- 相關(guān)推薦
O2O電子商務(wù)模式中推薦方法的研究
組合和分離是O2O電子商務(wù)系統的兩種基本結構，下面是小編搜集整理的一篇關(guān)于O2O電子商務(wù)模式研究的論文范文，歡迎閱讀查看。
前言
在信息技術(shù)快速發(fā)展的背景下，人們迎來(lái)了網(wǎng)絡(luò )時(shí)代，人們工作和生活中的方方面面都受到了深刻的影響�，F階段，網(wǎng)上購物成為人們熱衷的一項活動(dòng)，同時(shí)也充分體現了電子商務(wù)模式的便利�；ヂ�(lián)網(wǎng)還能夠搭建起一個(gè)平臺供顧客、企業(yè)以及供應商使用。據有效數據顯示，O2O電子商務(wù)模式將擁有萬(wàn)億以上的市場(chǎng)。近年來(lái)，O2O電商行列中人數越來(lái)越多，商品的數量和種類(lèi)以指數速度增長(cháng)，因此，O2O電子商務(wù)必須加強對推薦方法的研究，為用戶(hù)創(chuàng )造更加便利的環(huán)境。
一、O2O 電子商務(wù)中推薦模型研究
(一)該商務(wù)系統的結構
組合和分離是該商務(wù)系統的兩種基本結構。它們在運行過(guò)程中都具有自身的優(yōu)勢與缺陷，同時(shí)，它們也適用于不同的范圍。組合式結構，指的是在現有的電子商務(wù)系統內加入這一推薦系統，推薦系統的使用要完全依靠現有電子商務(wù)系統，這一結構的特點(diǎn)是擁有簡(jiǎn)單的部署實(shí)施，卻無(wú)法進(jìn)行獨立運行，因為，現有的商務(wù)系統將會(huì )最大限度的限制該結構的運行，導致其擁有極差的外延性和移植性。特定情況下，這種結構還會(huì )對現有電子商務(wù)系統產(chǎn)生影響。因此，如果選擇的推薦系統比較復雜，要想對現有系統不造成任何影響，就不可以應用這種組合式結構;分離式結構，指的是數據能夠在數據結構通過(guò)數據層時(shí)得到共享，網(wǎng)頁(yè)資源能夠在用戶(hù)層得到共享，促使推薦系統與現有系統產(chǎn)生獨立的界面�，F有系統無(wú)法對其產(chǎn)生制約的效果，運行和功能也不會(huì )受到影響，同組合式結構相比，它更適合與相對復雜的部署個(gè)性化推薦[1]。
(二)O2O 電子商務(wù)中推薦模型
這一模型最大的特點(diǎn)就是當顧客想要對網(wǎng)站進(jìn)行訪(fǎng)問(wèn)時(shí)，一個(gè)特別的推薦顯示功能能夠出現于顧客與網(wǎng)站中間�，F階段，各種電子商務(wù)推薦系統在運行過(guò)程中，都需要對大批的顧客資料、商品詳情和交易記錄等進(jìn)行處理，因此，在這里使用各種先進(jìn)的技術(shù)技術(shù)，如人工智能技術(shù)、數據挖掘技術(shù)等，是無(wú)法及時(shí)處理以上大量的數據和信息的。處理以上問(wèn)題最好的方法就是采取離線(xiàn)處理的方式，在規定的時(shí)間間隔內，再更新處理過(guò)后的結果。
例如，某網(wǎng)站在聚類(lèi)的基礎上，其個(gè)性化推薦模型有四個(gè)重要組成部分，即輸入模塊、輸出模塊、離線(xiàn)處理模塊、在線(xiàn)推薦模塊。以在線(xiàn)推薦模塊為例，該模塊需要將聚類(lèi)中心與顧客之間的類(lèi)似程度進(jìn)行計算。由于顧客聚類(lèi)數目是在離線(xiàn)的情況下得到的，所以真實(shí)的顧客數目要遠遠大于此數目。因此，采用這一模塊來(lái)推薦處理相關(guān)數據，能夠使準確度得到很大提高，還能夠極大的節省時(shí)間。用戶(hù)能夠更快捷的找到目標，有利于顧客用戶(hù)滿(mǎn)意度的提升和網(wǎng)站銷(xiāo)售量的增加[2]。
二、O2O 電子商務(wù)模式中推薦方法的研究
(一)傳統基于聚類(lèi)的協(xié)同過(guò)濾分析
推薦算法內使用聚類(lèi)技術(shù)，能夠將評分矩陣進(jìn)行壓縮，促使其以c個(gè)簇來(lái)構成整個(gè)評分矩陣，還可以使聚類(lèi)過(guò)程在離線(xiàn)狀態(tài)下完成，將維度進(jìn)行縮小，為最近鄰居的搜索提供方便，以此來(lái)將推薦算法中的推薦效率進(jìn)行提高，同時(shí)提高其外延性和實(shí)時(shí)性。然而，傳統的協(xié)同過(guò)濾推薦是建立在聚類(lèi)之上的，這里的聚類(lèi)指的是硬聚類(lèi)，它的代表是K-Mean聚類(lèi)。該模式的推薦系統中，具有顧客多和數據大的特點(diǎn)，所以導致了較大的數據維度，降低了推薦算法的效率。同時(shí)還有兩種缺陷存在于傳統聚類(lèi)算法當中：首先，初始化的聚類(lèi)，是隨機生成的，擁有極高的不穩定性，致使聚類(lèi)結果當中存在較大的偏差;其次，聚類(lèi)簇中的邊界缺陷，造成重疊現象在聚類(lèi)對象中產(chǎn)生。這兩種缺陷將會(huì )促使準確率極大的降低[3]。
(二)FCM 聚類(lèi)算法
首先，該算法具有一定的優(yōu)點(diǎn)。在對顧客評分和商品屬性進(jìn)行描述的過(guò)程中，FCM模型更具優(yōu)勢。它將一個(gè)簇只能對應一個(gè)顧客的現象打破了，顧客和商品的模糊特性得到充分的展示;其次，該算法也存在一定的缺陷。這一算法是運用連續的迭代來(lái)促使最優(yōu)函數值的形成，其中，聚類(lèi)結果的優(yōu)良會(huì )受到初始聚類(lèi)中心的嚴重影響，隨機性的選取初始方案，會(huì )使聚類(lèi)的結果不穩定。再者，距離函數。如果選取的距離函數不夠恰當，計算性能就會(huì )受到嚴重的影響。假如應用歐式距離，在特定的環(huán)境下，將會(huì )造成大量的項目出現在聚類(lèi)簇中，但是一些簇中卻只有幾個(gè)項目，造成了嚴重不平衡聚類(lèi)的出現，無(wú)法實(shí)現很好的項目聚類(lèi)[4]。
三、結論
電子商務(wù)的飛速發(fā)展，給人們的生活帶來(lái)了極大的便利，O2O電子商務(wù)模式的產(chǎn)生，無(wú)疑是又一次的技術(shù)變革。系統研究該商務(wù)系統的結構和推薦模型，對于促進(jìn)推薦方法的研究具有重要意義。應用傳統基于聚類(lèi)的協(xié)同過(guò)濾分析和FCM 聚類(lèi)算法來(lái)加強推薦方法的研究，能夠有效解決現階段O2O電子商務(wù)模式中的不足。
【O2O電子商務(wù)模式中方法的研究】相關(guān)文章：
O2O商務(wù)模式對移動(dòng)電子商務(wù)發(fā)展的影響研究12-04
基于電子商務(wù)的物流模式研究12-07
電子商務(wù)：在模式的碰撞中成長(cháng)03-06
分析O2O模式下珠寶電子商務(wù)發(fā)展前景03-11
電子商務(wù)在圖書(shū)銷(xiāo)售模式中的應用03-22
電子商務(wù)網(wǎng)站的用戶(hù)治理模式研究03-21
電子商務(wù)下逆向物流模式選擇研究03-19