原创《基于消费者购物记录的商品推荐去重方案》：这篇消费者论文范文为免费优秀学术论文范文,可用于相关写作参考。
摘 要：伴随着网购的不断发展,各大电商网站均引入了商品推荐系统.但消费者却常常对这类系统的有效性抱有疑问,因为他们发现自己前一天刚买的商品依然出现在今天的推荐列表中,而自己已经不再需要这类商品了.针对这样的情况,需要给推荐系统增加一个过滤模块,将一些在当前明显不会被目标用户所需要的商品去除.本文在前人提出的回购周期去重方案的基础上进行优化,提出了一套综合去重方案.
关键词：推荐方法；推荐去重；推荐过滤；大数据
中图分类号：TP391 文献标识码：A
Abstract：With the continuous development of online shopping,the main e-commerce websites he all introduced commodity recommendation systems.However,consumers usually he doubts on the effectiveness of such kind of system,as they find that the commodities they purchased a day before still appear on the recommendation list today,which they do not need any more.Aimed at such cases,a filtering module needs to be added to the recommendation system to eliminate the commodities that are obviously undesired by the target users at present.This paper conducted optimization based on the filtering schemes put forward on buy-back cycle previously and put forward a set of comprehensive filtering scheme.
Keywords：Recommendation method；repetition removal；recommendation filtering；big data
1 引言（Introduction）
互聯网的出现使人们足不出户就能获得各类信息.而多年以来互联网的发展也呈现出爆炸性趋势,加上物流运输产业的的发展,越来越多的人选择通过网上商城进行购物.商家们为了获取更多的利润,几乎都在网站上使用了商品推荐系统,以期获得更大的利润.
Resnick和Varian在1997年给出了推荐系统的定义：“它利用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过程”[1].推荐系统的核心是推荐方法,经过多年的发展,当前较为成熟的推荐方法包括协同过滤,基于内容推荐,基于图结构推荐和混合推荐[2].
然而当前几乎所有的购物网站使用的推荐系统在对消费者进行商品推荐时都没有考虑推荐去重的问题.例如目标用户经过一个月的筛选,最终买下了一台几千元的手机,而当用户第二天打开网站的时候,网站的推荐系统却仍然在卖力的向其推荐手机.这样的情况不仅浪费了推荐的机会,更让消费者对网站的推荐系统能力产生怀疑,用户对系统推荐性能持否定态度的结果将导致其不再关注系统推荐的任何商品.这样的局面不仅是消费者的损失,更是商家的损失.
而对购买过的商品采取“一刀切”,不再推荐的做法也显然不行,如果消费者购买的商品属于消耗类商品,例如牙膏,那么显然很有必要再次进行推荐,但推荐的时机是一个很重要的问题.
针对以上的问题,张志清[3]等人提出了一种考虑商品重复购买周期[4]的协同过滤推荐方案.本文则受其启发,在其基础上提出一种独立的去重模块,以期能与各类推荐方法组合使用在推荐系统中,提升推荐系统的有效性.
2 去重方案（Filtering scheme）
2.1 考虑商品重复购买周期的协同过滤推荐方案
该方案主要包括如下步骤：第一是建立商品数据库和顾客交易数据库,并将所有商品分成三类,即长重复购买周期、短重复购买周期和零重复购买周期的商品；第二步是计算短重复购买周期商品的重复购买周期,生成重复购买周期表；第三步则是计算目标推荐用户已购商品的回购状态,找出处于消费周期,失效状态和长重复购买周期的商品；最后一步是将传统的协同过滤方法得到的商品推荐列表与以上三步获得的商品列表进行比对,将两个列表中重复的商品从协同过滤结果的列表中去除,最后将过滤后列表内的商品推荐给用户.
2.2 考虑商品重复购买周期方案的局限性
首先是分类的局限,原方案中对商品进行了事先人工分类,但这样的分类缺乏个性化,因为一些商品对于不同的人来说情况不同,存在一部分人几年内只购买一次,而另一部分人会隔一段时间就购买一次的商品,这样的情况下人工分类吃力不讨好.第二是重复购买周期计算方法的局限.原方案对顾客遇到特价活动时的提前重复购买行为在计算时仅简单的去除,没有考虑提前重复购买对于后续购买周期的影响.第三是对重复购买周期离散值确定上的局限.原方案将离散值设定为固定的30天,但由于商品特性和消费者复杂的情况,该离散值在实际使用上很难取得较好的效果.最后是对失效期商品去除的局限.当超出回购周期后,原方案会认为用户已经在其他地方购买了商品,于是不再对其推荐该商品,这其中没有考虑消费者不购买的原因而是做简单抛弃.
2.3 基于消费者购物记录的去重方案
针对以上问题,本文提出了一套综合的去重方案,主要改动包括：首先是不再进行人工三段式分类,改为先按商品品种[5,6]简单分类（这样的分类每个电商网站本来就有,相当于不需要做额外分类）,再通过计算来划分出真正的针对目标用户的个性化分类的方式.其次,充分考虑优惠打折活动对消费者带来的影响,修改计算方式,使得到的回购周期更加合理.第三,通过考虑用户多次购买同类产品的回购周期离散值来决定商品的黄金推荐周期,消费周期和超期失效周期.第四,对于超过回购周期的商品,通过参考用户在最后一次购买后的浏览记录,购物车记录和商品售价情况综合判断用户对商品的态度后,在有必要的情况下会根据实际情况再次计算回购周期来决定待推荐的商品的去留,不再是一超期就无条件丢弃.
消费者论文参考资料：
结论：基于消费者购物记录的商品推荐去重方案为大学硕士与本科消费者毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写消费者方面论文范文。
