无线网络的电子商务商品自动推荐系统

来源:用户上传      作者:

　　摘  要： 传统电子商务自动推荐系统与用户的实际喜好不同，推荐后成交量低。针对上述问题，在无线网络的基础上，设计了一种新的电子商务商品自动推荐系统，系统硬件主要由信息采集器、信息储存分析器、商品分析器、商品推荐器四部分组成，通过数据预处理建立分散类，得到目标用户所在区域，计算相似度，实现商品个性化推荐系统软件程序设计。为检测系统效果，设计了对比实验。实验结果表明，无线网络的电子商务商品自动推荐系统能够根据用户喜好推荐有效商品，提高成交量。
　　关键词： 自动推荐系统; 商品推荐; 电子商务; 无线网络; 相似度计算; 对比实验设计
　　中图分类号： TN911?34; TP181                    文献标识码： A                     文章编号： 1004?373X（2020）07?0082?04
　　E?commerce commodity automatic recommendation system based on wireless network
　　ZOU Kun
　　（Yinxing Hospitality Management College， Chengdu University of Information Technology， Chengdu 611743， China）
　　Abstract： The commodities recommended by the traditional E?commerce automatic recommendation systems deviate from the actual user preference， so the transaction volume of the recommended commodities is low. For this reason， a new E?commerce commodity automatic recommendation system is designed on the basis of wireless network. The system hardware is mainly composed of information collector， information storage analyzer， commodity analyzer and commodity recommender. The data preprocessing and decentralized classification establishment are used to obtain the region of target users， similarity calculation and personalized commodity recommendation to realize the design of system software program. A contrast experiment is designed to detect the effect of the system. The results show that the E?commerce commodity automatic recommendation system based on wireless network can recommend effective commodities according to user preference and increase the transaction volume.
　　Keywords： automatic recommendation system; commodity recommendation; E?commerce; wireless network; similarity calculation; contrast experiment design
　　0  引  言
　　随着社会的不断进步，人们进入了信息时代。无线网络的层层覆盖和商务模式的不断创新，使电子商务应运而生，电子商务已经成为了人们生活中不可或缺的一部分。电子商务的产生和发展，改变了人们原有的购物方式，摆脱了传统购物方式的约束，让人们可以做到足不出户轻松购物。电子商务实现了买家和货源厂商的直接沟通，降低了交易成本，增添了商机，可以给企业和消费者带来非常大的利益[1]。
　　近年来，电子商务规模不断增大，各种网购软件相继出现，大量商品任用户挑选，让用户有了更多的选择。但是在这个信息爆炸的时代，面对大量的商品资源，用户如何在短时间内快速筛选出自己真正喜欢的商品已经成为一大难题，用户需要浏览大量的无关商品后，才能寻找到自己真正需要的商品[2]。面对如此多的信息，用户很容易感到迷茫，找不到自己想购买的商品[3]。所以，目前亟需要一个工具来帮助用户找到他们真正感興趣的商品。从用户的个人喜好出发，对商家和商品进行比较，选择出最适合用户的商品，并把这些商品一一呈现在用户眼前，保证用户顺利购买商品，提高用户的购物体验。
　　为了达到以上目的，本文提出无线网络电子商务商品自动推荐系统，该系统实现了用户的个性化推荐，根据每个用户各自的喜好和可能存在的需求，推荐出用户感兴趣的商品，快速地完成购买过程，节约用户的时间，提升用户的网络购物体验，提高成交率，同时，通过获取用户的一些基本信息，了解用户的喜好和需求，从而推荐给用户可能感兴趣的商品，不仅提高了电子商务商品的销量，而且增加了电子商务网站的效益，在一定程度上满足了用户的需求。 　　1  系统的硬件设计
　　无线网络电子商务商品自动推荐系统以消费者为对象，根据不同消费者的兴趣爱好、个人习惯给予不同的商品推荐，让消费者的购物体验得到提升[4]。为实现个性化、需求化商品推荐，系统硬件主要由信息采集器、信息储存分析器、商品分析器、商品推荐器四部分组成[5]。系统硬件结构如图1所示。
　　这四部分共同协作，使无线网络电子商务商品自动推荐系统具备普遍适应性，可以给所有用户提供独有的服务[6]。本系统遵循计算机数据处理推荐原则，保证各个流程的紧密衔接，具备高度超耦合特点，高度超耦合特点可以保证系统的快速调整，满足消费者对购买物品不断更新的需求[7]。
　　1.1  信息采集器
　　无线网络电子商务商品自动推荐系统以用户为对象，获得用户的兴趣爱好。每个用户在不同年龄不同时间会对不同的商品感兴趣，数据的迅速增加给信息获取带来了巨大的难题。信息采集器从各个角度出发，建立了一套完整的信息获取流程，做到了随数据信息改变发生流动性改变，对于用户信息收集主要包括隐性收集和显性收集。显性收集主要包括用户的年龄、经济收入水平、工作岗位等[8]。
　　不同年纪的人会喜欢不一样的商品。年轻人追求时尚，喜欢潮牌，常常喜欢当下最热门的商品。老年人就比较喜欢实用的，因此，不同年龄段的人群所喜欢的商品类型也不一样。男性和女性在购物方面有很大的不同。女性用户经常是在浏览物品过程中购买商品，只要女性用户觉得商品符合自己的审美，自己喜欢就会买下。而男性消费者相对女性就会理性一些，男性一般都是有目的地进行浏览。也就是说，当男性用户对商品有需求时，他们才会去浏览商品，并购买自己最满意的商品。
　　经济收入水平在很大程度上限制了用户的消费。经济收入水平越高，购买商品的频率就会越高，经济收入水平越低，购买商品的频率就会越低。不同工作岗位的人会有不同类型的商品需求，例如，老师可能就会经常需要购买水性笔[9]。
　　此外，系统还会定期向用户下发一些问卷调查，来掌握用户的偏好，这些都属于信息的显性收集。信息的隐性收集主要是记录用户行为[10]。用户的订单表、好友表、商品评价、商品收藏、商品浏览及浏览时间、商品搜索以及所购买的商品的价格品牌等都是信息的隐性收集对象。了解这些主要是为了分析用户的喜好和需求。信息采集器模块分析如图2所示。
　　1.2  信息储存分析器
　　由于用户的历史购买记录和经常浏览商品的记录能直接反映出用户的兴趣爱好和需求，所以信息储存分析器主要是把用户的历史购买记录和经常浏览商品的记录储存下来便于时时更新，做到流动性改变[11]。数据储存表如表1所示。
　　根据信息采集器所掌握的用户信息，信息储存分析器将进一步分析出用户的类型，进而了解用户可能存在的商品需求、潜在喜欢的商品品牌、希望的商品价格、喜欢的商品种类。信息储存分析器结构如图3所示。
　　1.3  商品分析器
　　商品分析器主要是在各个商家所卖的商品中找出共同点，并把相类似的商品归为一类。这样当目标用户搜索某一件商品时，系统就可以及时地提供相同类型的商品，提升用户的购买率[12]。商品分析器结构如图4所示。
　　1.4  商品推荐器
　　商品推荐器结构如图5所示。
　　商品推荐器主要是依据信息采集器和信息储存分析器所得到的结果，将目标用户可能感兴趣或有需求的商品推荐给目标用户[13]。其中，包括推荐画面重新构建、所占比重分析和个性化商品推荐三个部分。推荐画面重新构建主要是想扩大推荐商品的范围，不能完全依据用户搜索的商品进行推荐，还要给目标用户推荐一些目标用户购买商品时浏览过，经常一起搭配购买的商品，这样可以提高用户的购买率，为商家提供最大的利润，增加交易成功率。
　　商品推荐器所推荐的商品最主要的就是想引起目标用户的兴趣，但除此之外，还要根据商品分析器得出来的商品信息把目标用户理想价格的商品推荐给目标用户，还要考虑商家店铺的种种情况，把最合适的商品推荐给目标用户[14]。商品推荐必须要做到的就是个性化推荐，即针对不同的用户推荐出适合他们的商品。
　　2  系統软件设计
　　本系统采用Toui软件收集用户信息，在用户登录电子商务网站后，无线网络电子商务商品自动推荐系统首先就要收集用户的信息。Toui软件可以收集繁多冗杂的数据并将数据进行筛选分类，留下最有价值的数据。Toui软件具有自动追踪功能，一旦用户登录电子商务网站，Toui软件就会追踪记录用户的行为，得到用户登录过程的所有信息。为了准确地分析出用户的个人喜好和需求，采用三维捕捉软件，三维捕捉软件分析用户心理的准确度非常高。三维捕捉软件具备学习人类的功能，可以根据所掌握的用户信息，通过用户的一些行为分析出用户的喜好和可能存在的需求。三维捕捉软件会不断地学习心理理论知识，找出自己的不足并不断完善更新，使无线网络电子商务商品自动推荐系统可以准确地推荐出用户感兴趣或需要的商品。在设计软件时，还引用了微克软件，该软件可以在目标用户和商品之间建立联系，为实现个性化推荐做出了巨大贡献。软件具体工作流程如图6所示。
　　在目标用户和商品之间建立一个微克函数，进行计算，计算公式为：
　　[No（A）=Myb+Myb] （1）
　　式中：[My（b+）]表示在极长一段时间内（以年为单位）有多少个用户购买[b+]商品;[My（b）]表示在极长一段时间内（以年为单位）有多少个用户在购买[b+]商品的同时也购买了[b]商品，这样就可以计算出[b]商品和[b+]商品之间的搭配对于目标用户的吸引程度。输入用户的各项商品喜爱程度，输出推荐商品集。
　　Step1：数据初处理。把用户输入的商品喜爱程度数据分成不同阶段，对数据进行预处理。 　　Step2：建立分散类。将用户各项商品喜爱程度用先进的糊涂分散类技术进行分散，分散后相似程度的高低就会决定用户所在的位置，相似度高的用户就会在同一区域中，相似程度低的用户就不会在相同的区域内。
　　Step3：得到目标用户所在区域。利用圆弧高等几何高数计算目标用户所在的区域，目标用户所在的区域就是新的商品喜爱区域。
　　Step4：计算相似度。在目标用户所在的区域中引入反正弦相关函数计算用户之间的相似度，相似度大的用户相似程度就高。
　　Step5：商品个性化推荐。利用同一区域内的[m]个用户与目标用户[b]的商品喜爱数据的差值，计算出目标用户[b]对未购买商品的可能喜爱程度。
　　Step6：通过分散类技术对信息储存分析器中的数据和商品分析器中分析的商品进行比重分析，依照比重分析结果对商品进行分散类分析，至此就完成了微克软件的整个流程。这一过程实现了商品个性化推荐[15]。
　　3  仿真实验
　　为检测无线网络电子商务商品推荐系统的推荐效果，现与传统电子商务商品推荐系统进行对比实验，并分析实验结果。根据实验的设定，确定实验参数，如表2所示。
　　由图7可知，在规定时间为10天时，本文系统推荐商品的成交数量为3 000件，而传统系统推荐商品的成交数量仅为900件;规定时间为20天时，本文系统推荐商品的成交数量为3 900件，而传统系统推荐商品的成交数量为1 100件;规定时间为一个月时，本文系统推荐商品成交的数量为4 250件，而传统推荐系统商品的成交数量为1 250件。实验结果表明，无线网络电子商务商品推荐系统商品的成交数量始终高于传统电子商务商品推荐系统，由此可见，无线网络电子商务商品推荐系统所推荐的商品真正受到了用户的喜爱。
　　4  结  语
　　本文设计的无线网络电子商务商品自动推荐系统建立了良好的用户企业关系，真正了解了用户的需求，让用户更加依赖于它，使用户频繁购买，大大提高了电子商务的利益。在未来的研究中，本文设计的无线网络电子商务商品推荐系统会不断完善，帮助用户解决其他购物问题。
　　参考文献
　　[1] 陈冬林，刘平峰.基于知识网格的电子商务推荐系统设计[J].计算机应用研究，2018，23（12）：307?309.
　　[2] 王宁.一种基于BP神经网络的即时在线推荐系统[J].计算机技术与发展，2019，19（7）：230?233.
　　[3] 刘凤霞，孙家蓉.基于商品分类的电子商务推荐系统设计[J].计算机应用与软件，2017，66（5）：37?41.
　　[4] 景田，刘翠，寿晨鸣.基于Mahout的电子商务商品推荐系统[J].电脑知识与技术，2016，12（12）：291?292.
　　[5] 杨立力.个性化课程推荐中LFM自动聚类算法研究[J].微型电脑应用，2018，30（11）：28?31.
　　[6] 镇涛.协同过滤技术在个性化资源推荐中的应用[J].信息与电脑（理论版），2017，33（2）：39?40.
　　[7] 孙振宇.电子商务推荐系统应用与设计[J].电子世界，2017，21（16）：174.
　　[8] 章訊，龙华，周芝民.基于标签改进社交网络好友推荐算法研究与应用[J].信息技术，2017，25（6）：15?18.
　　[9] 周林轲，周顺先.一种自适应用户兴趣的推荐算法研究[J].微计算机信息，2017，25（3）：133?134.
　　[10] 谢厚亮，邓卫红.基于Java的商品智能推荐系统设计[J].电脑编程技巧与维护，2017，22（20）：42?44.
　　[11] 闵敏.基于聚类协作过滤的商品个性化推荐系统的实现[J].制造业自动化，2010，32（2）：157?160.
　　[12] 刘晓波.基于关联规则的电子商务商品推荐系统研究[J].中国市场，2018，13（52）：78?79.
　　[13] 李京，姜卫，张跟鹏，等.基于电子商务的个性化推荐系统研究[J].计算机与数字工程，2018，39（7）：93?97.
　　[14] 熊瑾.电子商务推荐系统[J].中国电子商务，2018，34（18）：24.
　　[15] 汪琪，王召义.电子商务推荐系统应用与发展探析[J].河西学院学报，2017，33（5）：41?45.
转载注明来源:https://www.xzbu.com/8/view-15245417.htm