[摘要]个性化推荐是根据不同顾客的偏好和特质做出针对于特定顾客的精确的推荐，是智能的信息挖掘过程。本文主要介绍了电子商务推荐系统中采用的模型和几中常用的推荐技术。
[关键词]电子商务；个性化推荐；推荐模型；推荐技术
随着电子商务的迅猛发展，传统的商贸活动已发生了革命性的变化，一是，地域的限制基本被消除，二是，消费者有了更广阔的选择空间。当消费者浏览电商网页，搜索喜好商品时，总会看到页面周边的一些相关推荐，这些推荐商品可能是消费者现在需要的，也可能是曾经搜索过的。产生这种现象的原因是背后强大技术的支持，这些技术保证了在精准推送的同时还能使消费者获得较高的体验度。
个性化推荐就是通过全方位的数据，精准判断出用户的购买意图，有针对性为用户推荐他最愿意购买的商品，提升用户对产品的体验度，提高下单转化率。增强用户粘性。
1个性化推荐模型
电子商务个性化推荐系统主要通过以下三方面提高电子商务系统的销售能力：通过网站浏览将潜在客户变为实际商品的购买者：通过推荐相关系列产品增加其它商品的交叉销售量：提高客户对商务网站的粘度。个性化推荐模型分为召回和排序两大类。
1.1召回模型
召回模型就是选举推荐的侯选。主要有基于行为的召回：基于偏好的召回：基于地域的召回等模型。
（1）基于行为的召回模型
这种模型又分为近期行为和中长期行为。近期行为召回模型推荐的商品与用户搜索过的商品相似或相关，这种商品购买搭配推荐是最常用同时也是转化率最高的。中长期行为召回模型发生的行为通常在半年左右，针对于某些没有用户行为的新商品，利用购物篮分析，建立产品和产品之间的关系，把这些关系应用到个性化推荐中去，提升长尾商品的搭配覆盖率。
（2）基于偏好的召回模型
这种模型是针对用户进行全方位地描述，存储用户曾经的购买行为数据，对其兴趣爱好进行判别从而做出推荐，并同时考虑用户的购买力和敏感度等问题。如果该用户没有近期产品行为，此模型会基于大数据从海量的其他用户中挖掘出最接近的一个用户，通过算法来预测该用户感兴趣的产品，然后再做出推荐。
（3）基于地域的召回模型
根据不同地域的消费特点不同做出有针对性
1.2排序模型
当积累一定的用户和流量，有一定点击和购买之后，就需用到排序算法。以京东为例，在排序上进行两级预估，先预估CTR（点击率），再预估CVR（转化率），由此进行排序。对于任何一个商品。它都具备品牌、中心词、类目、扩展属性等指标，可以用销售量来度量。各个商品之间还有一张相互关联的网，这种网状关系包含了评论数、好评度、浏览深度等指标。
对于“冷启动”的极端情况，可采用根据最近的热点进行类别多样化精选推荐的策略，把每一类当下最流行的商品拼在一起推荐给新用户，然后根据用户的交互反馈，慢慢向用户主信息上收敛。
2电子商务个性化推荐技术
个性化的推荐不同于大众行为的推荐。静态的、由管理员设定的大众行为的推荐会对每个用户都推荐同样的商品，或根据所有的用户反馈信息，用统计学原理计算出时下最流行的商品并做出推荐。个性化的推荐则需要根据不同顾客的偏好和特质做出针对于特定顾客的精确的推荐，因此。个性化推荐是智能的信息挖掘过程。目前，主要的技术有基于内容的推荐，协同过滤推荐，基于知识推荐，混合推荐等。
2.1基于内容的推荐
这种推荐是根据物品或内容的元数据，根据资源属性内容的相关性，基于用户曾经的爱好，推荐给用户相似的物品。它的好处是对用户的品味能够做出很好的建模。它存在的问题是提取能力有限，常陷于推荐容易分析内容的商品，对缺乏使用数据的新用户存在冷启动问题。
2.2协同过滤推荐
协同过滤推荐是目前应用最多的电子商务推荐技术，并被广泛研究。它的原理是根据用户对物品或信息的喜好，找到其它物品或信息与其相关联，或是发现品味或喜好与当前用户相似的“邻居”用户群，然后再基于这些关联性进行推荐。
其优点是推荐的个性化程度高，用户容易对被推荐商品感兴趣，商品的特征不必被考虑，任何形式的商品都能被推荐。缺点是存在冷启动、数据稀疏性以及可扩展性问题。
2.3基于知识的推荐
基于知识的推荐利用“功能知识”的概念，无需考虑用户的历史信息和用户——项目矩阵，它依据某个项目所包含的知识如何满足某个客户。比如用户在某个搜索引擎下输入包含某类知识的项目，系统则会产生多个推荐项目，这些推荐项目都与该用户查询的项目在知识上相关联，这是一种规范化的查询。
2.4混合推荐
为了取得更好的推荐效果，流行的网络站点采用的往往不是单一的推荐方式，而是若干种方法混合在一起的机制和策略。最常见的做法有切换的混合、分区的混合和分层的混合等。切换的混合推荐是根据不同的数据量、系统运行状况、用户和物品的数目等情况选择最为合适的推荐机制计算推荐：分区的混合即采用多种推荐机制，分出不同的区域显示采用不同推荐算法而推荐出的商品，这样用户可以得到全面的推荐，容易找到理想的商品，这种推荐方式也被很多电子商务网站所采用：分层的混合是先采用—个推荐机制得到结果后作为另一种推荐机制的输入。这种推荐能够综合多个推荐机制的优点，使用户在全方位的推荐中找到真正使自己感兴趣的商品。
3结语
个性化推荐使得人们在电子商务海量的数据当中能够寻找到为自己所用的信息，系统的应用节约了大量顾客搜索时间成本，提高了商品的销售度，已成为电子商务网站的必备竞争工具。随着体验经济的到来，未来的个性化推荐必将包含强大的大数据挖掘分析能力，渗透更多的人情关怀。
[责任编辑：张涛]