信息推薦整理報告

1、信息(xnx)推薦整理報告Information Recommendation茅婷婷(tn tn) 3130803044張銳涵 3130803047共三十九頁Information Recommendation信息推薦(tujin)的定義A主要推薦(tujin)方法B體系結(jié)構(gòu)C實(shí)例分析D共三十九頁什么(shn me)是信息推薦？它是利用電子商務(wù)網(wǎng)站向客戶提供商品信息和建議，幫助用戶決定應(yīng)該購買什么(shn me)產(chǎn)品，模擬銷售人員幫助客戶完成購買過程”。共三十九頁為什么會出現(xiàn)信息(xnx)推薦？隨著電子商務(wù)規(guī)模的不斷擴(kuò)大，商品個數(shù)和種類快速增長，顧客需要花費(fèi)大量的時間才能找到自己(zj)想買的

2、商品。這種瀏覽大量無關(guān)的信息和產(chǎn)品過程無疑會使淹沒在信息過載問題中的消費(fèi)者不斷流失。背景共三十九頁信息推薦(tujin)重要模塊01用戶(yngh)建模模塊02推薦對象建模模塊03推薦算法模塊推薦系統(tǒng)把用戶模型中興趣需求信息和推薦對象模型中的特征信息匹配，同時使用相應(yīng)的推薦算法進(jìn)行計算篩選，找到用戶可能感興趣的推薦對象，然后推薦給用戶。共三十九頁推薦(tujin)算法獲取(huq)用戶偏好提供個人偏好采集個人偏好 計算用戶模型推薦對象模型 尋求推薦提供推薦推薦系統(tǒng)模型 共三十九頁主要(zhyo)推薦方法A基于內(nèi)容(nirng)推薦 B協(xié)同過濾推薦 C基于關(guān)聯(lián)規(guī)則推薦 D基于效用推薦 E基于知識

3、推薦 F組合推薦 共三十九頁基于內(nèi)容(nirng)的推薦 基于內(nèi)容的推薦（Content-based Recommendation）是信息過濾技術(shù)(jsh)的延續(xù)與發(fā)展，它是建立在項(xiàng)目的內(nèi)容信息上作出推薦的，而不需要依據(jù)用戶對項(xiàng)目的評價意見，更多地需要用機(jī) 器學(xué)習(xí)的方法從關(guān)于內(nèi)容的特征描述的事例中得到用戶的興趣資料。共三十九頁Content-based Recommendation在基于內(nèi)容的推薦系統(tǒng)中，項(xiàng)目或?qū)ο笫峭ㄟ^相關(guān)的特征的屬性來定義，系統(tǒng)基于用戶評價對象 的特征，學(xué)習(xí)用戶的興趣，考察用戶資料與待預(yù)測(yc)項(xiàng)目的相匹配程度。用戶的資料模型取決于所用學(xué)習(xí)方法，常用的有決策樹、神經(jīng)網(wǎng)絡(luò)和

4、基于向量的表示方法等。 基于內(nèi)容的用戶資料是需要有用戶的歷史數(shù)據(jù)，用戶資料模型可能隨著用戶的偏好改變而發(fā)生變化。共三十九頁優(yōu)點(diǎn)(yudin)BDACE不需要(xyo)其它用戶的數(shù)據(jù)，沒有冷開始問題和稀疏問題。能推薦新的或不是很流行的項(xiàng)目，沒有新項(xiàng)目問題。已有比較好的技術(shù)，如關(guān)于分類學(xué)習(xí)方面的技術(shù)已相當(dāng)成熟。能為具有特殊興趣愛好的用戶進(jìn)行推薦。通過列出推薦項(xiàng)目的內(nèi)容特征，可以解釋為什么推薦那些項(xiàng)目。共三十九頁要求內(nèi)容能容易(rngy)抽取成有意義的特征，要求特征內(nèi)容有良好的結(jié)構(gòu)性，并且用戶的口味必須能夠用內(nèi)容特征形式來表達(dá)，不能顯式地得到其它用戶的判斷情況。缺點(diǎn)(qudin)共三十九頁協(xié)同過濾(

5、gul)推薦 協(xié)同過濾推薦（Collaborative Filtering Recommendation）技術(shù)是推薦系統(tǒng)中應(yīng)用最早和最為成功的技術(shù)之一。它一般采用最近鄰技術(shù)，利用用戶的歷史喜好信息計算用戶之間的距離，然后 利用目標(biāo)用戶的最近鄰居用戶對商品評價的加權(quán)評價值來預(yù)測目標(biāo)用戶對特定(tdng)商品的喜好程度，系統(tǒng)從而根據(jù)這一喜好程度來對目標(biāo)用戶進(jìn)行推薦。協(xié)同過濾最大優(yōu) 點(diǎn)是對推薦對象沒有特殊的要求，能處理非結(jié)構(gòu)化的復(fù)雜對象，如音樂、電影。LOREM共三十九頁Advantages 1 能夠過濾難以進(jìn)行機(jī)器自動內(nèi)容分析的信息(xnx)，如藝術(shù)品，音樂等324 共享其他人的經(jīng)驗(yàn)，并且能夠基于

6、一些復(fù)雜的，難以表述(bio sh)的概念（如信息質(zhì)量、個人品味）進(jìn)行過濾。有推薦新信息的能力。可以發(fā)現(xiàn)內(nèi)容上完全不相似的信息，發(fā)現(xiàn)用戶潛在的但自己尚未發(fā)現(xiàn)的興趣偏好。能夠有效的使用其他相似用戶的反饋信息，較少用戶的反饋量，加快個性化學(xué)習(xí)的速度。共三十九頁基于關(guān)聯(lián)(gunlin)規(guī)則的推薦基于關(guān)聯(lián)規(guī)則的推薦 （Association Rule-based Recommendation）是以關(guān)聯(lián)規(guī)則為基礎(chǔ)，把已購商品作為規(guī)則頭，規(guī)則體為推薦對象。關(guān)聯(lián)規(guī)則挖掘可以發(fā)現(xiàn)不同商品在銷售過程中的相關(guān)性，在零 售業(yè)中已經(jīng)得到了成功的應(yīng)用。管理規(guī)則就是在一個交易數(shù)據(jù)庫中統(tǒng)計(tngj)購買了商品集X的交易中

7、有多大比例的交易同時購買了商品集Y，其直觀的意義就是用戶在購 買某些商品的時候有多大傾向去購買另外一些商品。比如購買牛奶的同時很多人會同時購買面包?！啊惫踩彭摶?jy)效用的推薦基于效用的推薦（Utility-based Recommendation）是建立在對用戶使用(shyng)項(xiàng)目的效用情況上計算的，其核心問題是怎么樣為每一個用戶去創(chuàng)建一個效用函數(shù)，因此，用戶資料模型很大 程度上是由系統(tǒng)所采用的效用函數(shù)決定的。它能把非產(chǎn)品的屬性，如提供商的可靠性和產(chǎn)品的可得性等考慮到效用計算中。優(yōu)點(diǎn)共三十九頁基于知識(zh shi)的推薦（Knowledge-based Recommendatio

8、n）在某種程度是可以看成是一種推理（Inference）技術(shù)，它不是建立在用戶需要和偏好基礎(chǔ)上推薦的。效用知識是一種關(guān)于一個項(xiàng)目如何滿足某一特定用戶的知識，因此能解釋需要和推薦的關(guān)系，所以用戶資料可以是任何能支持推理的知識結(jié)構(gòu)，它可以 是用戶已經(jīng)規(guī)范化的查詢，也可以是一個更詳細(xì)的用戶需要的表示?；?jy)知識的推薦共三十九頁加權(quán)元級別(jbi)特征(tzhng)擴(kuò)充特征組合變換混合組合思路層疊組合推薦共三十九頁體系結(jié)構(gòu)共三十九頁用戶(yngh)推薦(tujin)模塊用戶描述文件用戶信息收集 客戶機(jī)互聯(lián)網(wǎng)Web服務(wù)器推薦系統(tǒng)基于服務(wù)器的推薦系統(tǒng)結(jié)構(gòu)共三十九頁213個性化信息的收集完全由Web服

9、務(wù)器來完成，受到了Web服務(wù)器功能(gngnng)的限制。增加了Web服務(wù)器的系統(tǒng)(xtng)開銷。對用戶的隱私有極大威脅。存在的問題共三十九頁基于(jy)客戶端的推薦系統(tǒng)結(jié)構(gòu)推薦(tujin)模塊用戶建模模塊用戶用戶信息收集模塊推薦系統(tǒng)客戶機(jī)Web服務(wù)器互聯(lián)網(wǎng) 服務(wù)器端客戶端共三十九頁能夠獲取(huq)豐富準(zhǔn)確的用戶信息以構(gòu)建高質(zhì)量的用戶模型。01少量甚至沒有用戶數(shù)據(jù)存放(cnfng)在服務(wù)器上，Web服務(wù)器不能訪問和控制用戶的數(shù)據(jù)，能比較好地保護(hù)用戶的隱私。02用戶更愿意向推薦系統(tǒng)提供個人信息，從而提高推薦系統(tǒng)的推薦性能。用戶對數(shù)據(jù)能夠進(jìn)行自行控制。03優(yōu)點(diǎn)共三十九頁用戶描述文件的形成、推

10、薦策略的應(yīng)用都依賴于所有用戶數(shù)據(jù)分析的基礎(chǔ)上進(jìn)行的，而基于客戶端的推薦系統(tǒng)較難獲取其他用戶的數(shù)據(jù)，用戶描述文件較難得到，協(xié)同推薦策略實(shí)施也較難個性化推薦處理過程中用戶的數(shù)據(jù)資料還需要部分的傳給服務(wù)器，存在隱私泄漏的危險，需要開發(fā)安全傳輸平臺進(jìn)行數(shù)據(jù)傳輸。二缺點(diǎn)(qudin) 一共三十九頁淘寶上的信息(xnx)推薦實(shí)例(shl)分析4共三十九頁共三十九頁共三十九頁用戶(yngh)購買記錄顧客1客戶名稱信用商品類型購買記錄時間價格購買頻率yuxintong1717服飾秋冬季老人護(hù)耳帽2014.10.23 09:201005次1星期 生活用品盧納行李箱24寸2014.10.23 09:18606服飾

11、（女性）小腳休閑褲子2014.10.08 17:38198童裝泡泡屋休閑男童鞋2014.10.05 8:21298服飾（女性）針織加厚絨打底衫2014.09.27 17:1445兒童用品A4兒童圖畫本繪畫2014.09.10 9:25 童裝兒童恐龍連體睡衣2014.09.07 11:2061服飾（女性）牛仔風(fēng)衣女2014.09.04 16:00194化妝品歐萊雅染發(fā)膏2014.09.01 19:4789服飾（女性）長袖女裝開衫2014.08.19 12:52280化妝品精華液2014.08.19 12:5240數(shù)碼產(chǎn)品高清播放器2014.07.23 15:39899家居用品紗窗2014.07.

12、21 12:3525鞋包（女性）女涼鞋2014.07.15 11:10256兒童用品胡小鬧日記2014.06.29 14:55132兒童用品賽爾號玩具（3套）2014.06.29 14:5384服飾（女性）鉛筆褲2014.06.29 14:3674家居用品家用氧氣機(jī)2014.06.29 13:35156化妝品洗面奶2014.06.29 13:3198兒童用品嬰兒萬用膏2014.06.21 11:18100共三十九頁購買趨勢：當(dāng)季服裝、生活用品、兒童用品、質(zhì)量(zhling)較好的物品、價格區(qū)間（主要）100300賣家信譽(yù)度較高的店鋪 顧客猜想(cixing)：客戶為主婦，有一兒子（兒童，較愛玩

13、具，可多提供一些兒童用品的信息），會買老人及家人的衣物，和一些生活用品，購買次數(shù)較頻繁。共三十九頁顧客(gk)2客戶名稱信用商品類型購買記錄時間價格購買頻率靜薇思琦528生活用品行李箱2014.10.22 21:435562次一星期服飾男保暖內(nèi)衣2014.10.20 19:01406服飾（女性）女長袖睡衣2014.10.18 13:16268服飾（女性）女款加厚睡衣2014.10.18 13:16368數(shù)碼產(chǎn)品行車記錄儀2014.10.17 20:221196書籍長歌行 72014.10.17 20:2013.8書籍黑白無雙 132014.10.17 20:2015.4旅行用品旅行洗漱用品（3

14、套）2014.10.17 20:1956.4旅行用品旅行整理袋（2套）2014.10.17 20:1959.2鞋包（女性）防水鞋包2014.10.17 20:1910旅行用品旅行化妝品小空瓶2014.10.17 20:195鞋包（女性）休閑運(yùn)動鞋女2014.10.09 19:1478化妝品半指手套2014.10.09 19:1188家居用品床單被套4件套2014.10.09 19:0795家居用品玻璃杯子2014.09.28 23:408.9家居用品衣架2014.09.28 23:405.4數(shù)碼產(chǎn)品筆記本鍵盤膜2014.09.28 23:403.9家居用品清潔膠2014.09.28 23:40

15、2.5家居用品床單被套4件套2014.09.20 13:1295服飾長袖T恤衫2014.09.16 19:5498共三十九頁顧客猜想：客戶為已婚的職業(yè)女性（購買時間集中在晚上），平時愛旅游，經(jīng)常幫同事代買(可以多提供(tgng)一些團(tuán)購和多買優(yōu)惠的活動)，主買的也是衣物，有孩子（可能是青少年，較愛看漫畫），該客戶習(xí)慣在買一物品時會購買其周邊物品。可以向她推薦天貓超市（有大量優(yōu)惠、團(tuán)購的家居用品）并推送大量旅游信息及旅游產(chǎn)品購買趨勢：生活用品為主，較多的旅行(lxng)用品，普通家居用品價格較低數(shù)碼產(chǎn)品和服飾價格較高共三十九頁顧客(gk)3客戶名稱信用商品類型購買記錄時間價格購買頻率曉丹9812

16、061002生活用品行李箱2014.11.14 19:356061-2次一天服飾（女性）皮衣女外套2014.11.14 11:26698服飾（女性）卓詩娜牛皮秋冬新品2014.11.12 22:571988服飾（女性）加絨加厚短褲2014.11.12 07:37168服飾（女性）中筒純棉卡通少女襪2014.11.10 15:588數(shù)碼產(chǎn)品安卓智能手機(jī)2014.11.10 15:511330食品酷莎 無糖薄荷糖2014.11.10 15:4638服飾（女性）抓絨長袖衛(wèi)衣2014.10.28 23:28128服飾（女性）FMF毛領(lǐng)長袖連衣裙2014.10.28 23:2778服飾（女性）羊毛中筒襪

17、套靴套2014.10.28 23:2639服飾（女性）加絨連帽衛(wèi)衣女2014.10.25 12:41188家電韓式多功能電熱鍋2014.10.24 16:48598家居用品汽車香水2014.10.21 18:1588化妝品歐詩漫美白保濕潔面2014.10.18 15:36118服飾長袖長褲休閑睡衣2014.10.17 16:06368服飾男戶外保暖運(yùn)動長褲2014.10.17 16:04268服飾加厚保暖褲男2014.10.17 16:04198服飾男士保暖襯衫2014.10.16 11:18298服飾青少年學(xué)生皮帶2014.10.12 17:36168數(shù)碼產(chǎn)品5.7寸安卓智能手機(jī)2014.1

18、0.09 15:13588共三十九頁顧客猜想：為已婚職業(yè)女性，有孩子，會幫朋友代買東西(dngx)，經(jīng)常在網(wǎng)上買安卓手機(jī)，購買頻繁且時間分散?？梢韵蚱渫扑透哔|(zhì)量的服飾團(tuán)購信息購買趨勢：當(dāng)季的服裝(fzhung)、電子產(chǎn)品、生活用品、零食等，注重質(zhì)量 共三十九頁相似性分析(fnx)類型服飾服飾（女性）生活用品童裝兒童用品數(shù)碼產(chǎn)品家居用品家電鞋包書籍旅行用品化妝品顧客yuxintong151241201003靜薇思琦2210025022311曉丹981206581201110001共三十九頁價格區(qū)間0-200200-400400-800800-12001200-16001600-2000顧客yuxintong1531100靜薇思琦1621100曉丹9812061134011共三十九頁相似性分析(fnx)女性服飾占購買物品的較大份額，（可以進(jìn)一步分析(fnx)三個顧客的服飾相似性，作為推送對象）作為母親角色，三個顧客都較注重兒童用品以及家居用品。可以向其推送大量的高質(zhì)量兒童服飾、玩具和家用品團(tuán)購信息。普通用品注重質(zhì)量但以團(tuán)購方式購買較多因此價格比較中等，但對于數(shù)碼，家電等耐用品選擇較高的價位。