面向用户偏好的在线拍卖商品推荐研究

摘要：随着在线拍卖的不断发展，网站的经营理念也从传统的以网站为中心向以客户为中心转变，为了吸引新客户和保持已有的客户，提出了构建面向用户偏好的在线拍卖商品推荐系统。针对传统的商品推荐服务在商品推荐过程中没有考虑相关领域的语义知识，导致商品推荐精度较低等问题，提出了在推荐过程中引入本体技术，建立了基于本体的面向用户偏好的在线拍卖商品推荐模型，实现了在拍卖商品推荐的各个阶段均能有效地利用语义知识，提高了拍卖商品推荐的质量。该模型为构建面向用户偏好的在线拍卖商品推荐系统以及解决系统构建中的关键问题提供了理论指导。

关键词：在线拍卖；用户偏好；本体；商品推荐

中图分类号：F274　文献标识码：A　文章编号：1005-0892(2011)04-0082-05

在线拍卖商品推荐就是向用户提供商品推荐，帮助用户快速找到所需要的在线拍卖商品，满足用户个性化的需求，从而保留老客户，吸引新客户，提高客户对在线拍卖网站的忠诚度。目前，有关商品推荐的研究已经得到国内外学者的广泛关注，其中具有代表性的研究成果有：Soe-Tsyr Yuan等人提出了一种基于本体的个性化耦合聚类的异构商品推荐，不仅降低了用户搜索在线商品的时间，还保持了与用户良好的关系。B.Xiao等人构建了基于案例推理和协同过滤的智能商品推荐系统。陈冬林等人提出了电子商务网站、知识网格节点和虚拟知识网格服务社区三级结构模型，设计了基于知识网格的电子商务智能推荐系统结构。冀俊忠，沙志强等人通过对客户的购物历史数据进行学习，得到贝叶斯网客户购物模型，然后结合客户当前的购物行为，提出了一种基于贝叶斯网客户购物模型的推荐系统框架，把推荐过程形式化为购物信息的知识表达、知识推理过程。这些研究成果对于促进商品推荐的发展与实际应用起到了重要的作用，并在电子商务网站得到了应用，但主要集中于B2C电子商务网站，尚缺少有关商品推荐在C2C环境下的应用研究，也缺少有针对性的系统构建方法及支撑技术的研究。为此，本文根据需要针对用户的实际需求，着重研究如何构建在线拍卖商品推荐系统，在分析用户对在线拍卖商品需求的基础上，提出一种面向用户偏好的在线拍卖商品推荐系统的构建方法。

一、在线拍卖商品推荐需求分析及现状

在线拍卖商品推荐是依据用户的兴趣偏好，使用推荐技术(如基于案例推理的推荐技术、基于协同过滤的推荐技术等)，将合适的拍卖商品推荐给用户，帮助用户快速找到所需的拍卖商品，实现个性化的服务。通常，用户在拍卖网站的行为在很大程度上代表了用户对拍卖商品的兴趣取向，用户在拍卖网站的行为大致可以分为：浏览感兴趣的拍卖商品、参加拍卖商品的竞拍活动和购买竞拍得标的拍卖商品，根据用户在拍卖网站的行为，我们把在线拍卖网站的商品分为浏览拍卖商品、竞拍拍卖商品和购买拍卖商品三大类，用户对这三大类拍卖商品的兴趣偏好存在如下关系：浏览拍卖商品的兴趣偏好

然而，随着网络用户的不断增加，传统的商品推荐服务在商品推荐过程中没有考虑相关领域的语义知识，存在着同一商品知识描述不统一、资源语义异构问题，商品或用户间的隐含联系难以体现，导致商品推荐精度较低。本体作为领域内部不同主体(人、计算机等)之间进行交流的一种语义基础，其目标是捕获相关领域的知识，提供对该领域知识的共同理解，确定该领域内共同认可的术语，并从不同层次的形式化模式上给出这些术语和术语之间相互关系的明确定义，实现对领域知识的推理。正是因为本体不仅可以提供领域内的通识术语，形成对该领域知识的共同理解，解决语义异质问题，还可以明确定义概念在使用中的属性及其有关约束，将存在于应用中的隐性知识进行形式化表达，从而为领域的标准化提供概念共享，所以在在线拍卖商品推荐中利用本体能够有效改善推荐的质量。

鉴于上述问题，本文在研究在线拍卖商品推荐时，引入本体技术，考虑如何将用户感兴趣的拍卖商品推荐给用户，即基于本体和面向用户偏好的在线拍卖商品推荐。

二、面向用户偏好的在线拍卖商品推荐系统模型

(一)面向用户偏好的在线拍卖商品推荐系统模型的构建

通过对在线拍卖商品推荐需求的分析，我们设计了如图1所示的面向用户偏好的在线拍卖商品推荐系统模型，分为界面应用层、分析／推荐层和数据存储层。面向用户偏好的在线拍卖商品推荐是一个动态的、交互的过程，在推荐过程中，根据用户偏好的不同采用不同的推荐策略，向用户推荐不同的拍卖商品。

分析／推荐层是在线拍卖商品推荐系统的核心层，该层由离线处理Agent和在线推荐Agent模块组成，并把领域本体集成到离线处理和在线推荐过程中，使得在离线处理和在线推荐阶段均能充分利用语义知识，提高拍卖商品推荐的准确率。离线处理Agent主要包括数据预处理和语义知识发现。其中，数据预处理的主要任务是对服务器的用户浏览日志文件和用户交易数据文件等进行数据预处理，数据预处理的主要步骤包括：数据集成、数据清洗、数据变换、数据简化、用户识别、会话识别、交易事务识别和路径补充等。数据经过预处理后，就可以进行语义知识发现，语义知识发现就是利用数据挖掘算法(如聚类分析、关联规则等)对预处理后的数据进行数据挖掘，找出关联规则、序列模式等，而后对这些模式进行分析、解释和可视化，从中筛选出有用的、可以理解的知识规则，为推荐引擎提供支撑。在线推荐Agent主要包括推荐引擎，推荐引擎的主要任务是根据当前用户访问操作序列与离线处理Agent得到的历史用户访问模式进行匹配，针对不同需求采用不同的推荐模型进行页面推荐。

数据存储层主要完成数据的分类存储和本体的管理，包括用户信息库、用户浏览日志库、用户交易数据库、领域本体库等。

将领域本体集成到面向用户偏好的在线拍卖商品推荐系统模型具有以下优点：1.采用领域本体来描述在线拍卖所涉及到的概念及概念之间的关系，可以降低传统个性化推荐在模式匹配过程中的算法复杂度，提高在线推荐的效率；2.将领域本体应用到在线拍卖商品推荐系统中的数据预处理、语义知识发现和在线推荐阶段，使得在线拍卖推荐的每个阶段均能有效地利用语义知识，提高推荐的准确率和推荐质量。

(二)面向用户偏好的在线拍卖商品推荐系统的运行流程

在线拍卖网站以会员注册的方式把用户的详细信息存入用户信息库中，包括用户的基本信息、年龄、职业、购买能力、拍卖商品偏好、E-mail等。网站可根据用户信息库中的有关信息，对用户进行分类和数据挖掘，通过网页等不同方式定期向用户推荐商品。同时，用户浏览过的网页历史信息以及有关的交易信息，系统可以记录，用户离线后，系统对用户浏览日志信息和用户交易数据信息进行数

据预处理和语义知识发现，得到相应的用户语义偏好，然后，在线推荐引擎根据当前用户访问操作序列和用户语义偏好进行匹配，针对不同需求选择不同的推荐算法进行运算，将执行后得出的推荐集反馈给用户，进行实时推荐。图2给出了面向用户偏好的在线拍卖商品推荐系统的运行流程。

三、面向用户偏好的在线拍卖商品推荐系统实现的关键技术

构建面向用户偏好的在线拍卖商品推荐系统所涉及的关键技术包括本体、数据挖掘技术、智能Agent技术。

1.本体技术

本体是作为领域内部不同主体之间进行交流的一种语义基础，描述领域内概念以及概念间的关系，提供对该领域的共同理解。本体的构建主要包含两个任务，一是从企业信息资源中抽取有关概念；二是定义概念与概念间的相互关系。本体的构建是一项浩大的工程，涉及众多的领域，是一个循环往复、不断完善、逐步求精的过程，要不断地对本体进行评价和修改，直至符合要求为止。本文引入本体，以WordNet和OWL语言为工具组织和描述有关信息，其具体思路为：将在线拍卖网站的用户浏览日志、用户交易记录数据、商品数据库等，通过数据预处理、格式转换、概念抽取等环节，采用OWL语言统一描述和组织领域本体。语义相似度是两个概念在不同的上下文中可以互相替换使用而不改变文本的句法语义结构的程度。在拍卖商品推荐的过程中，一般而言，在生成推荐集的时候，需要考虑选用合适的匹配算法，利用语义知识发现得到的用户语义模式和当前用户访问操作序列的相似度来得到推荐结果，在计算用户语义模式和当前用户访问操作序列的相似度时利用本体技术可以提高计算的效率和准确性，从而提高拍卖商品推荐的质量。

2.数据挖掘技术

在线拍卖网站在运作过程中，积累了大量的用户交易数据以及用户浏览日志信息，这些信息蕴涵了无比丰富的知识。为了实现客户保持，提升客户忠诚度，同时推进在线拍卖网站的营销模式，需要采用数据挖掘技术，运用Web挖掘方法对用户浏览日志信息和用户交易数据进行挖掘，动态的生成用户感兴趣的链接，从而实现拍卖商品的个性化的推荐，帮助和指导用户更科学、更合理地做出购买决策。Web挖掘是指利用关联规则挖掘、聚类分析、分类学习等数据挖掘算法，从与Web相关的资源和用户浏览行为中抽取感兴趣的、有用的模式等隐含的信息。根据挖掘对象的不同，Web挖掘分为Web内容挖掘、Web结构挖掘和Web使用记录挖掘，本文就是对Web的使用记录进行挖掘，通过对用户浏览日志信息和用户交易信息等进行挖掘，发现用户访问Web页面的模式。Web使用记录挖掘通常包括数据预处理、数据挖掘、模式分析和可视化三个步骤，如图3所示。Web使用记录挖掘首先对原始的用户浏览日志信息以及用户交易信息进行数据预处理，将其转变为适合挖掘的格式，以满足挖掘算法的要求，并以用户会话文件的格式保存到数据库中，作为挖掘算法的输入，然后在此基础上由系统自动推荐或用户自己选择合适的数据挖掘算法对预处理后的用户浏览日志信息以及用户交易信息进行挖掘，找出关联规则、序列模式等，最后利用领域专家的知识以及其他一些可用的标准对这些模式进行分析，从中筛选出有用的、可以理解的模式，将发现的模式以表格、图形等表现形式显示出来。

3.智能Agent技术

智能Agent技术是实现拍卖商品推荐引擎的核心技术，智能Agent技术是一种分布式计算环境下软件智能化技术，是人工智能和网络技术相结合的产物，它提供了一种在分布式异构环境下智能化应用实现智能化协调的全新计算模式。智能Agent技术是具有Agent全部特征，具有一定程度的智能性，能为用户执行特定的任务。面向用户偏好的在线拍卖商品推荐引擎具有一定程度的智能性，可以根据预先设定的推荐策略，自动完成拍卖商品的推荐的功能。

四、结语

论文针对传统的商品推荐服务在商品推荐过程中商品知识描述不统一、资源语义异构等问题而导致商品推荐精度较低的问题，提出在拍卖商品推荐过程中引入本体技术，并构建了基于本体的面向用户偏好的在线拍卖商品推荐系统框架，根据用户的兴趣偏好，向用户推荐可能感兴趣的拍卖商品，帮助用户快速找到所需要的拍卖商品。在该框架中，利用领域本体来描述在线拍卖所涉及到的概念及概念之间的关系，从而可以降低传统个性化推荐在模式匹配过程中的算法复杂度，提高在线推荐的效率。同时，将领域本体应用到在线拍卖商品推荐系统中的数据预处理、语义知识发现和在线推荐阶段，使得在线拍卖推荐的每个阶段均能有效地利用语义知识，提高推荐的准确率和推荐质量。

参考文献：

[11第26次中国互联网网络发展状况统计报告[EB/OL].省略/html/1279173730d2350.html，2010，7.

[2]Soe-Tsyr Yuan，and Chiahsin Cheng.Ontology―based Personalized Couple Clustering for Heterogeneous Product Rec-ommendation in Mobile Marketing[J].Expert Systems with Applications，2004，26(4)：461―476.

[3]B.Xiao，E.A.meur，J.M.Fernandez.PCFindef：An Intelligent Product Recommendation Agent For E-Commerce[C].IEEE International Conference on E-Commerce，Newport Beach，USA，2003：181―188.

[4]陈冬林，聂规划，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，2006，(12)：307―309.

[5]冀俊忠，沙志强，刘椿年，一种基于贝叶斯网客户购物模型的商品推荐方法[J]，计算机应用研究，2005，(4)：65―71.

[6]邓志鸿，唐世渭，张铭，杨冬青，陈捷，Ontology研究综述[J]，北京大学学报(自然科学版)，2002，38(5)：730―738.

[7]刘群，李素建，基于《知网》的词汇语义相似度计算[J]，Computational Linguistles and Chinese Language Process-ing，2002，7(2)：59―76.

[8]冯勇，樊治平，冯博，李霞，企业客户服务中心知识推送系统构建研究[J]，计算机集成制造系统，2007，13(5)：1015―1020.

责任编校：齐民