摘要：推薦系統(tǒng)在電子商務(wù)系統(tǒng)得到了廣泛應(yīng)用，但是其中物品推薦法假設(shè)中沒有考慮時間周期系數(shù)，容易造成無效推薦。本文針對具體問題場景，討論了在UserProfile和ItemProfile中引入時間參數(shù)，并給出了初步的工程解決方案，可以提高日用品和兒童商品推薦的針對性，有較好的實踐性。

　　關(guān)鍵詞：推薦系統(tǒng);時間周期;UserProfile;ItmeProfile

　　一、引言

　　廣義上的推薦系統(tǒng)可以理解為是主動向用戶推薦物品(Item)的系統(tǒng)，所推薦的物品可以是音樂、書籍、餐廳、活動、股票、數(shù)碼產(chǎn)品、新聞條目等等，推薦系統(tǒng)所推薦的物品或者對用戶有幫助，或者用戶可能感興趣。隨著電子商務(wù)規(guī)模的不斷擴大，商品數(shù)量和種類不斷增長，用戶對于檢索和推薦出了更高的要求。

　　由于不同用戶在興趣愛好、關(guān)注領(lǐng)域、個人經(jīng)歷等方面的不同，以滿足不同用戶的不同推薦需求為目的、不同人可以獲得不同推薦為重要特征的個性化推薦系統(tǒng)(PersonalizedRecommenderSystem)應(yīng)運而生。從目前公布的數(shù)據(jù)看，Amazon發(fā)布的數(shù)據(jù)顯示，亞馬遜網(wǎng)絡(luò)書城的推薦算法為亞馬遜每年貢獻近三十個百分點的創(chuàng)收。實際上推薦已經(jīng)有逐漸替代傳統(tǒng)搜索的趨勢，被主流電商如阿里、京東廣泛重視。

　　二、推薦系統(tǒng)

　　考慮如何發(fā)現(xiàn)數(shù)據(jù)的相關(guān)性：推薦系統(tǒng)大致上可以分為如下幾種：基于人口統(tǒng)計學的推薦。基于內(nèi)容的推薦基于協(xié)同過濾的推薦推薦系統(tǒng)可能的輸入數(shù)據(jù)多種多樣，但是歸納起來可以分為用戶(User)、物品(Item)和評價(Review)三個層面，它們分別對應(yīng)于一個矩陣中的行、列、值。

　　物品(Item)用來描述一個Item的性質(zhì)，也經(jīng)常被稱為ItemProfile。根據(jù)item的不同，ItemProfile也是不盡相同的。比如對于圖書推薦，ItemProfile有可能包括圖書所屬類別、作者、頁數(shù)、出版時間、出版商等;對于新聞推薦，ItemProfile則有可能是新聞的文本內(nèi)容、關(guān)鍵詞、時間等;而對于電影，可以是片名、時長、上映時間、主演、劇情描述等。用戶(User)用來描述一個用戶的“個性”，也就是UserProfile。根據(jù)不同的應(yīng)用場景以及不同的具體算法，UserProfile可能有不同的表示方式。

　　三、內(nèi)容推薦法

　　基于內(nèi)容推薦法所基于的基本假設(shè)是“一個用戶可能會喜歡和他曾經(jīng)喜歡過的物品相似的物品”。這里“曾經(jīng)喜歡過的物品”就是利用該用戶的歷史記錄計算出來的Profile，作為該用戶的UserProfile來使用。

　　四、問題的提出

　　在實際操作中，如果只是簡單采用內(nèi)容推薦法，而不考慮具體產(chǎn)品的時間因素，可能會造成一定量的無效推薦。下面是幾個例子：

　　(1)使用壽命較長的產(chǎn)品。用戶如果買了電視機等有較長使用壽命的物品，正常情況下，在產(chǎn)品的正常使用壽命內(nèi)，他或她不會再對此類產(chǎn)品感興趣。所以如果基于內(nèi)容推薦法的基本假設(shè)，向一位剛購買過電視機并沒有退貨的用戶再推薦類似產(chǎn)品，用戶的再次購買的可能性很低，這就是無效推薦。這類產(chǎn)品以家用電器、家居用品為主。

　　(2)兒童產(chǎn)品。假設(shè)某用戶在八個月內(nèi)一直買某品牌奶粉一段的產(chǎn)品，那么根據(jù)內(nèi)容推薦法的假設(shè)，系統(tǒng)應(yīng)該持續(xù)向該業(yè)務(wù)用戶推薦該品牌一段奶粉。然而根據(jù)嬰兒的生長規(guī)律，8個月的嬰兒逐步要從一段奶粉向二段奶粉過渡了，這時候比較合適推薦的產(chǎn)品其實是二段奶粉以及嬰兒輔食，所以此類推薦也是無效推薦。

　　五、時間系數(shù)的引入的解決

　　基于以問題為導向，我們嘗試在基于內(nèi)容的推薦系統(tǒng)中引入時間參數(shù)來解決問題。

　　(1)針對產(chǎn)品固有的使用周期問題，在ItemProfile中引入使用壽命參數(shù)。初始的時間周期使用周期參數(shù)可以參照統(tǒng)計，比如枕頭的科學使用周期為2年。同時每個用戶的購買清單中記錄了此類商品的購買時間點，所以可以在UserProfile中添加該類商品的到期時間，即Date產(chǎn)品到期=Date上一次購買此類商品+Period默認通過定時器技術(shù)，推薦系統(tǒng)約在到期時間的2/3時間開始推薦此類商品進入推薦列表，離到期時間越近推薦越頻繁。

　　一旦用戶完成第二次此類商品的購買，系統(tǒng)可以自動更新該用戶對此類商品的使用周期Period該用戶，即：Period該用戶=Date上上次購買此類商品-Date上次購買此類商品Date產(chǎn)品到期=Date上次購買此類商品+Period該用戶顯然經(jīng)過反復的數(shù)據(jù)訓練，系統(tǒng)可以更準確的預測用戶對該類商品該興趣的時間周期。需要注意的是一點是，由于雙十一，618存在用戶囤貨的情況，在電商大促期間發(fā)生的購買行為不應(yīng)該用來調(diào)整此用戶對該類商品的使用周期。

　　對于使用壽命較長的商品，比如電視冰箱空調(diào)等使用壽命高達十年，用戶發(fā)生購買的頻率較低，同時時間長變數(shù)大，推薦系統(tǒng)的作用對此類商品的購買決策作用不大。可以將商品的使用周期設(shè)置為無限。對于使用周期比較敏感的產(chǎn)品主要有日用品，比如米面油奶餅干等食品類，筷子垃圾袋保鮮膜等廚房用品，牙膏毛巾紙巾等個人清潔商品等。

　　(2)針對兒童不同年齡段的需求不同的問題，對于處于為人父母的用戶，UserProfile中加入子女的基本年齡情況估計。用戶子女的年齡信息最好從用戶的購買行為中采集。需要在ItemProfile中設(shè)置產(chǎn)品敏感年齡，比如奶粉、尿布、輔食、玩具、教輔用書、童裝等就有明確針對年齡段，而其他產(chǎn)品可以設(shè)置為針對所有年齡。一旦用戶購買了兩次年齡敏感商品，系統(tǒng)就可以初步使用線性擬合估計該用戶孩子的年齡，購買的次數(shù)越多，數(shù)據(jù)也就越準確。而一旦出現(xiàn)較大的年齡偏差(大于等于1歲)，可以預設(shè)該用戶有第二個孩子，以此類推。

　　六、結(jié)論

　　通過在內(nèi)容系統(tǒng)的ItemProfile和UserProfile中引入時間系數(shù)，可以提高日用品和兒童商品推薦的針對性，幫助電商更好地完成創(chuàng)收。

　　參考文獻

　　[1]王東雨.音樂推薦系統(tǒng)性能調(diào)查探究[J].情報工程,2015,1(6):113-119.

　　[2]范家兵,王鵬,周渭博,etal.在推薦系統(tǒng)中利用時間因素的方法[J].計算機應(yīng)用,2015,35(5):1324-1327.

　　計算機系統(tǒng)論文投稿刊物：計算機應(yīng)用(月刊)創(chuàng)刊于1981年，由中國科學院成都計算機應(yīng)用研究所主辦。該刊把介紹計算機應(yīng)用技術(shù)作為重點，以推動經(jīng)濟發(fā)展和科技進步為宗旨。