面向移动客户端的数据服务推荐策略

李红蕾

摘 要 近年来，随着互联网的快速发展与应用，人们的生活也发生了巨大的变化，电子商务已经深入我们的实际生活中，互联网上呈现了更为丰富的产品以供人们的选择，普通的搜索引擎已经很难满足人们的需求，因此，这就促使推荐系统的出现。推荐系统是系统通过计算用户的历史搜索以及浏览信息，根據用户的信息进行口味化的推荐。本文即对面向移动客户端的数据服务推荐策略其中有关于电子商务方面的内容进行分析，以便从中找出问题，完善原有策略，改善用户的体验。

【关键词】移动客户端 推荐系统 算法 协同过滤

当前，智能手机用户一度呈现迅猛增长之势，人们已经进入到了用电脑进行办公，用手机进行娱乐的时代。智能手机用户的增多便促使了智能化应用软件的不断更新和发展，所以将移动设备所具有的便利性、灵活按需的特点和云平台中的海量数据服务进行无缝集成已是云计算和移动计算共同研究的热点。面向移动客户端进行数据服务推荐，能够将用户在狭小的屏幕上进行浏览的不便程度降低，与此同时，把定位系统所搜集的位置信息也作为推荐的重要依据可提高推荐的准确性，让用户能够更好的体验电子商务的便捷。

1 推荐系统的意义

自互联网不断发展以来，电子商务也随之兴起并迅速发展，在线用户需要借助工具来帮助他们来对网络上所呈现内容的质量进行应对，传统的搜索引擎对此提供了不少的帮助，但是，大数据时代的来临使得传统引擎越来越不能满足人们的需求，推荐系统就通过电子商务平台向顾客主动推荐可能会需要的东西，这种变搜索为推荐，变被动为主动的系统，就是在这样的市场中诞生的。这一行为与我们现实生活中的导购有些相似，推荐系统所扮演的角色就是导购员，而因为推荐系统是根据搜集用户的相关信息而生成的一种用户模式，与导购员相比较而言显得更为科学。这些搜集到的信息，一部分是用户主动提供的，另一部分则是系统主动采集到用户的浏览、购买信息，通过不同的推荐算法将得到的信息进行分析、处理、推荐。

2 常见的推荐算法

2.1 基于内容的推荐

基于内容的推荐首先是对商品本身进行诠释，比如把商品根据某种相似度归为一类，如相似年龄层次用的商品、相同性质的物品等，然后将这类商品推荐给用户。这种算法模式使得新的产品在通过推荐乐于使人接受，并且基于此推荐能更好的建立用户模式，通过产品的叠加得到更好的推荐效果。不过，这种算法也有其缺点，主要缺点就是产品的属性是有限的，并且这种属于不同的人会给予不同的定义，这样就会让分析阶段很难使数据变得更精确，从而难以得到用户更多的潜在的兴趣。

2.2 基于网络结构的推荐

前面基于内容的推荐是建立在用户自身的内在联系上，而基于网络结构的推荐则是建立在各个用户间，从而得到更为广泛的偏好。这种算法是把将用户和用户间的项目连接在一起，构成一个网络图表，把这种喜好特点变成抽象化的节点，而不去考虑用户和项目之间的内容特点，最后通过计算来体现各项目间的相关性。

2.3 基于协同过滤的推荐

协同过滤的算法是一个具有典型的个性化推荐的算法，也是一种被广泛运用于商业推荐系统中的一个算法。协同过滤算法首先是获取用户的相关历史档案；其次是计算用户与用户之间的相似程度，发现最相近的用户；最后就是计算项目评级。因为，用户之间一定存在相似的爱好和利益关系，而且这种爱好和利益关系是相对稳定的，所以我们可以根据他们共同的爱好和利益来预测他们的选择。这也是协同过滤算法的主要依据和来源。

3 推荐系统当前所存在的问题

当前的推荐系统在电子商务的领域被广泛的使用，但随着大数据时代的到来，推荐系统所存在的问题也逐渐体现了出来，目前比较明显的是以下几个问题：

3.1 冷启动问题

冷启动问题主要包含了两个层面，一是新加入用户的冷启动问题；二是新加入项目的冷启动问题。前者主要是因为对于那些新加入的用户不能够在较短的时间内马上对他们进行相关的推荐，后者是新加入的系统也要有一段较长的适应期才能够被用户查询。因此针对冷启动问题，就需要我们能够从中找到一种方法，让推荐系统能够在新用户加入进来的时候就能为他们较为准确的推荐相关的产品，最好是能够让新产品一上市场就得到推广，而不是等到新产品搁置为旧产品了再得到推广。

3.2 多样性和精确度的问题

目前推荐系统给用户们推荐的产品大多数都是时兴流行、得到广泛认同的产品，因为这些产品本身的特点，所以用户们容易接受。而当前的多数算法都不能够达到多样性和精确度两全，更多的算法都是以牺牲多样性为前提条件来确保精确度的提高，因为运营商都认为只要精确度提高就能推荐更容易被用户接受的产品。然而这样就让推荐系统失去了原本的作用，用户之所以使用推荐系统就是为了找到自己曾经不知道的产品而有更好的选择，而不是浏览自己已经见过很多次的产品。同理，用精确度来换取多样性也是不可取的。所以目前来说，如何处理多样性和精确度仍然是一个复杂的问题。

3.3 推荐系统的不稳定性

推荐系统被商家所利用就会暴露其自身的不稳定性，有些商家为了更好的推荐自己的产品会利用一些不合理的行为方式来宣传自己的产品或者打击同类的其他商家的产品。针对这种行为有一些算法对此有了改进的方法，但是总体而言，对于系统不稳定性研究还是比较少的，这同样也是一个值得深入思考与探究的问题。

4 结语

综上所述，本文主要对推荐系统的概念、推荐系统常见的算法、推荐系统所存在的问题进行了简单的分析，通过这些分析我们发现推荐系统正处于发展上升阶段，因此需要及时地应对并解决其在发展过程中所出现的问题，才能让推荐系统在移动客户端得到更持续的健康发展。

参考文献

[1]张程.面向服务环境中服务的个性化推荐[D].中国科学院研究生院（计算技术研究所），2006.

[2]和莉.基于微信的移动客户端在顶岗实习系统中的应用研究[J].江苏开放大学学报，2014（06）.

[3]胡晓光.新生报到系统移动客户端的研究与设计[J].天津职业院校联合学报，2013（05）.

作者单位

重庆电子工程职业学院 重庆市 401331endprint