基于Web挖掘的移动终端电子商务推荐系统

【摘 要】本文根据web挖掘相关理论和技术构建了包含离线部分和在线部分的基于移动终端的电子商务推荐系统的体系结构模型.

【关 键 词】Web挖掘；推荐系统；电子商务；移动终端

随着3G网络的应用以及移动终端技术的快速发展,移动终端支持多种类型的电子商务形式,例如网上购物、网上银行、网上旅游、网上娱乐等,移动电子商务用户也呈指数增加,据CNNIC发布的第33次《中国互联网络发展状况统计报告》称,截至2013年12月,中国手机网民规模达到5亿,年增长率为19.1%,继续保持上网第一大终端的地位,从而使用移动终端进行网络消费已成为很多网民生活的一部分.因此如何从用户的访问行为中挖掘出用户的需求及网络的行为特征,为用户提供更好的服务,从而提高电子商务企业盈利、提升客户忠诚度是相关企业所必须考虑的问题.当前解决这个问题最好的方案就是应用数据挖掘技术获取用户的访问信息,它的使用可以为商业决策提供支持.

所谓Web挖掘是指从互联网上发现和分析有用信息.简单来讲,Web挖掘就是通过数据挖掘技术分析网站的浏览历史记录（WebLog）、网页相关内容（WebContent）以及网页内部链接结构（WebLinkingStructure）来获取相关信息.再从相关的信息中发现有用的模式和信息.Web挖掘技术的发展促进了推荐系统在电子商务企业中的应用价值.

电子商务推荐系统是根据用户的访问信息和行为并基于关联规则、聚类技术等向客户提供商品信息和购买建议,从而帮助客户完成商品购买的过程.它是电子商务企业基于Web站点个性化一对一营销服务模式而产生的.因此,电子商务企业的营销策略会被推荐系统的结构模型和算法设计所影响.

1基于web挖掘的移动终端电子商务推荐系统构建

由于移动终端一般屏幕较小且受上网带宽限制,在移动终端浏览电子商务网站不像在PC机上方便,因此如何准确快速给用户推荐他们所需的商品就显得尤其重要.为了更准确的为用户推荐其所需商品,可以利用WEB挖掘技术挖掘用户最频繁访问子网的WAP网站,深入了解用户的特定需求,在此基础上结合传统的推荐技术实现电子商务推荐效果会更佳.

1.1基于用户兴趣的频繁浏览模式发现

频繁浏览模式分析是在用户访问的有序访问事务集中找到数据项之间前后访问关系的事务模式,也就是在用户会话集之中挖掘出有时间序列关系的模式,然后利用该模式找到用户的兴趣点、预测用户的访问行为及其访问目标,从而实现浏览或购买推荐.

文献[2]认为通过对用户的行为进行分析,就能获取用户的访问兴趣或倾向,从而找出某一段时间内的用户浏览兴趣,在此基础上提出了基于用户兴趣的WMAUBI的算法,该算法使用用户路径选择兴趣矩阵和页面浏览兴趣矩阵表示用户在路径选择及在页面浏览中表现出来的兴趣,从而挖掘出基于用户兴趣的频繁浏览模式.

1.2构建频繁浏览兴趣WAP子网

文献[2]WMAUBI算法实现了挖掘用户频繁浏览兴趣路径,由于根据该算法挖掘出来的路径是频繁浏览兴趣路径,那么可以利用挖掘出来的频繁浏览兴趣路径构建用户浏览最频繁或者最感兴趣的子网.本文根据WMAUBI算法生成每条频繁浏览兴趣路径记录,利用文献[3]的算法构建WEB站点的频繁浏览兴趣WAP子网.

1.3推荐系统模型构建

电子商务推荐系统根据用户的访问行为利用Web挖掘技术、关联规则技术和聚类技术等实现用户个性化推荐功能.目前的推荐系统一般是针对所有访问的用户行为而进行个性化推荐,没有单独考虑移动终端设备用户的情况,但是随着移动终端的快速发展,使用移动终端进行电子商务的用户越来越多,推荐系统的整体结构模型设计不仅要考虑PC机客户,还需要考虑移动终端客户的需求.因此本文提出了如图1所示包含离线部分和在线部分两大模块的电子商务推荐系统结构模型.

离线部分包括web日志预处理、聚类、关联规则发现以及WAP浏览兴趣子网构建等.在线部分根据用户的访问信息,首先判断该用户是否为移动终端用户,如果是移动终端用户,则根据该用户的访问会话信息,首先计算是否和构建的频繁浏览WAP子网信息匹配,如果匹配则把频繁浏览WAP子网信息的相关商品信息推荐给该用户,如果不匹配或者用户是PC端客户则按照聚类和关联规则综合计算生成推荐集合,从而为用户实时在线的个性化推荐系统.

2结束语

Web挖掘技术的发展,极大地推动了电子商务推荐系统的发展.本文结合传统的web挖掘技术构建了基于Web挖掘的移动终端电子商务推荐系统模型,充分考虑了移动终端的设备的特殊性,从而为移动终端客户提供更好的推荐服务.

【参考文献】

[1]S.palandV.Talwar.WebMininginSoftComputingFramework：Relevance[C].StateoftheArtandFutureDirections.IEEETransaetionsonNeuralNetworks,13（5）（2002）：1163-1177.

[2]刘慧君,用户浏览模式挖掘方法与应用研究[D],博士学位论文,重庆大学,2010.

[3]鲍钰,基于网站日志挖掘的频繁遍历主干子网发现[J]计算机系统应用,2009（4）：22-25.