信息推荐系统:商品推荐系统体系结构

基于Web挖掘的商品信息推荐系统主要任务是:通过Web挖掘方法获取顾客最近的购物偏好，为其网上购物提供决策支持。图5-3给出了基于Web挖掘的商品信息推荐的系统结构。

如图5-3所示，商品信息推荐的内部模块结构可划分为Web日志分析模块、数据清理和转换模块、顾客偏好挖掘模块、商品关联分析模块、商品推荐引擎和人机交互接口等部分，这种划分模块的技术思路是从功能内聚和增加并行度的角度考虑的。系统各部分模块描述如下:①Web日志分析模块通过定时收集所有顾客购物的点击流数据，建立和关联Web日志数据，并对其进行初步分析。②数据清理和转换模块首先对数据源和Web日志数据进行清理，然后将清理后的数据进行格式转换，为相关Web挖掘进行数据预处理。③顾客偏好挖掘模块负责顾客偏好分析和挖掘，首先获取经过预处理的顾客点击流数据，然后通过顾客偏好分析方法建立顾客偏好模型。④商品关联分析模块分析不同类型商品之间的关联性，首先获取经过预处理的顾客点击流数据，通过相关数据挖掘算法执行相应的商品关联挖掘，并产生相应的商品关联规则，建立商品关联模型。⑤商品推荐引擎是整个商品信息推荐系统的核心，通过集成的商品关联模型和顾客偏好模型，可以基于相应的推荐算法为每个目标顾客产生相应的推荐商品。在系统结构的设计和实现中，可以将商品关联挖掘和顾客偏好挖掘放在离线阶段完成，而将推荐引擎模块放在在线阶段执行，以提高系统的实时推荐效率。⑥人机交互接口:提供目标顾客与商品推荐引擎的通信接口，当推荐结果产生以后，交互接口以规范化的格式将候选商品显示给目标顾客查看。

(www.xing528.com)

图5-3　基于Web挖掘的商品信息推荐的系统结构

整个商品推荐过程分为3个阶段:阶段1记录和跟踪相应商务网站中顾客最近的购物行为，通过点击流对顾客购物过程中的系列行为进行分析，并采用Web数据挖掘技术，分析和学习顾客在最近历史时期内的购物偏好；阶段2利用数据挖掘算法进行商品之间关联规则的挖掘，从而发现商品之间的关联度；阶段3通过前面两个阶段，为当前顾客产生推荐商品。