- 相關推薦
O2O電子商務模式中推薦方法的研究
組合和分離是O2O電子商務系統(tǒng)的兩種基本結構，下面是小編搜集整理的一篇關于O2O電子商務模式研究的論文范文，歡迎閱讀查看。
前言
在信息技術快速發(fā)展的背景下，人們迎來了網絡時代，人們工作和生活中的方方面面都受到了深刻的影響。現(xiàn)階段，網上購物成為人們熱衷的一項活動，同時也充分體現(xiàn)了電子商務模式的便利。互聯(lián)網還能夠搭建起一個平臺供顧客、企業(yè)以及供應商使用。據(jù)有效數(shù)據(jù)顯示，O2O電子商務模式將擁有萬億以上的市場。近年來，O2O電商行列中人數(shù)越來越多，商品的數(shù)量和種類以指數(shù)速度增長，因此，O2O電子商務必須加強對推薦方法的研究，為用戶創(chuàng)造更加便利的環(huán)境。
一、O2O 電子商務中推薦模型研究
(一)該商務系統(tǒng)的結構
組合和分離是該商務系統(tǒng)的兩種基本結構。它們在運行過程中都具有自身的優(yōu)勢與缺陷，同時，它們也適用于不同的范圍。組合式結構，指的是在現(xiàn)有的電子商務系統(tǒng)內加入這一推薦系統(tǒng)，推薦系統(tǒng)的使用要完全依靠現(xiàn)有電子商務系統(tǒng)，這一結構的特點是擁有簡單的部署實施，卻無法進行獨立運行，因為，現(xiàn)有的商務系統(tǒng)將會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，這種結構還會對現(xiàn)有電子商務系統(tǒng)產生影響。因此，如果選擇的推薦系統(tǒng)比較復雜，要想對現(xiàn)有系統(tǒng)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(shù)據(jù)能夠在數(shù)據(jù)結構通過數(shù)據(jù)層時得到共享，網頁資源能夠在用戶層得到共享，促使推薦系統(tǒng)與現(xiàn)有系統(tǒng)產生獨立的界面。現(xiàn)有系統(tǒng)無法對其產生制約的效果，運行和功能也不會受到影響，同組合式結構相比，它更適合與相對復雜的部署個性化推薦[1]。
(二)O2O 電子商務中推薦模型
這一模型最大的特點就是當顧客想要對網站進行訪問時，一個特別的推薦顯示功能能夠出現(xiàn)于顧客與網站中間。現(xiàn)階段，各種電子商務推薦系統(tǒng)在運行過程中，都需要對大批的顧客資料、商品詳情和交易記錄等進行處理，因此，在這里使用各種先進的技術技術，如人工智能技術、數(shù)據(jù)挖掘技術等，是無法及時處理以上大量的數(shù)據(jù)和信息的。處理以上問題最好的方法就是采取離線處理的方式，在規(guī)定的時間間隔內，再更新處理過后的結果。
例如，某網站在聚類的基礎上，其個性化推薦模型有四個重要組成部分，即輸入模塊、輸出模塊、離線處理模塊、在線推薦模塊。以在線推薦模塊為例，該模塊需要將聚類中心與顧客之間的類似程度進行計算。由于顧客聚類數(shù)目是在離線的情況下得到的，所以真實的顧客數(shù)目要遠遠大于此數(shù)目。因此，采用這一模塊來推薦處理相關數(shù)據(jù)，能夠使準確度得到很大提高，還能夠極大的節(jié)省時間。用戶能夠更快捷的找到目標，有利于顧客用戶滿意度的提升和網站銷售量的增加[2]。
二、O2O 電子商務模式中推薦方法的研究
(一)傳統(tǒng)基于聚類的協(xié)同過濾分析
推薦算法內使用聚類技術，能夠將評分矩陣進行壓縮，促使其以c個簇來構成整個評分矩陣，還可以使聚類過程在離線狀態(tài)下完成，將維度進行縮小，為最近鄰居的搜索提供方便，以此來將推薦算法中的推薦效率進行提高，同時提高其外延性和實時性。然而，傳統(tǒng)的協(xié)同過濾推薦是建立在聚類之上的，這里的聚類指的是硬聚類，它的代表是K-Mean聚類。該模式的推薦系統(tǒng)中，具有顧客多和數(shù)據(jù)大的特點，所以導致了較大的數(shù)據(jù)維度，降低了推薦算法的效率。同時還有兩種缺陷存在于傳統(tǒng)聚類算法當中：首先，初始化的聚類，是隨機生成的，擁有極高的不穩(wěn)定性，致使聚類結果當中存在較大的偏差;其次，聚類簇中的邊界缺陷，造成重疊現(xiàn)象在聚類對象中產生。這兩種缺陷將會促使準確率極大的降低[3]。
(二)FCM 聚類算法
首先，該算法具有一定的優(yōu)點。在對顧客評分和商品屬性進行描述的過程中，F(xiàn)CM模型更具優(yōu)勢。它將一個簇只能對應一個顧客的現(xiàn)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(xù)的迭代來促使最優(yōu)函數(shù)值的形成，其中，聚類結果的優(yōu)良會受到初始聚類中心的嚴重影響，隨機性的選取初始方案，會使聚類的結果不穩(wěn)定。再者，距離函數(shù)。如果選取的距離函數(shù)不夠恰當，計算性能就會受到嚴重的影響。假如應用歐式距離，在特定的環(huán)境下，將會造成大量的項目出現(xiàn)在聚類簇中，但是一些簇中卻只有幾個項目，造成了嚴重不平衡聚類的出現(xiàn)，無法實現(xiàn)很好的項目聚類[4]。
三、結論
電子商務的飛速發(fā)展，給人們的生活帶來了極大的便利，O2O電子商務模式的產生，無疑是又一次的技術變革。系統(tǒng)研究該商務系統(tǒng)的結構和推薦模型，對于促進推薦方法的研究具有重要意義。應用傳統(tǒng)基于聚類的協(xié)同過濾分析和FCM 聚類算法來加強推薦方法的研究，能夠有效解決現(xiàn)階段O2O電子商務模式中的不足。
【O2O電子商務模式中方法的研究】相關文章：
O2O商務模式對移動電子商務發(fā)展的影響研究12-04
基于電子商務的物流模式研究12-07
電子商務：在模式的碰撞中成長03-06
電子商務在圖書銷售模式中的應用03-22
電子商務中的第三方支付模式及應用研究11-15
電子商務網站的用戶治理模式研究03-21
電子商務下逆向物流模式選擇研究03-19
論網格技術在電子商務模式中的應用03-22