杨利

（唐山学院，中国 唐山 063000）

【摘 要】随着大数据时代的到来，用户购买需求呈现多元化发展趋势，电商平台给用户提供的推荐服务面临巨大挑战。构建个性化信息推荐服务模式，满足用户提供个性化的服务需求，从而提高电商平台的服务质量，为其自身的市场竞争力提供保障。

【关键词】大数据;个性化信息推荐;电商平台

中图分类号： F724.6 文献标识码： A文章编号： 2095-2457（2019）10-0240-002

DOI：10.19694/j.cnki.issn2095-2457.2019.10.106

【Abstract】With the arrival of the era of big data，the purchase demand of users presents a diversified development trend，and the recommendation service provided by e-commerce platform to users faces a huge challenge.Build personalized information recommendation service mode to meet users' personalized service needs，so as to improve the service quality of e-commerce platform and provide guarantee for its own market competitiveness.

【Key words】Big data;Personalized information recommendation;Electric business platform

随着大数据时代来临，数据利用的质量是对数据使用效率的测试，它要求人们对先前的观察能力进行相应的改进，而对于电商平台来说，大数据支持了其推荐服务。大数据的发展趋势是数据业务的转型，为不同属性的消费者提供个性化的服务。通过提高电子商务个性化信息推荐的水平，提高电商企业的服务质量，对未来电子商务的发展具有重要价值。

1 个性化推荐服务

个性化推荐服务是指面对不同用户，可以满足该用户特定的信息需求，为他们提供相应的个性化信息，或者电子商务网站依据用户的互联网使用习惯的不同，为用户提供良好的信息服务[1]。电子商务个性化推荐服务的核心为用户，具有服务针对性强、服务方式多样化、服务主动性与时效性、服务的智能性四个特征。

对用户来说，个性化推荐服务可以减少用户浏览和购买商品的时间，从大量的商品信息中解放用户。对电商平台来说，推荐服务的应用有利于用户购买网站的商品，提高商品的销售额。随着大数据的发展，个性化信息推荐服务越来越健全，它不仅为企业带来了更高的利益，也为服务方法提供了更好的发展[2]。

2 基于大数据的电子商务个性化信息推荐服务模式

信息服务模式有四个要点，分别为服务主体、受体、内容和方式，信息服务模式就是描述这四个要点以及他们之间的关系[3]。对于电商信息服务模式来说，服务主体是购物网站，受体是网站用户，内容是网站所提供的信息，方式就是电商网站向用户推信息的方式。电子商务信息服务模式，就是购物网站挖掘和分析用户大量的数据，找到用户需求的信息，并通过特定方式提供给用户，为用户提供服务。

2.1 大数据的信息应用的主要技术

（1）数据挖掘技术

数据挖掘技术是大数据的信息推荐技术核心，通过数字挖掘技术的应用，可以发现大量数据信息中不易发现的信息，通过这些信息对未来的发展方向进行预测[4]。其中主要有三种类型。

Web内容挖掘：Web内容挖掘的是从搜索资源和数据库两方面研究。从搜索方面来说，通过搜索软件将Web信息进行整合，然后分析用户的喜好和实际需求，再此基础上，屏蔽用户不关注的信息;从数据库方面来说，其主要原理是收集和组织非结构化数据，然后在用户的数据中填充数据，形成结构化数据库，最后使用过滤分析技术处理数据[5]。

Web使用挖掘：对浏览过程中浏览记录和用户访问情况进行总结和分析，在此基础上合理制定用户偏好，为用户提供个性化推荐内容。

Web结构挖掘：从网页结构和链接中有效地挖掘信息，并对网页进行聚合分类處理。通过这种方式，可以对用户在浏览网页过程中遗留下来的各种信息进行归纳和分析，使电子商务网站的各种属性得到改善。

（2）Hadoop框架

Hadoop是一个分布式处理大量数据的软件框架，其主要的设计为HDFS和MapReduce，分别为数据提供了存储和运算能力，Hadoop主要有五个优点：可靠性高，效性高，容错性高，扩展性高和成本低[6]。现在很多网站都应用Hadoop框架来对大量的数据进行处理。

（3）用户建模技术

用户建模技术主要是从用户可能喜欢的信息中提取相关信息，然后根据建模技术对用户偏好产品进行管理。随着大数据时代的到来，用户兴趣模型是一个具有数据结构的兴趣模型，它可以为用户提供准确的网络信息和良好的服务，在用户兴趣模式更新过程中，主要有直接和间接两种更新模式[7]。前者是在用户对推荐商品进行反馈的前提下对模型进行更新，需要用户的额外时间，因此更新效果较低，而后者主要是跟踪用户浏览行为，在此基础上更新用户模型。

2.2 电子商务个性化信息推荐服务模式

目前应用较多的推荐模式是基于内容的推荐和用户协同过滤推荐[7]，前者以商品内容的基础数据为核心，发现商品的相关性，然后推荐相似商品，这种模式推荐的商品不够新颖，也没有创新;后者依据用户对购买过的商品的评价信息等，发现商品或者用户之间的关联信息，然后进行推荐，这种方式通过对比推荐，导致推荐结果与用户需求可能有点不同。

目前电商平台可以给用户提供个性化服务，不过由于用户在网站上留下的数据量很大，实际购买评价的数据占一小部分，存在一定的稀疏性问题，导致其推荐准确性较低，还应该有改进的地方。

个性化推荐商品的相关度会显著正向影响用户购买意向，所以电商平台需要提供精确的推荐服务，基于此，构建了如图1结构的推荐模式，主要分为用户交互界面，数据收集模块，数据分析模块以及推荐处理模块。

从数据源头入手，充分挖掘用户的所有个性化数据，利用Hadoop的高效性对数据处理，改善协同过滤中存在的数据稀疏性问题，将分析处理得到的结果经过过滤，得到最终的个性化推荐推送给用户。

（1）数据收集模块

主要利用web数据挖掘技术获取数据，数据来源包括电商网站提供的商家、商品信息，用户信息;从系统日志中提取的用户行为信息以及用户通过交互界面的直接行为信息等。

（2）数据分析模块

利用Hadoop框架的强大的数据计算能力，对現有过滤推荐中存在的问题进行改善，对数据收集模块中的海量数据进行分析处理，得到用户的兴趣以及需求信息，构建兴趣模型，同时分析商品信息库中的商品信息来对用户兴趣需求进行匹配，做出推荐初始结果。

（3）推荐处理模块

由前面分析得到的只是基本符合要求的结果，推荐结果还是很杂乱，需要进行加工处理才可以推荐给用户。这里的处理基本过程就是过滤、排名。依据上一章节分析结果，过滤掉质量较差的商品以及信用评价、服务质量较差的商家。由于商品排名也显著正向用户的购买意向，所以这里的排名主要是对商品符合用户需求的程度进行排名，来提供更好的服务。

（4）用户交互界面

用户交互界面主要功能是展示推荐结果，同时用户的操作信息记录也由这里传到数据收集模块。电商网站的实用性也显著正向影响用户购买意向，用户更容易去浏览点击界面设计简单、个性化推荐窗口明显的电商网站，所以在展示推荐结果的时候，推荐界面商品信息应该清晰整齐，内容精简，同时推荐窗口处于网站页面较为明显的位置，便于引起用户的注意。

3 总结

本文通过理论分析进行数据研究，提出了个性化信息推荐服务模式，本文的研究对信息服务发展有理论意义。高质量的推荐服务可以为用户探索新的兴趣点，并推荐给用户感兴趣的产品。个性化推荐服务给用户带来方便和个性化的服务，也给电商企业带来了良好的发展前景。

【参考文献】

[1]陈玉.大数据背景下电商用户需求挖掘的个性化推荐方法研究[J].信息与电脑（理论版）.2016（17）.

[2]潘玉辰.基于大数据下战略性新兴产业个性化信息资源服务模式研究[J].开发研究.2016（03）.

[3]任华.云计算环境下大数据对电子商务的影响研究[J]. 无线互联科技.2018（22）.

[4]洪跃根.基于信息技术的电子商务管理对象分析[J].科技资讯.2015（05）.

[5]杨佳佳.大数据处理对电子商务的影响探讨[J].人力资源管理.2018（02）.

[6]聂庆华.数据挖掘技术在电子商务中的应用研究[J].科技创新与应用.2017（12）.

[7]段继锋.电子商务领域中计算机数据挖掘技术的应用研究[J].通讯世界.2017（04）.