基于信誉度的商品推荐建模与仿真分析

王小豪　孙彦武　胡浩明　王蕊蕊　乐光学

摘要：商品推荐的发展不仅是大数据和云计算技术发展的成果体现，也是电子商务行业的发展趋向，商品推荐是电商行业的关键技术，是提升电商行业经济效益的有力途径之一。通过在电商行业应用商品推荐技术，能够实现快速搜索和推送目标商品，优化用户购物体验，推动新时代电商行业的进一步发展。因此，该文通过对现有商品推荐算法的分析和研究，尝试提出了基于商铺和商品信誉度的推荐算法。通过问卷调查确定影响商铺和商品信誉度的关键指标，运用Entropy算法和欧几里德距离分别计算商品信誉度和相似度，最后根据信誉度和相似度完成商品推荐。通过建模和仿真分析，该算法在一定程度上提高了商品推荐的可信度和精确度。

关键词：商品推荐;商铺/商品信誉度;Entropy;欧几里德距离

中图分类号：TP391    文献标识码：A

文章编号：1009-3044（2019）13-0294-03

Abstract： The development of commodity recommendation is not only the result of the development of big data and cloud computing technology， but also the development trend of e-commerce industry. Commodity recommendation is the key technology of e-commerce industry and one of the powerful ways to improve the economic benefits of e-commerce industry. By applying commodity recommendation technology in the e-commerce industry， it is possible to quickly search and push target commodity， optimize the user's shopping experience， and promote the further development of the e-commerce industry in the new era. Therefore， this paper attempts to propose a recommendation algorithm based on the reputation of shops and commodities through the analysis and research of existing commodity recommendation algorithms. Through the questionnaire survey to determine the key indicators affecting the shop and commodity credibility， using Entropy algorithm and Euclidean distance to calculate the commodity credibility and similarity， and finally complete the commodity recommendation based on credibility and similarity. Through modeling and simulation analysis， the algorithm improves the credibility and accuracy of commodity recommendation to a certain extent.

Key words： commodity recommendation; shop/commodity reputation; Entropy; ED

1 引言

近年来，随着计算机、互联网及社会化媒体技术的广泛應用，电子商务得到了快速发展，数以亿计的消费者在电商的服务下无时都在产生着海量的交互信息。对于信息过载的电商系统，如何在琳琅满目的商品中给消费者推荐目标商品，已成为当前研究的重点课题[1]。

目前，较为成熟的电商推荐系统包括基于协同过滤的推荐系统[2]，基于内容的推荐系统[3]，基于网络结构的推荐系统和基于混合模式的推荐系统[4-5]，非主流、新兴的推荐系统（比如基于统计、效用的推荐系统、神经网络、贝叶斯网络等[6]）。

基于内容的推荐算法相对成熟、推荐结果易于接受、应用广泛，但也存在不足。近几年很多学者在内容推荐算法的优化方面提出了新的思路和方法，如基于Vague集的内容推荐算法[7];基于点击反馈的内容推荐算法[8];基于用户浏览历史的内容推荐算法[9]等。以上研究旨在优化表征商品特征属性的算法，通过商品特征属性计算商品相似度，进而完成商品推荐。学者提出的思路和方法即使已经在尽可能地优化内容推荐算法，但也存在不足：推荐结果依赖于商品特征属性建模，更完整的商品属性模型方法可提供更佳精确地推荐;商品相似度依赖于商品自身属性，并未考虑购物者的个人偏好。

基于上述问题，在现有新的研究思路和算法基础上，本文主要研究的内容是：在内容推荐算法基础上，尝试将商品或商铺的特征属性建模为计算二者信誉度的多目标综合评价问题，然后以商品或商铺的信誉度作为主要相似点，运用相似性算法完成商品推荐。

2 构建基于信誉度的商品推荐模型

在电商平台的买卖过程中，用户总是期望得到最佳的购物体验：快速获取目标商品，享受优质服务等。商品检索或推荐技术不仅考虑商品自身属性，如价格、销量、好评率等，还要考虑商品所在商铺的相关属性，因此，目标商品推荐便成为多目标综合评价问题。Entropy多目标综合评价算法在定量和定性方面能够有效完善基于商品内容的推荐问题，使得商品推荐结果更具有准确性。

ED所得计算结果为具有相同或相近属性的每对商品间的距离，因此，如果[d（p，q）]越小，则表示商品[p]和[q]间的相似度[sim（p，q）]越大。

3 算法仿真與实现

针对电商平台的商品推荐，鉴于商铺和商品信誉度对用户选择商品的影响，考虑商铺销量、开店历时（年）、卖家的服务态度、物流服务的质量、参评人数、纠纷退款率、仅退款自主完结时长（天）、退货退款自主完结时长（天）和退款自主完结率等属性对商铺信誉度的影响，以及商铺信誉度、商品价格、商品销量和好评等属性对商品信誉度的影响，运用2.1节提出的信誉度计算方法分别计算商铺和商品的信誉度，在商品信誉度基础上，结合领域本体中商品间的关联关系完成商品推荐。

本文运用Python爬虫算法抓取某知名电商平台的手机商铺及其所售手机的部分数据，该数据仅用于算法验证与仿真。

3.1 商铺信誉度计算

运用信誉度计算方法（公式1-9）计算了169家商铺的信誉度，图1为其中45家商铺信誉度结果，由图可知商铺28是所有商铺中信誉度最高的，因此在给用户推荐时优先推荐商铺28中相似度高的商品。

3.2 商品信誉度计算

在商铺信誉度基础上，运用信誉度计算方法（公式1-9）得出了如图2所示的48个商品的信誉度数据，由图可知商品1的信誉度最高，因此在对用户进行推荐时优先推荐商品1。

3.3 商品相似度计算

在商品信誉度基础上，运用公式（9）计算各个商品之间的相似度，结果如图3所示的对称矩阵，ED越小，说明商品间的相似度越高。

4 结论

本文在现有商品推荐体系基础上，尝试提出了基于信誉度的商品推荐模型。基于数据驱动，对样本数据进行分析研究，计算商品信誉度;运用ED方法计算商品间相似度，最好根据用户偏好完成商品推荐，该模型考虑了商铺和商品的固有属性对消费者购买意愿的重要影响，在一定程度上提高了商品推荐的可信度和精确度，可扩展性高。

参考文献：

[1] 王屯屯.基于LSTM的在线商城商品推荐研究[J].研究与开发，2018（8）：31-33.

[2] 荣辉桂，火生旭，胡春华，莫进侠.基于用户相似度的协同过滤推荐算法[J].通信学报，2014（2）：16-24.

[3] 曹毅，贺卫红.基于内容过滤的电子商务推荐系统研究[J].计算机技术与发展，2009，19（6）：182-185.

[4] 赵英，袁莉. 基于内部网络结构的知识推荐系统设计研究[J].情报杂志，2012，31（1）：161-165.

[5] 梁洁.基于混合模式的个性化推荐系统的研究与应用[D].武汉理工大学，2011.

[6] 崔春生，王梦冉，王国成.一种基于可拓学的电子商务内容推荐算法研究[J].运筹与管理，2018，27（6）：75-81.

[7] 崔春生.基于泛函网络的组合推荐算法[J].系统工程理论与实践，2014，34（4）：1039-1047.

[8] 石慧霞.基于点击反馈模型的内容推荐算法研究[J].机床与液压，2016，44（12）：129-135.

[9] 周成林，黄长江，田景凡，等.基于用户检索历史的个性化内容推荐算法的设计与实现[J].数字技术与应用，2015（10）：142—142.

[10] 游云，万常选，陈煌烨.考虑对象关联关系的多样化商品推荐方法[J]. 计算机工程与应用，2018，54（7）：70-76.

【通联编辑：梁书】