宋倩

(咸阳职业技术学院 财经学院， 陕西 咸阳 712000)

0 引言

随着信息技术的发展，人们在享受科技带来便利的同时也受到了信息过载的困扰，对于电子商务领域同样如此。如何帮助用户获得满意商品是电商企业获取利润和提升自身信誉的关键，电子商务商品推荐系统应运而生，将数据挖掘技术应用于用户日常购物活动的场景之中，利用关联挖掘算法分析历史数据来实现潜在商机预测，既为用户节约了寻找感兴趣商品的时间，也为商家提升了销量及用户忠诚度。

1 需求分析

1.1 功能需求

电子商务的商品推荐系统主要是根据收集的用户浏览行为以及历史消费记录分析其兴趣偏好、挖掘预测潜在购买商机进行推荐。其中最关键的是个性化以及实时性。系统的主要功能体现在以下几个方面。

(1) 数据采集：提取相关记录及行为数据。

(2) 数据预处理：剔除无用数据、确保数据完整。

(3) 用户兴趣分析:构建用户兴趣模型，分析积累用户兴趣商品库。

(4) 关联规则库：根据挖掘算法构建关联规则库。

(5) 商品推荐：推荐用户感兴趣的商品。

1.2 关键参数

(1) 置信度：降低关联规则中“规则爆炸”情况，提升算法精准率。

(2) 时效度：在实际场景中，人们的购物习惯是在不断变化的，距现在时间越近的相关浏览记录或购买记录越能代表当前的需求偏重点。

(3) 兴趣度：在电子商务领域可以反映用户兴趣的因素有很多，包括购买、浏览、收藏、评分、评论等。兴趣度体现为将多种商务行为经过算法策略得出的兴趣程度的权值[1-2]。……