信息推荐系统：Web挖掘与商品推荐

基于Web挖掘的商品信息推荐系统是将Web挖掘技术应用到电子商务领域的范例。其系统工作流程如图5-2所示。

图5-2　基于Web挖掘的商品推荐系统工作流程

随着电子商务的应用，数据库中可以收集到大量的用户数据，如用户交易数据、用户注册数据、用户评分数据、用户投票数据等；同时Web服务器中也保存着用户访问电子商务系统的日志数据、用户购物篮信息等，这些数据中蕴含着丰富的知识，基于Web挖掘的商品推荐系统通过Web挖掘技术对用户行为和用户属性进行学习，从中获取有价值的知识，根据得到的知识产生推荐。(www.xing528.com)

基于Web挖掘的商品推荐系统根据Web挖掘技术建立用户档案。用户档案的建立可以基于对用户长期行为的分析，如用户的浏览记录、购买历史、性别、职业、收入、年龄等，也可以基于用户的当前行为，如用户当前的会话行为、当前购物篮信息、当前浏览商品等。

电子商务推荐系统中的Web挖掘主要包括关联规则挖掘和分类挖掘两类。关联规则挖掘是Web挖掘中的一个重要研究内容。在电子商务领域，关联规则挖掘根据销售数据发现不同类型商品在销售过程中的相关性。关联规则的挖掘可以离线进行，基于关联规则的商品推荐根据生成的关联规则模型和用户的购买行为产生推荐结果。分类挖掘模型根据用户的输入信息将之划分为相应类别，基于分类挖掘的推荐系统根据用户输入信息和项的特征信息，预测是否向用户推荐该项。分类挖掘通过对训练集进行学习，训练出对应的分类器，然后利用该分类器对新用户进行分类。分类挖掘模型可以通过多种方法实现，例如Bayesian网络、聚类、神经网络等。