[摘要]个性化推荐技术在现代电子商务站点中的应用越来越大，尤其对于CtoC电子商务站点而言更是如此。本文首先论述了CtoC电子商务站点中的个性化推荐技术特点，如必须为匿名购买者提供推荐内容，应该使用图片等多媒体信息和关键词结合的推荐内容，只负责内容推荐而不负责辅助交易行为的完成等。最后，结合用户兴趣模式表达方式和个性化推荐技术的应用领域，说明了未来的发展前景和展望。

　　[关键词]个性化；电子商务；信息推荐

　　一、引言

　　现代电子商务技术的快速发展，给人们的生活和生产带来了深刻的影响。大量传统的商品交易行为和过程都开始并持续的向网络上转移。应该说，这种改变绝非一种仅仅形式上的改变，同时，也催生了很多新的交易方法和规则，如近年来诸如淘宝店面之类的新型创业模式等。然而，正如所有的网络应用一样，现代的电子商务技术也面临着很多挑战，其中比较明显的问题就是信息过载。由于电子商务网站数量众多，内容也可以达到几乎无限大的规模，显然这是传统商业模式所无法提供的。但与此相对的是，在网络环境下，客户却常常面对着海量的信息资源，无法在有限的时间内获取和了解到自己所想要的有效内容，这在很大程度上影响了客户使用电子商务站点的信心。近年来，人们对此进行了大量的研究和探索。随着个性化推荐技术的出现和发展，在电子商务站点中使用此技术将有助于上述问题的改善。

　　二、个性化推荐技术

　　个性化推荐技术通过一种类似于一对一营销式的营销战略技术，可以对电子商务站点的内容和服务进行自动化的大规模定制，以适应不同客户的个性化要求。在过去的几年中，个性化推荐技术越来越受到人们的关注，不同的学者往往给出并不一致的定义。如有人认为个性化是一种能力，这种能力可以根据从客户偏好和行为特征中提取到的知识来对客户提供定制化的服务和内容；也有人认为个性化综合使用了网络技术和客户信息，而这些信息包含已收集来的信息和实时产生的信息，有针对性的定制商业站点以适应客户的交互行为，这会有效的降低交易的处理时间和让客户得到更为满意的产品；还有的学者认为个性化是根据已有的偏好知识和交易活动中的行为，定制交流方法的一种能力，也就是说，个性化通过建立一种一对一的有义联系，理解客户的个别需求，帮助实现在特定的环境下准确和丰富的表达客户需求特征，从而增强客户的忠诚度。综上所述，虽然定义角度略有不同，但是所阐述的观点都是一致的，即个性化推荐技术是一种促使客户访问Web站点的体验更偏向于客户喜好的技术。

　　二、CtoC电子商务站点中个性化推荐技术特点

　　与其他诸如BtoB等类型的电子商务站点相比，CtoC电子商务站点中的Web用户行为特征具有较为明显的区别，造成这种区别的主要原因在于CtoC电子商务站点用户并非专业买家或者卖家，因此不论是从发布商品信息的质量，还是交易过程的完成，都有自己的特殊性。基于这种原因，在使用CtoC电子商务站点中Web个性化推荐技术的时候，必须要充分考虑这些用户行为因素，来选择合适和有效的技术实现方法。

　　结合CtoC电子商务站点用户的诸多行为特点，该种类型站点所能采用的Web个性化推荐技术应该有如下几个特点：

　　一是该种Web个性化推荐技术必须可以为匿名购买者提供推荐内容，购买者不需要注册或者登录也能使用个性化推荐功能。从交易过程来看，CtoC电子商务站点所面对的Web用户群往往都是各个非专业的大型商业实体，其中很大的一部分群体都是一般的小型商家和普通消费者，通过这种类型的CtoC电子商务站点，这些用户可以直接进行线下交易。具体来说，卖方用户必须是注册用户，并需要向该站点提供自己的联系信息，同时他们还可以发布所要销售的商品信息。而买方用户则不需要一定注册，事实上，为了方便用户使用，很多站点都允许匿名用户浏览选择所需商品。他们只需查询这些商品的发布信息，并选择所需的商品。一旦选择到合适的商品，买方用户就可以根据卖方用户所提供的信息直接与卖方用户取得联系。为此，在CtoC站点中使用个性化推荐技术的时候，一定要选择合适的匿名用户行为特征识别方法，如服务器端日志挖掘技术和客户端信息采集技术等，从而实现对此类用户的个性化推荐功能。

　　二是该种Web个性化推荐技术应该使用图片等多媒体信息和关键词结合的推荐内容。在具体推荐过程中，对于这些不同的图片信息可以通过所在网页的URL来惟一确定。从商品的发布信息来看，卖方用户可以发布的信息往往是包括图片和关键词在内的一些商品信息，其中，图片所包含的信息相对真实性较强，买方用户可以直接根据图片内容获知对商品的喜好程度，但是图片本身并不易于检索，买方用户在搜索所需商品时，很难直接定位所需商品的图片，相反，买方用户一般都是通过站点所提供的浏览界面来逐次查看，因此，单独利用图片信息就会缺乏有效的快速检索方法。所以，卖方用户往往需要同时提供销售商品的关键词信息，它通过几个简洁的文字来标明商品的重要特征，而且买方用户可以直接利用这些关键词进行快速搜索。但是，由于卖方用户的非专业性特点，或者由于某种主观因素的影响，卖方用户可能并不能或者不愿提供准确的关键词信息，这就造成关键词查询所产生的一个问题，那就是买方用户通过关键词虽然可以快速搜索到所需商品，但是，仍然需要进一步通过图片或者更为详细的文字说明来确定该商品是否满意。所以，将这两方面结合，可以给用户提供更为准确的推荐内容。

　　三是该种Web个性化推荐技术只负责内容推荐，不负责辅助交易行为的完成，甚至都无法实现主动推送功能。由于大部分CtoC站点的买卖双方都没有完善的网络交易渠道，真实的货款和商品交易往往都不在该站点上进行，站点只是一个沟通的媒介。所以，在提供个性化推荐内容时，站点并不需要事实上也不可能采用信息推送的推荐方法来向用户发布信息，更多的实际情况是在用户浏览商品信息时，站点能够在浏览页面上向当前用户展示推荐的商品信息内容。值得注意的是，近年来随着网络技术的快速发展，电子商务平台也越来越多的开始集成在线支付等电子业务，如阿里巴巴的支付宝等。

　　除此以外，CtoC电子商务站点中Web个性化推荐技术还需考虑很多其他因素，比如由于每种个性化推荐技术都存在一定的局限性，所以可以综合运用多种个性化技术来处理不同的推荐内容和方法，以达到更好的推荐效果等。

　　三、发展与展望

　　首先，从用户兴趣模式表达上看，未来的发展趋势之一就是结合语义智能分析。用户个性化推荐技术的关键内容在于准确和有效的表达用户兴趣模型，并基于此模型来计算与推荐客体的相关度，因此，如何有效和准确表达用户的个性化特征成为所有个性化推荐方法的基础和重要影响因素。目前，常见的方法主要分为两大类：一类是基于关键词表达（Keyword-based）的用户兴趣模型，这种方法出现较早，简单易行，它主要使用与当前用户个性化特征相关的关键词序列来表达用户兴趣模型；另一类是基于语义表达（Semantic-based）的用户兴趣模型，该方法在基于关键词表达的方法之上，利用词语概念和彼此之间的语义联系来构造较为完整的语义层次模型或者语义网络模型。由于该方法可以更好的处理一词多义和多词一义的各种语言现象，所以近年来逐渐受到学者的广泛关注。对于如何表达这种语义特征，伴随着用户本体理论的研究和发展，很多学者都尝试使用XML数据结构来表达用户个性化信息，并以此来构造语义信息更为丰富的用户兴趣模型。

　　其次，从个性化推荐技术的应用领域看，目前的个性化推荐技术主要应用于Web站点之中。此时，在个性化服务中起到基础作用的用户兴趣模式却往往分散于各个Web应用系统中，虽然每个Web站点都会给自己的用户提供和存储相应的用户兴趣模式，但是这种用户兴趣模式却不能共享于其他相关的应用领域，所以用户往往需要不断的维护在各个Web站点上的不同兴趣模式，这显然增加了用户的使用成本。由此，用户对自己的兴趣模式难以形成十分确切的概念，也难以在用户心中形成一个统一的印象，更难以让用户对自己的兴趣模式进行有效的控制。事实上，已有的一些系统已经开始对此进行研究，通过制定标准来允许用户对自己的个性化兴趣模式进行有效的管理。近年来随着移动设备的快速发展，个性化服务的范围也逐渐扩大到移动网络服务中，这种方式被称为便携式个性化信息服务（Portable Personalization Information Service）。通过与移动设备的有效结合，并在各种移动终端设备上存储相关用户兴趣模式信息，才能更有效的发挥这种用户模式的复用性。如有的系统使用一种被称为“简化卡（Simplicity Card）”的智能体，其中存储有用户的兴趣模式信息和个人数据，同时可以和移动设备结合起来，很多用户将这种智能体看成是一种个人标志，并且认为它极大的扩展了用户自身。所以，这种新型的便携式个性化推荐服务开始逐渐成为现实。对于CtoC电子商务站点而言，这显然是一个发展潜力很大的空间。

　　参考文献：

　　[1]Schafer，J. B.，J. A. Konstan，and J. Riedl. E-commerce recommendation applications Data Mining and Knowledge Discovery，5（1/2）：115～153，2001

　　[2]马丽：电子商务个性化推荐技术分析及比较[J].计算机系统应用，2008，（12）

　　[3]Adomavicius，Tuzhilin. Personalization technologies：A process-oriented perspective[J].Communications of the ACM，48，10（2005）

　　[4]Personalized Gifts and Personalized Gift Ideas from Personalization Mall，2005-3-24

　　[5]Jill Dyche. CRM Handbook[M]. Addison-Wesley，2002

　　[6]李树青：CtoC电子商务站点中的Web个性化推荐技术[J].图书情报工作，2009，（8）