隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，電子商務(wù)的推薦系統(tǒng)逐漸成為電子商務(wù)IT 技術(shù)的一個(gè)重要研究?jī)?nèi)容，越來(lái)越多地得到研究者的關(guān)注。下文是學(xué)習(xí)啦小編為大家整理的關(guān)于電子商務(wù)系統(tǒng)畢業(yè)論文的范文，歡迎大家閱讀參考!

　　電子商務(wù)系統(tǒng)畢業(yè)論文篇1

　　淺談電子商務(wù)系統(tǒng)審計(jì)

　　當(dāng)前， 電子商務(wù)的應(yīng)用越來(lái)越廣泛，電子商務(wù)系統(tǒng)審計(jì)的內(nèi)容就是對(duì)電子商務(wù)系統(tǒng)的安全性和可靠性的核實(shí)確認(rèn)。國(guó)際內(nèi)部審計(jì)師協(xié)會(huì)最新和控制 報(bào)告中指出：電子商務(wù)的定義是 網(wǎng)絡(luò) 方式或PDF交貨方式，審計(jì)的定義是指核查(核實(shí)查處)確認(rèn)，是基于系統(tǒng)本身的可審計(jì)性和控制程序。審計(jì)模塊設(shè)計(jì)是審計(jì)成功與否的關(guān)鍵，根據(jù)審計(jì)模塊和風(fēng)險(xiǎn) 分析 向 管理層提供審計(jì)報(bào)告。由于高 科技 的 發(fā)展 ，管理層需要對(duì)一些不可測(cè)量的、無(wú)形的資產(chǎn)范疇如 信譽(yù)、客戶(hù)服務(wù)滿(mǎn)意度等進(jìn)行評(píng)估，用戶(hù)需要查詢(xún)網(wǎng)站的商標(biāo)或其他經(jīng)第三方確認(rèn)過(guò)的真實(shí)性，因此，是對(duì)網(wǎng)站或電子商務(wù) 企業(yè) 提供這類(lèi)核查確認(rèn)的服務(wù)。

　　一、必然性和必要性

　　在商業(yè)活動(dòng)實(shí)現(xiàn)網(wǎng)絡(luò)化之前，采購(gòu)是面對(duì)面或通過(guò)紙質(zhì)文件進(jìn)行的，有跡可查，即使是電子交易，其設(shè)備結(jié)構(gòu)是專(zhuān)用的，一般只限于已知用戶(hù)使用，任何外部用戶(hù)必須是已知的、身份明確的、可追蹤的;系統(tǒng)通常是主機(jī)結(jié)構(gòu)方式，相對(duì)易于監(jiān)督、控制和審計(jì)。與傳統(tǒng)商業(yè)相比，萬(wàn)維網(wǎng)客戶(hù)/服務(wù)器系統(tǒng)的特點(diǎn)是高度分散，資源共享、服務(wù)分散、顧客透明度高等，而電子商務(wù)的運(yùn)作速度更快、業(yè)務(wù)循環(huán)周期更短、風(fēng)險(xiǎn)更大、更高程度地依賴(lài)于技術(shù)。電子商務(wù)系統(tǒng)的技術(shù)基礎(chǔ)和市場(chǎng)的快速變化意味著傳統(tǒng)的衡量 方法 已不再適用于企業(yè)的某些資產(chǎn)，財(cái)務(wù)報(bào)告不能充分提供企業(yè)的狀況和價(jià)值方面的信息，特別是網(wǎng)絡(luò)企業(yè)的無(wú)形資產(chǎn)，如商譽(yù)、客戶(hù)忠誠(chéng)度和滿(mǎn)意程度等這些產(chǎn)生長(zhǎng)期價(jià)值的關(guān)鍵資產(chǎn)。

　　核實(shí)確認(rèn)這類(lèi)資產(chǎn)價(jià)值的困難在于缺乏足夠的 歷史 數(shù)據(jù)、合適的參照標(biāo)準(zhǔn)、先進(jìn)的 實(shí)踐 經(jīng)驗(yàn)以及對(duì)網(wǎng)絡(luò)的各種威脅和概率的準(zhǔn)確估算。企業(yè)管理層以及公眾都需要尋找能夠用以表述網(wǎng)絡(luò)企業(yè)的可信度、安全性及其他資產(chǎn)價(jià)值的方法，需要一些新的核查和審計(jì)方法，更有效地評(píng)價(jià)無(wú)形資產(chǎn)，如知識(shí)、品牌等。因此，就成為歷史的必然。

　　由于，電子商務(wù)的可靠性、適用性、安全性和性能等方面受到的威脅或存在的風(fēng)險(xiǎn)，都可能會(huì) 影響 其生存和發(fā)展。風(fēng)險(xiǎn)因素包括：商業(yè)信息的泄露、智能財(cái)產(chǎn)的不當(dāng)使用、對(duì)版權(quán)的侵犯、對(duì)商標(biāo)的侵犯、網(wǎng)絡(luò)謠言和對(duì)信譽(yù)的損害等。因此，進(jìn)行必要和客觀的審計(jì)，才會(huì)使董事會(huì)、審計(jì)委員會(huì)、高級(jí)管理層對(duì)電子商務(wù)系統(tǒng)的安全運(yùn)作和效益滿(mǎn)意和放心。

　　二、網(wǎng)絡(luò)風(fēng)險(xiǎn)和風(fēng)險(xiǎn)管理

　　網(wǎng)絡(luò)風(fēng)險(xiǎn)如同自然災(zāi)害一樣不可預(yù)見(jiàn)。風(fēng)險(xiǎn)管理的關(guān)鍵在于風(fēng)險(xiǎn)評(píng)估，風(fēng)險(xiǎn)評(píng)估就是要分析和衡量風(fēng)險(xiǎn)事件發(fā)生的概率及后果，引起風(fēng)險(xiǎn)的因素及其關(guān)聯(lián)因素，出現(xiàn)風(fēng)險(xiǎn)的關(guān)鍵點(diǎn)采取什么方法能夠減緩風(fēng)險(xiǎn)，風(fēng)險(xiǎn)出現(xiàn)造成后果如何，以及評(píng)價(jià)管理層是否履行了應(yīng)有的 職業(yè)審慎進(jìn)行防范和控制。同時(shí)在評(píng)估中還要為各項(xiàng)因素設(shè)計(jì)評(píng)價(jià)比率， 計(jì)算 各種風(fēng)險(xiǎn)的影響后果，根據(jù)影響和后果排序，對(duì)高風(fēng)險(xiǎn)因素作進(jìn)一步的分析。

　　通過(guò)風(fēng)險(xiǎn)評(píng)估，可以認(rèn)識(shí)到潛在風(fēng)險(xiǎn)(威脅)及其影響，以便對(duì)高風(fēng)險(xiǎn)領(lǐng)域作一些防范、檢測(cè)、控制、減緩和恢復(fù)的 工作 計(jì)劃和安排。這些計(jì)劃和安排應(yīng)涵蓋對(duì)各項(xiàng)控制成本，主要是指接受、避免、轉(zhuǎn)移、監(jiān)測(cè)成本的分析以及各項(xiàng)工作的先后次序。

　　三、中網(wǎng)站的合法性證明

　　網(wǎng)絡(luò)終端用戶(hù)都會(huì)關(guān)注網(wǎng)站是否來(lái)自一個(gè)真實(shí)的、可靠的機(jī)構(gòu)，提供的信息是否準(zhǔn)確真實(shí)，機(jī)構(gòu)背景是否正當(dāng)合法，個(gè)人信息的隱私權(quán)是否得到保護(hù)等。所謂隱私權(quán)是指對(duì)個(gè)人的數(shù)據(jù)/信息的搜集必須合法、公平，必須用于某一特定、公開(kāi)的目的，必須取得該個(gè)人的同意并受到保護(hù)，本人必須有權(quán)進(jìn)入系統(tǒng)進(jìn)行修改或刪除，信息的越域流動(dòng)和將來(lái)的使用、披露必須予以安全保證和限制等。

　　解決這些網(wǎng)站合法性 問(wèn)題 的途徑之一就是由一公證機(jī)構(gòu)提供可靠的證明，以使 網(wǎng)絡(luò) 終端用戶(hù)能對(duì)網(wǎng)站提供的 電子 商務(wù)放心。如Verisign， TRUSTe，BBB Online ，Web Trust ，SysTurst等都是具有良好的 信譽(yù)并且提供證明-查證服務(wù)的專(zhuān)業(yè) 組織機(jī)構(gòu)。網(wǎng)絡(luò)終端用戶(hù)可以通過(guò)查詢(xún)這些公證機(jī)構(gòu)的記錄，獲得確認(rèn)被訪問(wèn)網(wǎng)站的名稱(chēng)、有效狀態(tài)、服務(wù)器標(biāo)識(shí)等信息。

　　四、內(nèi)部審計(jì)和電子商務(wù)

　　美國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì)對(duì)“核實(shí)查證”的定義是“提高決策者所需要信息的質(zhì)量或 內(nèi)容 的獨(dú)立性專(zhuān)業(yè)服務(wù)。”其審計(jì)原則是保證系統(tǒng)的可用性、安全性、真實(shí)完整性和持續(xù)性，建議對(duì)系統(tǒng)安全性和真實(shí)完整性方面存在的控制點(diǎn)進(jìn)行檢查、評(píng)價(jià)和測(cè)試。并盡量在今后采用合適的審計(jì)標(biāo)準(zhǔn)對(duì)信息技術(shù)進(jìn)行審計(jì)。不同于以年度為基礎(chǔ)的傳統(tǒng)外部審計(jì)，電子商務(wù)的實(shí)時(shí)性要求審計(jì)人員應(yīng)對(duì)其進(jìn)行連續(xù)不斷的評(píng)估，按特定的審核標(biāo)準(zhǔn)對(duì)已發(fā)生的交易進(jìn)行追蹤，而系統(tǒng)內(nèi)設(shè)置的自動(dòng)登錄記錄可作為相應(yīng)的審計(jì)軌跡，在系統(tǒng)內(nèi)部實(shí)施對(duì)事件監(jiān)督和控制。

　　盡管當(dāng)前許多人認(rèn)為核實(shí)查證通常與外部審計(jì)人員相關(guān)，內(nèi)部審計(jì)人員則在公司內(nèi)部出具審計(jì) 報(bào)告。然而，國(guó)際內(nèi)部審計(jì)師協(xié)會(huì)對(duì)的要求則是：審計(jì)控制目標(biāo)主要是審計(jì)財(cái)務(wù)報(bào)告制度、經(jīng)營(yíng)的效益和效率、合規(guī)性和保護(hù)財(cái)產(chǎn)安全等方面。審計(jì)模式應(yīng)該建立在系統(tǒng)的可用性、容量、功能、保護(hù)和可靠性的基礎(chǔ)上。例如，內(nèi)部審計(jì)對(duì)網(wǎng)絡(luò) 企業(yè) 控制水平的獨(dú)立評(píng)價(jià)，使得客戶(hù)了解到企業(yè)提供的數(shù)據(jù)將不會(huì)被有意或無(wú)意地濫用。再如，企業(yè)目標(biāo)是建立電子商務(wù)以降低成本、提高市場(chǎng)占有率，那么電子商務(wù)風(fēng)險(xiǎn)是隨著網(wǎng)絡(luò)交易的增加而增加，以至于不能確保交易的安全性或分辨用戶(hù)的可靠性，因此，所需要的控制就是對(duì)用戶(hù)的真實(shí)性進(jìn)行確認(rèn)以及對(duì)通訊信息進(jìn)行加密。

　　電子商務(wù)的成功與否在于審計(jì)人員是否掌握相關(guān)的技術(shù)知識(shí)，了解商業(yè)風(fēng)險(xiǎn)及風(fēng)險(xiǎn) 管理策略，是否有現(xiàn)成的策略隨時(shí)應(yīng)付出現(xiàn)的風(fēng)險(xiǎn)。因此，作為一個(gè)成功內(nèi)部審計(jì)人員應(yīng)了解企業(yè)的業(yè)務(wù)，以服務(wù)為宗旨并努力增值，積極提高專(zhuān)業(yè)技能，關(guān)注系統(tǒng)的效率和效益，建立對(duì)電腦領(lǐng)域 發(fā)展 的 職業(yè)敏感性。

　　五、關(guān)注電子商務(wù)系統(tǒng)的審計(jì)風(fēng)險(xiǎn)

　　審計(jì)前，管理層有責(zé)任告知審計(jì)人員有關(guān)公司政策、 實(shí)踐操作、程序、控制方面的重要改變，使審計(jì)人員能基于真實(shí)情況 分析 和 計(jì)劃各項(xiàng)審核 工作，分解審計(jì)項(xiàng)目的各組成部分。審計(jì)過(guò)程中，審計(jì)人員應(yīng)與管理層公開(kāi)分享所有發(fā)現(xiàn)的問(wèn)題，討論應(yīng)采取的措施。為了分析電子商務(wù)系統(tǒng)，審計(jì)人員要有經(jīng)常進(jìn)入系統(tǒng)的特權(quán)，并申明權(quán)限的使用是為了審核工作，并承擔(dān)不當(dāng)使用的責(zé)任。如果企業(yè)不愿提供必要的進(jìn)入系統(tǒng)的權(quán)限，審計(jì)人員應(yīng)評(píng)估這種情況下風(fēng)險(xiǎn)。進(jìn)行風(fēng)險(xiǎn)評(píng)估時(shí)，審計(jì)人員必須置身于公司的風(fēng)險(xiǎn)狀態(tài)下，充分考慮審計(jì)風(fēng)險(xiǎn)：如在公司有重大偏差時(shí)，作出無(wú)偏差的審計(jì)結(jié)論;客戶(hù)風(fēng)險(xiǎn)-在審計(jì)后發(fā)生公司經(jīng)營(yíng)滑坡或不能持續(xù)經(jīng)營(yíng);以及審計(jì)人員將面臨 財(cái)政、 法律 或信譽(yù)上的損失。

　　電子商務(wù)系統(tǒng)畢業(yè)論文篇2

　　淺析電子商務(wù)推薦系統(tǒng)

　　[摘 要] 隨著互聯(lián)網(wǎng)的普及和 電子 商務(wù)的 發(fā)展 ，商品推薦系統(tǒng)逐漸成為電子商務(wù)IT技術(shù)的一個(gè)重要研究?jī)?nèi)容，越來(lái)越多地 受到研究者的關(guān)注。本文探討了電子商務(wù)系統(tǒng)的構(gòu)成、研究?jī)?nèi)容、研究現(xiàn)狀，分析了目前有的推薦系統(tǒng)存在的缺陷和問(wèn)題，提出了未來(lái)電子商務(wù)推薦系統(tǒng)研究的發(fā)展方向。

　　[關(guān)鍵詞] 電子商務(wù);推薦系統(tǒng);協(xié)作過(guò)濾;個(gè)性化推薦

　　隨著互聯(lián)網(wǎng)的普及和電子商務(wù)的發(fā)展，商品推薦系統(tǒng)逐漸成為電子商務(wù)IT 技術(shù)的一個(gè)重要研究?jī)?nèi)容，越來(lái)越多地得到研究者的關(guān)注。目前，幾乎所有大型的電子商務(wù)系統(tǒng)，如Amazon、CDNOW、eBay、當(dāng)當(dāng)網(wǎng)上書(shū)店等，都不同程度地使用了各種形式的推薦系統(tǒng)。

　　而且現(xiàn)在電子商務(wù)系統(tǒng)規(guī)模的進(jìn)一步擴(kuò)大，用戶(hù)數(shù)目和項(xiàng)目數(shù)據(jù)急劇增加，迫切需要相應(yīng)信息檢索技術(shù)產(chǎn)生。商品個(gè)性化推薦技術(shù)，尤其是協(xié)同過(guò)濾技術(shù)，構(gòu)成了現(xiàn)有電子商務(wù)個(gè)性化推薦系統(tǒng)的基礎(chǔ)。在這里，之所以強(qiáng)調(diào)個(gè)性化，是因?yàn)樾枰扑]系統(tǒng)能為每個(gè)用戶(hù)推薦適合他們偏好和興趣的產(chǎn)品，而不是千篇一律的推薦。

　　一、電子商務(wù)推薦系統(tǒng)及構(gòu)成

　　電子商務(wù)推薦系統(tǒng)(Recommendation Systems for E-Commerce)定義是：“它是利用電子商務(wù)網(wǎng)站向客戶(hù)提供商品信息和建議，幫助用戶(hù)決定應(yīng)該購(gòu)買(mǎi)什么產(chǎn)品，模擬銷(xiāo)售人員幫助客戶(hù)完成購(gòu)買(mǎi)過(guò)程”。

　　推薦系統(tǒng)面對(duì)的是用戶(hù)(user)，任務(wù)是為用戶(hù)提供對(duì)項(xiàng)目(item)的推薦。用戶(hù)是指推薦系統(tǒng)的使用者，也就是電子商務(wù)活動(dòng)中的客戶(hù)。項(xiàng)目是被推薦的對(duì)象，是指電子商務(wù)活動(dòng)中提供給客戶(hù)選擇的產(chǎn)品和服務(wù)，也就是最終推薦系統(tǒng)返回給用戶(hù)的推薦內(nèi)容。在一個(gè)電子商務(wù)活動(dòng)中，用戶(hù)數(shù)和項(xiàng)目數(shù)是非常多的。推薦系統(tǒng)面對(duì)的當(dāng)前用戶(hù)，稱(chēng)為目標(biāo)用戶(hù)或者活動(dòng)用戶(hù)。推薦系統(tǒng)的當(dāng)前 工作，就是為根據(jù)一定的算法，給出對(duì)目標(biāo)用戶(hù)的推薦項(xiàng)目。

　　電子商務(wù)推薦系統(tǒng)主要由三大部分構(gòu)成：輸入模塊、推薦方法模塊和輸出模塊。輸入模塊用來(lái)接受用戶(hù)的輸入信息，用戶(hù)的輸入信息中最重要的是用戶(hù)對(duì)項(xiàng)目的評(píng)價(jià)(rating)數(shù)據(jù);推薦方法模塊用來(lái)根據(jù)一定算法，根據(jù)用戶(hù)數(shù)據(jù)，得出對(duì)目標(biāo)用戶(hù)的推薦，該模塊是整個(gè)推薦系統(tǒng)的核心部分，個(gè)性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶(hù)。

　　根據(jù)項(xiàng)目的特點(diǎn)，目前主要有兩種類(lèi)型的推薦系統(tǒng)，一種是以網(wǎng)頁(yè)為對(duì)象的個(gè)性化推薦系統(tǒng)，主要采用Web數(shù)據(jù)挖掘的方法與技術(shù)，為用戶(hù)推薦符合其興趣愛(ài)好的網(wǎng)頁(yè);另一種是網(wǎng)上購(gòu)物 環(huán)境下的、以商品為推薦對(duì)象的個(gè)性化推薦系統(tǒng)，為用戶(hù)推薦符合其興趣愛(ài)好的各類(lèi)產(chǎn)品，如各種書(shū)籍，音像等，這種推薦系統(tǒng)也稱(chēng)電子商務(wù)個(gè)性化推薦系統(tǒng)。

　　二、電子商務(wù)個(gè)性化推薦系統(tǒng)的作用

　　電子商務(wù)推薦系統(tǒng)的最大的優(yōu)點(diǎn)在于它能收集用戶(hù)興趣資料并根據(jù)用戶(hù)興趣偏好為用戶(hù)主動(dòng)作出個(gè)性化的推薦，也就是說(shuō)，當(dāng)用戶(hù)每次輸入用戶(hù)名和密碼登錄電子商務(wù)網(wǎng)站后，推薦系統(tǒng)就會(huì)按照目標(biāo)用戶(hù)偏好程度的高低推薦用戶(hù)最喜愛(ài)的N個(gè)產(chǎn)品，而且系統(tǒng)給出的推薦是實(shí)時(shí)更新的，也就是說(shuō)當(dāng)系統(tǒng)中的產(chǎn)品庫(kù)和用戶(hù)興趣資料發(fā)生改變時(shí)，給出的推薦序列會(huì)自動(dòng)改變，大大方便了用戶(hù)，也提高了 企業(yè) 的服務(wù)水平。

　　總體說(shuō)來(lái)，電子商務(wù)推薦系統(tǒng)的作用主要表現(xiàn)在以下幾個(gè)方面：一方面，使用戶(hù)從無(wú)限的 網(wǎng)絡(luò) 資源和商品世界中解脫出來(lái)，大大節(jié)約了用戶(hù)采購(gòu)商品的時(shí)間和成本;與此同時(shí)，推薦系統(tǒng)的個(gè)性化推薦服務(wù)，提高了客戶(hù)對(duì)電子商務(wù)網(wǎng)站的忠誠(chéng)度(Building Loyalty)，將更多的電子商務(wù)網(wǎng)站瀏覽者轉(zhuǎn)變?yōu)樯唐返馁?gòu)買(mǎi)者，從而提高電子商務(wù)網(wǎng)站的交叉銷(xiāo)售能力(Cross-Selling)，為電子商務(wù)企業(yè)贏得了更多的發(fā)展機(jī)會(huì)。

　　研究表明，在基于電子商務(wù)的銷(xiāo)售行業(yè)使用個(gè)性化推薦系統(tǒng)后，能提高銷(xiāo)售額2%-8%，尤其在書(shū)籍、電影、CD音像、日用百貨等產(chǎn)品相對(duì)較為低廉且商品種類(lèi)繁多的行業(yè)，以及用戶(hù)使用個(gè)性化推薦系統(tǒng)的程度高的行業(yè)，推薦系統(tǒng)能大大提高企業(yè)的銷(xiāo)售額。

　　電子商務(wù)推薦系統(tǒng)和銷(xiāo)售系統(tǒng)(Marketing Systems)、供應(yīng)鏈決策支持系統(tǒng)(Supply-Chain Decision-Support Systems)既相似又有不同。銷(xiāo)售系統(tǒng)是幫助銷(xiāo)售人員如何把產(chǎn)品銷(xiāo)售出去;推薦系統(tǒng)最終目的幫助用戶(hù)，輔助用戶(hù)購(gòu)買(mǎi)什么產(chǎn)品做出決策。供應(yīng)鏈決策支持系統(tǒng)是幫助生產(chǎn)者決定什么時(shí)候生產(chǎn)多少什么產(chǎn)品，以及倉(cāng)庫(kù)應(yīng)該存貯多少各類(lèi)產(chǎn)品，其最終目的是為企業(yè)生產(chǎn)者服務(wù)的，而同樣推薦系統(tǒng)是面向用戶(hù)的系統(tǒng)。

　　三、電子商務(wù)個(gè)性化推薦系統(tǒng)的研究?jī)?nèi)容

　　電子商務(wù)個(gè)性化推薦的研究有四方面的問(wèn)題：首先，要解決推薦系統(tǒng)的信息來(lái)源問(wèn)題——推薦系統(tǒng)的基礎(chǔ)是用戶(hù)興趣資料信息，如何在電子商務(wù)環(huán)境下盡可能獲得更多用戶(hù)的相關(guān)信息，并以合適的形式表示是進(jìn)行個(gè)性化推薦的前提;其次，要實(shí)現(xiàn)被顧客接受和認(rèn)可的個(gè)性化推薦，設(shè)計(jì)準(zhǔn)確、高效率的個(gè)性化推薦算法是核心;另外，要讓推薦系統(tǒng)為廣大用戶(hù)所接受，必須對(duì)推薦系統(tǒng)作出客觀、綜合的評(píng)價(jià)，尤其要注意從準(zhǔn)確率、個(gè)性化、安全性、用戶(hù)滿(mǎn)意度等多方面進(jìn)行評(píng)價(jià);推薦系統(tǒng)的 應(yīng)用是最終研究的落腳點(diǎn)，推薦系統(tǒng)不僅能為用戶(hù)提供完全個(gè)性化購(gòu)物環(huán)境，更應(yīng)為企業(yè)的銷(xiāo)售決策和客戶(hù)關(guān)系 管理提供支持。

　　在電子商務(wù)環(huán)境下，用戶(hù)信息收集表示是電子商務(wù)個(gè)性化推薦的基礎(chǔ)。根據(jù)當(dāng)前對(duì)電子商務(wù)環(huán)境下用戶(hù)信息收集表示的研究來(lái)看，主要著眼于研究如何有效地收集能反映用戶(hù)興趣偏好的信息，以及如何通過(guò)網(wǎng)絡(luò)數(shù)據(jù)挖掘等的方法更自動(dòng)化地收集用戶(hù)的隱式信息，解決用戶(hù)信息收集過(guò)多的依賴(lài)于顯式評(píng)價(jià)數(shù)據(jù)的問(wèn)題。

　　個(gè)性化推薦技術(shù)是電子商務(wù)自動(dòng)化推薦系統(tǒng)的核心問(wèn)題。目前的推薦技術(shù)有協(xié)同過(guò)濾推薦(包括基于用戶(hù)的和基于項(xiàng)目的)、基于用戶(hù)人口 統(tǒng)計(jì)信息的推薦、基于內(nèi)容的推薦、基于效用的推薦、基于知識(shí)的推薦、基于規(guī)則的推薦等等。

　　協(xié)同過(guò)濾推薦是個(gè)性化推薦中研究和應(yīng)用最多的方法，廣泛應(yīng)用于電子商務(wù)網(wǎng)站、數(shù)字圖書(shū)館、網(wǎng)頁(yè)搜索、新聞過(guò)濾等，著名的推薦系統(tǒng)有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其前提假設(shè)是存在具有相似興趣愛(ài)好的用戶(hù)群，每個(gè)用戶(hù)都有與其興趣愛(ài)好相似的鄰居用戶(hù)。預(yù)測(cè)用戶(hù)對(duì)某一項(xiàng)目的偏好是根據(jù)鄰居用戶(hù)對(duì)該項(xiàng)目的偏好程度 計(jì)算 的，也就是說(shuō)如果其鄰居用戶(hù)喜愛(ài)某項(xiàng)目，則該用戶(hù)也很可能會(huì)喜愛(ài)該項(xiàng)目。協(xié)同過(guò)濾最大優(yōu)點(diǎn)是不需要分析對(duì)象的特征屬性，所以對(duì)推薦對(duì)象沒(méi)有特殊的要求，能處理非結(jié)構(gòu)化的復(fù)雜對(duì)象，如 音樂(lè) 、電影等。

　　對(duì)推薦系統(tǒng)總體性能的評(píng)價(jià)是推薦系統(tǒng)研究的重要組成部分。目前大都只是采用準(zhǔn)確率、召回率等評(píng)判尺度對(duì)推薦算法進(jìn)行評(píng)價(jià)，并沒(méi)有真正意義上的、提升到對(duì)整個(gè)推薦系統(tǒng)進(jìn)行的評(píng)價(jià)，尤其缺乏從個(gè)性化程度、持久性程度、系統(tǒng)的安全性以及用戶(hù)接受程度等多方面對(duì)推薦系統(tǒng)進(jìn)行綜合的評(píng)價(jià)。

　　四、研究現(xiàn)狀

　　推薦行為產(chǎn)品或其它項(xiàng)目的 軟件代理已經(jīng)在許多應(yīng)用中使用在電子商務(wù)領(lǐng)域，為了增加購(gòu)買(mǎi) 經(jīng)驗(yàn)并滿(mǎn)足客戶(hù)需求，已經(jīng)推出了充分利用消費(fèi)者的訪問(wèn)和購(gòu)買(mǎi)行為的推薦系統(tǒng)。推薦者通常通過(guò)給用戶(hù)展示他們可能感興趣的產(chǎn)品或服務(wù)來(lái)促進(jìn)購(gòu)買(mǎi)。例如，諸如Amazon.com就是通過(guò)利用偏好或其他用戶(hù)購(gòu)買(mǎi)信息來(lái)介紹書(shū)籍或者其它產(chǎn)品給用戶(hù)的推薦系統(tǒng)。然而，使用的技術(shù)相當(dāng)簡(jiǎn)單，而且并非很精確和有效。

　　基本上，程序?qū)?dāng)前客戶(hù)購(gòu)買(mǎi)的一系列產(chǎn)品與其他客戶(hù)購(gòu)買(mǎi)的一系列產(chǎn)品作比較，選擇客戶(hù)購(gòu)買(mǎi)較多的產(chǎn)品與當(dāng)前客戶(hù)購(gòu)買(mǎi)的產(chǎn)品集合的交集，最后從中選出一些尚未被客戶(hù)所購(gòu)買(mǎi)而仍然在顧客購(gòu)物籃中的產(chǎn)品，并將它們作為推薦列表呈現(xiàn)給客戶(hù)。該技術(shù)也用于類(lèi)似于協(xié)作過(guò)濾的文本文檔的信息抽取。電影或音樂(lè)唱片的推薦，例如Moviefrnder.com，通過(guò)預(yù)知一個(gè)人的偏好與其他人偏好的線(xiàn)性權(quán)重集合，并運(yùn)用協(xié)作過(guò)濾技術(shù)來(lái)實(shí)現(xiàn)。

　　對(duì)于推薦系統(tǒng)的研究可分為三個(gè)種類(lèi)：技術(shù)系統(tǒng)開(kāi)發(fā)研究，用戶(hù)行為研究和隱私問(wèn)題研究。其中技術(shù)系統(tǒng)開(kāi)發(fā)是重點(diǎn)。目前各種推薦技術(shù)，例如數(shù)據(jù)挖掘，代理和推理，都已經(jīng) 應(yīng)用到了推薦系統(tǒng)中?，F(xiàn)存的推薦系統(tǒng)從廣義上可以劃分為基于規(guī)則的系統(tǒng)和信息過(guò)濾系統(tǒng)。信息過(guò)濾系統(tǒng)又可分為基于內(nèi)容過(guò)濾的系統(tǒng)和協(xié)作過(guò)濾系統(tǒng)兩種。

　　基于規(guī)則的系統(tǒng)，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他們?cè)试S系統(tǒng) 管理員根據(jù)用戶(hù)的靜態(tài)特征和和動(dòng)態(tài)屬性來(lái)制定規(guī)則，一個(gè)規(guī)則本質(zhì)上是一個(gè)if-then語(yǔ)句，規(guī)則決定了在不同的情況下提供不同的服務(wù)?；谝?guī)則的系統(tǒng)，其優(yōu)點(diǎn)是簡(jiǎn)單、直接，缺點(diǎn)是規(guī)則質(zhì)量很難保證，而且不能動(dòng)態(tài)更新。此外，隨著規(guī)則的數(shù)量增多，系統(tǒng)將變得越來(lái)越難以管理。

　　基于內(nèi)容過(guò)濾的系統(tǒng)，例如：Personal WebWather， SysKill&Webert， Letizia， CiteSeer， if Web， SIFTER， PVA， WebMate， WebACE， ELFI和WebPersonalizer等。他們利用資源與用戶(hù)興趣的相似性來(lái)過(guò)濾信息?；趦?nèi)容的推薦系統(tǒng)通過(guò)將顧客的偏好與產(chǎn)品內(nèi)容自動(dòng)匹配來(lái)給顧客提供建議，例如網(wǎng)頁(yè)和消息條目的推薦。在基于內(nèi)容的系統(tǒng)中，產(chǎn)品由其普通屬性描述。顧客偏好通過(guò)分析產(chǎn)品比率以及相應(yīng)的產(chǎn)品屬性來(lái)預(yù)測(cè)。

　　基于內(nèi)容過(guò)濾的系統(tǒng)，其優(yōu)點(diǎn)是簡(jiǎn)單、有效。缺點(diǎn)是難以區(qū)分資源內(nèi)容的品質(zhì)和風(fēng)格，而且不能為用戶(hù)發(fā)現(xiàn)新的感興趣的資源，只能發(fā)現(xiàn)和用戶(hù)已有興趣相似的資源。在基于內(nèi)容的推薦系統(tǒng)中，一個(gè)核心問(wèn)題是識(shí)別關(guān)鍵屬性集合。如果該集合太小，顯然，這對(duì)于識(shí)別用戶(hù)剖面是不充分的。因此，基于內(nèi)容的推薦系統(tǒng)不能用于僅僅實(shí)施一次購(gòu)買(mǎi)行為新顧客，或者訪問(wèn)了該網(wǎng)站，卻沒(méi)有實(shí)施任何購(gòu)買(mǎi)行為的潛在顧客，以及購(gòu)買(mǎi)他不是特別經(jīng)常購(gòu)買(mǎi)的一種產(chǎn)品的顧客。

　　協(xié)作過(guò)濾系統(tǒng)如：WebWather， Let'sBrowse， Tapestry， GroupLens， Fab，Alexa， Firefly， SELECT， LikeMinds和Site-Seer等。他們利用用戶(hù)之間的相似性來(lái)過(guò)濾信息。協(xié)作性的推薦系統(tǒng)估計(jì)顧客對(duì)特定產(chǎn)品的偏好是根據(jù)顧客對(duì)該產(chǎn)品的偏好率以及其他顧客對(duì)同一產(chǎn)品的偏好率的比較來(lái)實(shí)現(xiàn)的。協(xié)作性的推薦系統(tǒng)與基于內(nèi)容的推薦系統(tǒng)之間的主要區(qū)別是協(xié)作性的推薦系統(tǒng)通過(guò)跟蹤一組顧客過(guò)去的行為來(lái)給該組中的個(gè)別顧客提供建議。使用該方法，顧客現(xiàn)在就可以接受建議，而在基于內(nèi)容的推薦系統(tǒng)中，只要具有相似意向的其他顧客的偏好，顧客就己經(jīng)具有先前預(yù)測(cè)了。

　　基于協(xié)作過(guò)濾系統(tǒng)的優(yōu)點(diǎn)是能為用Web數(shù)據(jù)挖掘的研究及其在 網(wǎng)絡(luò) 學(xué)習(xí)個(gè)性化推薦中的應(yīng)用戶(hù)發(fā)現(xiàn)的新的感興趣的信息，缺點(diǎn)是存在兩個(gè)很難解決的問(wèn)題，一個(gè)是稀疏性，亦即在系統(tǒng)使用初期，由于系統(tǒng)資源還未獲得足夠多的評(píng)價(jià)，系統(tǒng)很難利用這些評(píng)價(jià)來(lái)發(fā)現(xiàn)相似的用戶(hù);

　　另一個(gè)是可擴(kuò)展性，亦即隨著系統(tǒng)用戶(hù)和資源的增多，系統(tǒng)的性能會(huì)越來(lái)越低。協(xié)作性的過(guò)濾方法用來(lái)識(shí)別與既定客戶(hù)具有相似興趣的顧客，所推薦的產(chǎn)品也是這些給定客戶(hù)喜歡的產(chǎn)品。該方法的一個(gè)主要局限是稀疏問(wèn)題。在基于協(xié)作過(guò)濾的推薦系統(tǒng)中，很難精確確定下相似客戶(hù)和識(shí)別要推薦的產(chǎn)品。不僅如此，系數(shù)問(wèn)題的極端形式是first-rater問(wèn)題，當(dāng)市場(chǎng)引入一種新產(chǎn)品時(shí)，不存在可用的先前估計(jì)信息。

　　還有一些個(gè)性化服務(wù)系統(tǒng)如：WebSIFT， FAB， Anatagon-omy和Dynamic Profiler等，同時(shí)采用了基于內(nèi)容過(guò)濾和協(xié)作過(guò)濾這兩種技術(shù)。結(jié)合這兩種過(guò)濾技術(shù)可以克服各自的一些缺點(diǎn)，為了克服協(xié)作過(guò)濾的稀疏性問(wèn)題，可以利用用戶(hù)瀏覽過(guò)的資源內(nèi)容預(yù)期用戶(hù)對(duì)其他資源的評(píng)價(jià)，這樣可以增加資源評(píng)價(jià)的密度，利用這些評(píng)價(jià)再進(jìn)行協(xié)作過(guò)濾，從而提高協(xié)作過(guò)濾的性能。

　　近來(lái)，許多因特網(wǎng)公司還引進(jìn)了有關(guān)信息產(chǎn)品的推薦系統(tǒng)，它包括Web站點(diǎn)推薦， 音樂(lè) 推薦，視頻推薦，書(shū)籍推薦等等。因特網(wǎng)行銷(xiāo)代理機(jī)構(gòu)運(yùn)用推薦系統(tǒng)對(duì)某一廣告公司推薦用戶(hù)。

　　亞馬遜通過(guò)將書(shū)籍推薦給已經(jīng)購(gòu)買(mǎi)過(guò)特定書(shū)籍的顧客實(shí)現(xiàn)個(gè)性化推薦的。亞馬遜所推薦書(shū)籍概括的分為有兩種：小說(shuō)書(shū)籍和非小說(shuō)書(shū)籍。小說(shuō)書(shū)籍的推薦很簡(jiǎn)單，就是將同一作者的其它小說(shuō)書(shū)籍推薦給特定用戶(hù)，這樣最終就將由該作者撰寫(xiě)的相似類(lèi)別的小說(shuō)書(shū)籍推薦給了有相似背景的用戶(hù)。而非小說(shuō)書(shū)籍的推薦將是將每個(gè)作者的相似類(lèi)別的小說(shuō)書(shū)籍推薦給了有相似背景的用戶(hù)。

　　五、 電子 商務(wù)推薦技術(shù)存在的問(wèn)題和 發(fā)展 方向

　　綜合目前電子商務(wù)中個(gè)性化推薦系統(tǒng)的現(xiàn)狀可以看出，現(xiàn)存的個(gè)性化推薦系統(tǒng)技術(shù)大都是基于規(guī)則的系統(tǒng)，基于內(nèi)容過(guò)濾的系統(tǒng)，以及協(xié)作過(guò)濾系統(tǒng)三種。而且，這些個(gè)性化推薦系統(tǒng)所運(yùn)用的技術(shù)也僅僅限于基于內(nèi)容的過(guò)濾，KNN(L- Nearest N Eighboring)技術(shù)，基于聚類(lèi)的(Clustering-based)協(xié)作過(guò)濾，基于項(xiàng)目的(Item-based)協(xié)作過(guò)濾，序列模式，規(guī)則分析等等。由于這些推薦系統(tǒng)各自應(yīng)用范圍的局限，而且都不同程度的需要人工參與，因而導(dǎo)致目前推薦系統(tǒng)的推薦精確度較低。不僅如此，大多數(shù)個(gè)性化推薦系統(tǒng)只是給用戶(hù)推薦一些不同類(lèi)別的資源，這與普通的搜索引擎比較相似，而且對(duì)用戶(hù)正確行為的推薦卻比較少。

　　未來(lái)電子商務(wù)推薦技術(shù)研究的發(fā)展主要體現(xiàn)在以下幾個(gè)方面：

　　1.組合推薦技術(shù)的研究

　　眾所周知，現(xiàn)存的推薦技術(shù)已經(jīng)得到推廣和應(yīng)用，但各種技術(shù)都存在一些缺陷，能否將各種推薦技術(shù)融合起來(lái)作到取長(zhǎng)補(bǔ)短是未來(lái)電子商務(wù)推薦技術(shù)研究的重要課題。

　　2.推薦技術(shù)準(zhǔn)確度的研究

　　目前的推薦技術(shù)推薦的準(zhǔn)確性還得不到保證，準(zhǔn)確度的研究還局限在手工實(shí)驗(yàn)階段，因此，研究出自動(dòng)的準(zhǔn)確性驗(yàn)證理論模型就顯得非常重要。

　　3.數(shù)據(jù)獲取方面，主要還是依賴(lài)用戶(hù)的顯式評(píng)價(jià)，在自動(dòng)獲得用戶(hù)的隱式信息方面做得不夠。

　　4.研究過(guò)于集中解決推薦算法性能的提高，對(duì)推薦系統(tǒng)的開(kāi)發(fā)與應(yīng)用，尤其是與 企業(yè) 其它系統(tǒng)的集成應(yīng)用，在輔助企業(yè)的市場(chǎng)銷(xiāo)售，客戶(hù)管理和企業(yè)商務(wù)智能方面缺乏研究。

　　參考 文獻(xiàn) ：

　　[1]Coo ley R， Mobasher B， Srivastava J. Data p repara2t ion fo r m ining wo rld w ide W eb brow sing pat terns.Journal of Know ledge and Info rmat ion System s， 1999(1) ： 230～241

　　[2]Goldberg D， Nichols D， Oki BM， Terry D. Using col-laborative filtering to weave an information tapestry. Communi-cations of the ACM， 1992，35(12)：61～70.

　　[3]Resnick and Varian.Recommendation systems Commu-nications of the ACM， 40(3)： 56 C58， 1997.98-122

　　[4]R.D.Lawrence，G.S.Almasi，V.Kotlyar，M.S.Viveros， S.S.Duri，Personalization of supermarket product recommenda-tions， IBM Research Rport，2000.43-75.

　　[5]鄧愛(ài)林，朱揚(yáng)勇，施伯樂(lè).基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J]. 軟件學(xué)報(bào)，2003，(9) .

　　[6]曾春，邢春曉，周立柱.個(gè)性化服務(wù)技術(shù)綜述[J].軟件學(xué)報(bào)，2002，(10).

　　[7]趙亮，胡乃靜，張守志.個(gè)性化推薦算法設(shè)計(jì)[J]. 計(jì)算 機(jī)研究與發(fā)展，2002，(8).