基于点击流的顾客偏好分析-信息推荐系统

顾客偏好分析是整个推荐过程中关键的一步，该方法分析和获取每个顾客的偏好，从而提供推荐服务。为了正确分析顾客偏好，这里提出一种顾客偏好分析模型，该模型是建立在Lee等提出的在线购物过程中顾客所需经历的三个购物阶段基础上的。这三个购物阶段分别为:

①网页点击(Click-through):表示顾客对感兴趣的商品通过点击鼠标，链接到该商品网页的URL地址，并查看与商品相关的网页内容。

②添加购物车(Basket Placement):发生在网页点击行为之后，表示顾客将选购好的商品添加到购物车中，作为候选购买商品。

③在线购买(Online Purchase):表示顾客对所有添加在购物车中的商品进行选择和比较，最后对选购好的商品进行在线支付。

由于顾客每个购物阶段完成后，与访问该商品相关的URL地址将被记录在Web日志中。因此，顾客偏好可以通过计算Web日志相关商品的URL地址出现的次数来获得，这是一种简单且有效的方法。一般来说，在网上购买商品时，顾客都是严格依照这三个购物阶段的先后顺序来进行的。因此，可以将所有类型的商品分为四组:实际在线购买的商品，仅添加到购物车中的商品，仅点击查看的商品，未被顾客点击的商品。显然，可以将不同组的商品进行偏好排序，其偏好关系表示为:{未被顾客点击的商品}＜{仅点击查看的商品}＜{仅添加到购物车中的商品}＜{实际在线购买的商品}。其中“＜”表示“低于”或“不优于”的偏好关系。(www.xing528.com)

设顾客i对商品类型为j的所有商品，点击相应网页的总次数记为；同理，表示顾客i在购物车放置阶段中，对商品类型为j的所有商品添加到购物车中的总次数；表示顾客i在实际购买阶段中，对商品类型为j的所有商品进行电子付款的总次数。、　、　可以认为是在最近某个时间段内对顾客原始点击流数据的统计，因此反映了每个顾客在相应的购物阶段中，对不同类型商品的偏好。

通过以上讨论，可以把顾客的偏好模型定义为矩阵形式，即定义偏好矩阵C＝(cij)为如下形式:

在公式(5-1)中，i＝1，…，M(顾客数量)，j＝1，…，N(商品类型数量)。为了获取顾客i关于每种类型商品j的偏好，可以基于公式(5-1)来计算偏好值cij。

在公式(5-2)中，α、β、γ分别表示相应于三个购物阶段的偏好权重，显然三个购物阶段相应的权重不同，对实际已购买的商品所分配的权重应高于仅添加到购物车的商品。同理，对于仅添加到购物车的商品所分配的权重应高于仅被点击浏览的商品。在推荐模型设计中，设置α＝0.25，β＝0.5，γ＝1。实际上，cij反映了顾客关于不同类型商品的偏好，它是顾客在这三个购物阶段中对该类型商品的偏好总和。