英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

Expert Systems with Applications

Expert Systems with Applications 33 (2007) 230–240

www.elsevier.com/locate/eswa

一种基于智能模糊的消费电子产品推荐系统

Yukun Cao ^*, Yunfeng Li

Department of Computer Science, Chongqing University, Chongqing 400044, PR China

摘要

开发智能推荐系统是克服电子商务企业提供的产品信息过载问题的好方法。 由于互联网上有大量产品，因此无法在一个系统中推荐各种产品。 我们认为，应根据某种产品的特殊性建立个性化推荐系统，并为不同产品形成专业推荐系统。 在本文中，基于消费者从系统 - 用户交互中获得的当前需求，我们提出了一种基于模糊的系统，用于消费电子产品以检索最佳产品。 实验结果表明该系统是可行和有效的。 2006 Elsevier Ltd.保留所有权利。

关键词：模糊逻辑; 消费类电子产品; 推荐系统; 个性化服务

简介

近年来，互联网和Web技术的不断进步推动了电子商务的发展，使公司和客户都面临新的局面。为了扩大市场并创造更多商机，企业一直在开发新的商业门户网站并提供大量的产品信息，因此客户有更多机会选择满足其需求的各种产品。

来自互联网营销和电子商务的信息具有不确定性，但它确实具有潜力和影响力。它扩大了品牌推广，创新，定价和销售的机会。但是，随着业务网站的快速扩展，指数级增长的信息会导致信息过载。因此，消费者必须花费越来越多的时间浏览网络，以便找到所需的信息。克服上述问题的一种方法是开发智能推荐系统以提供个性化信息服务（Schafer，Konstan，＆Riedi，2001）：检索消费者期望的信息并帮助他确定购买哪一个。个性化信息服务的目的是调整促销和广告策略以适应客户利益。

新企业可以通过提供客户个性化服务以及与客户进行沟通或交互来处理特定客户的Web体验。对客户的这种理解可以将客户信息转化为优质服务或产品（Weng＆Liu，2004）。为了提高客户满意度，反馈率，忠诚度，网络销售和声誉，一对一营销被视为客户关系管理的最有效方法。但是，随着客户的数量众多，企业如何识别自己的利益？这个问题的答案是建立个性化的互联网服务。个性化的目的是调整促销和广告策略以适应客户的兴趣。首先，有必要了解客户的兴趣和偏好，然后在合适的时间提供合适的产品或服务。这项研究的机制不仅旨在提高网上商店的访问率，增加销售机会和广告收入，还旨在增加网站的利润。

根据产品的种类，可以构建各种个性化推荐系统，以在大型产品特征空间中引导消费者。对于诸如书籍，CD和DVD电影之类的经常购买的产品，可以开发推荐系统以通过分析他的个人信息，浏览历史和他购买的产品来推理他的偏好。相比之下，普通消费者不那么频繁地购买笔记本电脑和数码相机等商品，而且企业缺乏足够的有关客户过去购买的信息以及他对特定产品的具体要求，因此很难也无法推理客户之前的偏好。在这种情况下，强烈要求领域专家提出建议。因此，预计推荐系统具有与消费者互动的特定领域知识和能力。因此，系统可以获取和分析客户对他识别的某些产品的当前需求，然后评估相关产品以帮助他选择最佳产品。

通过个性化推荐系统，消费者可以立即访问他们感兴趣的信息，并节省他们阅读电子文档的时间。 另一方面，企业可以了解客户的购买行为，然后制定最合适的营销策略，以吸引不同的客户，有效地传递他们感兴趣的信息。客户的满意度和忠诚度可以因此增加，并且增加 访问频率的客户可以进一步创造更多的交易机会，使互联网企业受益。

在这种方法中，我们为那些不常购买的产品提供了基于模糊的推荐系统，特别是对于消费电子产品。当普通买家去购物时，消费电子产品的一些显着特征可能会让他遇到麻烦。首先，与其他产品相比，新型消费电子产品的寿命很短，即约2年。随着产品的新型号在市场上随时出现，它使普通消费者难以了解产品的所有型号。其次，伴随着新生产的模型，出现了许多改进产品功能的新技术。虽然知道新模型中技术的细节，但他仍然不知道是否值得花更多钱。最后，由于同一产品的不同型号之间的价格差距扩大以及新型号在其生命周期内的价格不断下降，普通消费者很难知道所有产品型号的价格。对于新车型，自进入市场以来，价格在几个月内下降了一半。

所提出的系统旨在帮助消费者以交互方式导航产品特征空间，其中消费者在每个特征维度中具有他自己的需要，使得顾客可以根据他的个人偏好找到最佳产品。 我们还为笔记本电脑推荐了这种系统。 实验结果表明，两个系统都可以提供合理的建议，并适应客户的最新偏好。 在本文的其余部分安排如下。 在第2节中，阐述了研究背景，包括个性化和推荐系统。 第3节概述了推荐系统。 第4节提供了基本的理论背景，然后是第5节，解释了所提方法的实施问题。 第6节报告了实验过程和研究结果。 最后，结论在第7节中给出。

研究背景

本研究的目的是建立一个基于产品特征的个性化推荐系统。

2.1.个性化

个性化是一种特殊的差异化形式，即网站可以响应客户的独特需求。 Mobasher等。 根据个人用户对互联网使用的兴趣和爱好，将Web个性化定义为响应行为（Mobashe，Dai，＆Luo，2002）。 通过个性化，企业可以了解客户的购买行为，并相应地制定更合适的营销策略，以吸引特定类型的每个客户，并有效地向他/她提供合适的信息和产品/服务。 因此，可以增强客户的满意度和忠诚度，并且每个客户访问频率的增加可以进一步创造更多的交易机会并使互联网业务受益（Lee＆Liu，2002）。

“个性化”一词通常用于推荐系统的背景下，该系统根据对早期交互的分析选择性地向最终用户推销产品（Schafer，Konstan，＆Riedi，1999）。 Adomavicius和Tuzhilin提出了5个阶段的个性化：（1）收集客户信息，（2）描述客户，（3）比较相似性，（4）提供和呈现个性化信息，以及（5）衡量客户响应。

在本文中，个性化对于该研究项目的目的具有更广泛的意义; 它涉及存储和处理有关每个最终用户的丰富数据库，其中包含详细的偏好和要求信息，以及每个具有详细功能和描述的产品。 该研究项目增加系统可访问性的方法依赖于最终用户和系统之间在细粒度级别上的所有交互的基于域的个性化。 与系统交互的个性化可以通过自动过滤和翻译内容以及消除与手头任务不直接相关的功能来降低复杂性（Chiasson，Hawkey，McAllister，＆Slonim，2002）。 最终用户对计算机化系统的访问越来越依赖于个人电子计算设备，例如个人数据助理，组织者，蜂窝电话和可穿戴计算机。

2.2. 推荐系统

电子商务网站可以通过他过去的购买行为和人口统计数据来预测客户未来的购买行为。 因此，可以向客户推荐个性化产品，实现将浏览人员转变为消费者，提高客户忠诚度和增强交叉销售的效果。

推荐系统可以以不同方式提供个性化信息服务; 这取决于系统是否记录和分析客户以前的偏好。 在第一类个性化推荐系统中，首先收集客户的个人信息，然后系统通过分析和建模可用的个人信息来推断客户的偏好。 一旦获得消费者的个人信息，推荐系统就可以为他构建计算模型以预测他对同一应用领域的其他项目的偏好。 事实上，推荐工作可以被视为分类：使用已知信息建立模型来预测未知事件（Lee＆Liu，2002）。

与关注消费者先前偏好的上述系统不同，另一种类型的个性化推荐系统被设计用于在单次购买中较不频繁购买的产品和消费者特定需求。 此外，消费者需要特定的领域知识来评估相应的质量。 因此，推荐系统不是对客户的过去偏好进行建模，而是使用消费者在咨询系统以获得建议时提供的短暂信息，以及关于产品的内置专家知识以寻找最佳偏好。 这种类型的推荐系统旨在帮助客户找到他真正想要的东西，何时他可以简单地识别他需要的产品类型并描述产品的特征或特定功能。

最初，推荐系统通过测量数据库中的产品与目标产品的特征之间的相似性来从数据库中检索一些产品。 然后，消费者可以调整他对推荐产品的某些特征的需求，并因此要求系统建议新项目。 通过这种方式，消费者可以逐渐找到满足其需求的最佳产品。

系统架构

在本节中，提出了一种用于个性化互联网购物的在线智能推荐系统，该系统根据所提出的营销策略使用数据挖掘技术和模糊逻辑来帮助企业为每个单独的客户准备高潜力和合适的促销产品。 当客户打算购买诸如笔记本电脑之类的不太频繁购买的产品时，需要推荐系统。 如第1部分所述，购买此类产品的经验可能没有帮助。 消费者现在需要的是根据他目前的偏好来识别理想产品的一些专业知识。 在这种情况下，提供个性化信息服务的适当方式是创建一种交互式环境，其中消费者可以迭代地向推荐系统表达他的偏好或需求，该推荐系统可以使用短暂信息以及内置领域知识来找到 理想的产品。

该系统分析消费者的当前需求，并为他找到最理想的产品。 这里的理想解决方案意味着能够最好地满足消费者需求并同时提供最佳质量服务的解决方案。 基于当前系统，可以将客户需求转移到所需产品的可行替代组合中。 图1显示了所提出系统的体系结构，它由四个模块组成：（1）客户需求权重，（2）产品特征权重，（3）理想特征需求模块，（4）推荐模块。 在以下部分中，详细描述了所提出的系统的每个模块。 无论如何，本研究中使用的实施程序包括以下步骤：

（1）建立按重要性排列客户需求的算法。

（2）建立客户需求与产品特征之间的模糊规则。

（3）根据个人客户的需求和模糊推理规则，建立评估每个产品特征需求的算法。

（4）建立算法来评估替代方案，并使用模糊几何距离和模糊合成距离方法来搜索最优组合。

（5）调查客户需求和可能的产品替代方案; 根据消费者需求选择产品并推荐它。

理论背景

4.1. 语言定义和模糊数

基于所提出的系统，可以以适当的方式表达消费者需求和候选产品特征。 在该方法中，我们使用三角模糊数来表征消费者需求和产品特征。

三角模糊数是模糊集的特例。 它具有三角形的隶属函数，可以视为可能性分布。 假设~q是具有隶属函数l~peth;xTHORN;的三角模糊数，并表示为~qfrac14;eth;q1; q2;q3THORN;，其中q1，q2和q3是q16 q26 q3的实数。 该隶属函数如图2所示，并且相关属性（Hsieh＆Chen，1999; Hu＆Sheu，2003; Sun＆Kalenchuk，2000; Tsai＆Hsiao，2004）在此不再详述。

为了帮助消费者轻松表达他们的判断，领域专家可以轻松评估产品功能，语言术语用于在语言上评估客户需求的重要性和产品功能的评级。 七个语言集允许描述一个主观判断的变量：（1）非常低，（2）低，（3）中低，（4）中，（5）中高，（6）高，（7） 很高。 此外，这些语言集可以用相应的三角模糊数量化，如表1和图3所示。

Fig. 2. Membership function of a triangular fuzzy number.

Table 1

Linguistic definition for the importance and the ratings

Fig. 3. Membership functions of triangular fuzzy numbers.

4.2. 三角模糊数的相似度量

在这项研究中，我们利用两个模糊数之间的欧几里德模糊近似紧致度来衡量消费者需求和产品特征之间的相似性。

假设~qAfrac14;q1A; q2A;q3ATHORN;是比较三角模糊数，而~qBfrac14;q1B; q2B;q3BTHORN;是目标三角模糊数。 然后，~qA和~qB之间的欧几里德模糊近似紧性定义如下： 上述等式通过计算两个三角模糊数之间的欧几里德模糊近似紧性来表示一种相似度。 虽然~qA和~qB之间的近似紧密度变小，但~qA更类似于~qB。

此外，假设有两组三角模糊数，Xefrac14;eth;~x1; ~x2; ...;~xnTHORN;和Yefrac14;eth;~y1; ~y2; ...;~ynTHORN;。 在模糊数集Xe中，每个模糊数~xi与模糊数集Ye中的目标模糊数~yi分别进行比较。 因为模糊数集中的每个模糊数Xe和Ye实际上代表消费者的需要或产品的特征，所以模糊数集中的每个模糊数对于识别消费者需求或产品特征具有不同的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19971]，资料为PDF文档或Word文档，PDF文档可免费转换为Word