性化推荐的相关理论，提出了一种基于 ＬＢＳ的０２０电子商务个性化推荐系统架构，并探讨了 基于ＬＢＳ的０２０电子商务个性化推荐方法。进一步 的工作主要有两个方面：一是针对目前的大数据进行 位置距离计算方法采用最简单和最常用的距离度 量方法Ｅｕｃｌｉｄｅａｎ ｄｉｓｔａｎｃｅ。计算公式如下： ｄ（Ｘ’ｙ）＝ 研究，探讨如何高效实时地做出推荐；二是优化基于 式中，ｎ是维度或者属性的数量，ｘ 和ｖ 分别是 对象ｘ和Ｙ的第ｋ个属性。 ３．３在每一类内寻找相似用户 参考文献 【１】牟春苗．０２０电子商务模式中推荐方法的研究【Ｄ】．大庆：东北 石油大学，２０１４． 位置的个性化推荐方法．提高推荐性能。 在每一类内寻找与目标用户兴趣爱好相似的用 户，通过查找其共同评分的商品进行比较。相似性的 计算方法主要有ｃｏｓｉｎｅ相似性和Ｐｅａｒｓｏｎ Ｃｏｒｒｅｌａｔｉｏｎ （ＰＣ）相似性。本文建议采用Ｐｅａｒｓｏｎ Ｃｏｒｒｅｌａｔｉｏｎ（ＰＣ） 相似性方法计算用户ｉ，ｉ的相似度。 ３．４预测评分 ［２１孟祥武，胡勋，王立才，张玉洁．移动推荐系统及其应用［Ｊ】．软件学 报，２０１３，ｆ１）：９１—１０８． 【３】刘庆华．个性化推荐技术及其在电子商务中的应用［Ｄ】．南昌： 南昌大学，２０１１． ［４】曾子明，余小鹏．电子商务推荐系统与智能谈判系统【Ｍ】．武汉： 武汉大学出版社，２００７． 将找到的与目标用户相似的其他用户购买过的商 品进行预测评分。 ３．５生成推荐 ［５】任子亭，罗兰花，廖荣升．移动社会网络中基于位置的个性化 餐馆推荐建模研究［ＪＪ．无线互联科技，２０１６，（７）：１３７－１３９． 将预测评分按从高到低的顺序进行排序，并生成 ・－・－——５４・－－－——
