浅析基于协同过滤算法的网上超市系统

刘秋香 刘振伟 张慧

摘 要 网上超市系统可以满足人们宅家购物的需求，也可以减少超市线下销售的拥堵。而协同过滤算法可以对顾客进行智能化商品推荐，也可以辅助商家进行智能化进货。本文从协同过滤算法的基本理论、网上超市系统的功能分析、协同过滤算法在网上超市中的应用这三个方面，简要介绍了一种基于协同过滤算法的网上超市系统。

关键词 网上超市;协同过滤;相似性;推荐

引言

网上超市这个名字并不新鲜，它与网上商城相似却又不同。网上超市将实体店的部分营业方式搬到线上来，采取线上线下结合的方式进行运营。例如淘宝的“淘鲜达”，就是一个众所周知的网上超市，超市生鲜，1小时达。网上下单，超市配送，服务到家，足不出户就能拿到自己所需的生活物资。今年新冠肺炎疫情也给中小型超市提供了一个线上线下同步销售的机遇。网上超市系统既可以提高人们的购物效率、减少人员聚集性，又可以缓解超市的购物压力。

而协同过滤算法经常被用于分辨某类特定用户可能感兴趣的东西，这些结论来自于对其他相似用户所感兴趣东西的分析。基于协同过滤算法的网上超市系统，可以通过分析顾客收藏、购买商品的习惯来进行智能化推荐，也可以通过分析商家出售商品的数据来实现智能化进货。

1协同过滤算法的基本理论

协同过滤（Collaborative Filtering，CF）是电子商务推荐系统的一种主要算法。协同过滤通过分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测[1]。简单来说，就是利用某兴趣相投、拥有共同经验之群体的喜好，来推荐用户感兴趣的信息[2]。协同过滤有两种典型的算法：一是User-based CF（基于用户的协同过滤），通过不同user对item的评分来评测user之间的相似性，基于user之间的相似性做出推荐;二是Item-based CF（基于项目的协同过滤），通过user对不同item的评分来评测item之间的相似性，基于item之间的相似性做出推荐[1]。其实现方法都可以分为三个步骤：收集用户信息、最近邻搜索、产生推荐结果。协同过滤算法在电子商务领域使用较多，比如亚马孙书店的推荐服务、Facebook的广告推销。协同过滤算法会根据用户历史产生的数据进行挖掘，然后寻找其中的规律，发现用户数据的偏向，最后将向这种偏向靠近的产品推荐给用户。

2网上超市系统的功能分析

一个功能完善的网上超市系统，既可以满足人们足不出户的购物需求，也可以减少超市的拥堵。网上超市系统至少有管理员、商家和顾客三种类型的用户，相应地可以分为三大功能模块。①管理员的功能主要有商家管理、顾客管理、商品类别管理、留言反馈管理、系统公告管理、商品分析、商家分析和顾客分析。其中，商家管理包括对申请入驻的商家进行审核和管理，顾客管理包括对注册的顾客进行审核和管理，留言反馈包括对顾客和商家反馈信息的处理，商品分析、商家分析和顾客分析都会生成相对应的报表和图表。②商家的功能主要有入驻申请、商品管理、库存管理、订单管理、订单配送管理、留言反馈、系统公告和商品分析。其中，商品管理包括商品基本信息的设置及商品的上下架，库存管理包括查看、编辑商品库存及进货、退货操作，订单配送管理包括设置配送范围及对待配送订单的配送处理，商品分析是商家查看自家商品在某时間段的销售量和销售额来有针对性地进行商品调整。③顾客的功能主要有注册申请、个人信息管理、商品浏览与搜索、商品推荐、销量排行、商品收藏、购物车管理、订单管理、留言反馈和系统公告。其中，个人信息管理包括对个人基本信息、收货地址等的管理，商品推荐是系统根据某些特定算法自动推荐商品给顾客，购物车管理包括对购物车里的商品进行删除、数量修改、结算等操作，订单管理包括订单的提交、查看、取消、删除、支付、提醒发货、确认收货、评价等操作。

3协同过滤算法在网上超市中的应用

网上超市系统中，商品分析、顾客分析、商家分析功能都应采用数据挖掘技术，可以通过分析顾客购买、收藏商品的习惯来进行商品的智能化推荐，也可以通过分析商家商品的销量来推荐商家智能化进货。

协同过滤算法最典型的应用是个性化商品推荐，能为不同兴趣偏好的顾客自动推荐符合其兴趣的商品，这主要通过将顾客历史订单和收藏商品的数据进行挖掘。把用户的历史订单和收藏商品进行遍历，把具有购买或收藏相同商品的顾客进行归类，然后同类顾客之间进行商品的相互推荐。

当顾客登录网上超市时，系统对顾客曾经购买或收藏的商品进行自动分析后，向顾客推荐其可能喜欢的商品，只要鼠标点一下，就可以直接购买或加入购物车。这是利用协同过滤算法对本系统中顾客的收藏商品和历史订单进行分析。例如，分析顾客的购物习惯，在购买某些商品的同时还会购买什么商品，然后将这类商品捆绑式销售。

当顾客把某个感兴趣的商品加入购物车或直接购买时，系统会即时分析并提示“购买了该商品的顾客还购买了某某商品”，这是在“对同一商品有兴趣的顾客们兴趣在某种程度上相近”的假设前提下提供这样的推荐。这是利用协同过滤算法对本系统中顾客与其他顾客们之间订单的关系进行分析。如果顾客之间存在相同喜好的商品，那么系统会根据相似兴趣顾客之间的关系，进行商品的推荐。

4结束语

协同过滤算法以其出色的速度和可靠性，在信息过滤和信息系统中迅速成为一项很受欢迎的技术。基于协同过滤的网上超市系统，商品推荐个性化且自动化程度高，能够为顾客和商家带来诸多便利。

参考文献

[1] 360百科. 协同过滤 [EB/OL]. https：//baike.so.com/doc/6971257-7193943.html， 2017-07-05.

[2] 百度百科. 协同过滤 [EB/OL]. https：//baike.baidu.com/item/协同过滤， 2019-10-11.

作者简介

刘秋香（1979-），女，山东莱州人;毕业院校：山东师范大学，专业：计算机软件与理论，学历：硕士，职称：讲师;现就职单位：山东理工大学，研究方向：软件工程支撑环境。