信息推荐系统：第二版-基于点击流的个性化商品推荐

商品信息个性化推荐服务就是将顾客感兴趣的商品信息主动推送给顾客，在电子商务网站内部，系统获取顾客偏好有两种途径:主动获取和被动获取[9]。主动获取是指系统可以通过点击流对顾客购物过程中的系列行为进行记录和跟踪，采用Web数据挖掘的技术，分析和学习顾客在最近历史时期内的购物偏好，并对顾客偏好模型进行建模。被动获取是让顾客注册后填写一份偏好需求表，将其规格化后存储到顾客档案数据库中。因为不可能要求顾客每次购买都填写偏好需求表，也不能保证所填写的信息完整准确可信，因此偏好获取应以主动获取为主，被动获取为辅。当获取顾客的购物偏好之后，系统对顾客偏好进行建模，在此基础上进行商品信息的推荐，即系统根据顾客偏好模型向顾客主动推送个性化的商品信息。其中，主动获取顾客偏好是整个商品信息推荐服务的重点。一般来说，顾客偏好分析可以使用Web日志挖掘和Web内容挖掘等技术对包括顾客点击流数据在内的Web日志文件和商品网页内容进行挖掘，然后基于商品推荐引擎将符合顾客偏好的商品信息通过推荐页面主动推送给顾客。基于点击流的商品信息推荐服务模型如图5-1所示。

图5-1　基于点击流的商品信息推荐服务模型(www.xing528.com)

为了提高推荐算法的实时性，在推荐服务模型设计中，商品推荐可以分为离线和在线两个部分。离线部分为顾客偏好获取和建模，这部分计算量较大，可以放在平时进行，从而降低在线推荐部分的时间复杂度；在线部分为商品信息推荐，利用离线阶段构建的顾客偏好模型，将符合顾客偏好的商品信息通过推荐页面推送给顾客查看。由于顾客偏好模型已在离线阶段进行，从而服务推荐能够有效地降低人机交互时间。