電子商務系統科技論文參考

　　電子商務作為當今社會發展的一種新型市場交易模式，在現在生活中得應用越來越廣泛。下文是學習啦小編為大家整理的關于電子商務系統科技論文參考的范文，歡迎大家閱讀參考!

　　電子商務系統科技論文參考篇1

　　淺析電子商務推薦系統

　　[摘 要] 隨著互聯網的普及和 電子 商務的 發展 ，商品推薦系統逐漸成為電子商務IT技術的一個重要研究內容，越來越多地 受到研究者的關注。本文探討了電子商務系統的構成、研究內容、研究現狀，分析了目前有的推薦系統存在的缺陷和問題，提出了未來電子商務推薦系統研究的發展方向。

　　[關鍵詞] 電子商務;推薦系統;協作過濾;個性化推薦

　　隨著互聯網的普及和電子商務的發展，商品推薦系統逐漸成為電子商務IT 技術的一個重要研究內容，越來越多地得到研究者的關注。目前，幾乎所有大型的電子商務系統，如Amazon、CDNOW、eBay、當當網上書店等，都不同程度地使用了各種形式的推薦系統。

　　而且現在電子商務系統規模的進一步擴大，用戶數目和項目數據急劇增加，迫切需要相應信息檢索技術產生。商品個性化推薦技術，尤其是協同過濾技術，構成了現有電子商務個性化推薦系統的基礎。在這里，之所以強調個性化，是因為需要推薦系統能為每個用戶推薦適合他們偏好和興趣的產品，而不是千篇一律的推薦。

　　一、電子商務推薦系統及構成

　　電子商務推薦系統(Recommendation Systems for E-Commerce)定義是：“它是利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程”。

　　推薦系統面對的是用戶(user)，任務是為用戶提供對項目(item)的推薦。用戶是指推薦系統的使用者，也就是電子商務活動中的客戶。項目是被推薦的對象，是指電子商務活動中提供給客戶選擇的產品和服務，也就是最終推薦系統返回給用戶的推薦內容。在一個電子商務活動中，用戶數和項目數是非常多的。推薦系統面對的當前用戶，稱為目標用戶或者活動用戶。推薦系統的當前 工作，就是為根據一定的算法，給出對目標用戶的推薦項目。

　　電子商務推薦系統主要由三大部分構成：輸入模塊、推薦方法模塊和輸出模塊。輸入模塊用來接受用戶的輸入信息，用戶的輸入信息中最重要的是用戶對項目的評價(rating)數據;推薦方法模塊用來根據一定算法，根據用戶數據，得出對目標用戶的推薦，該模塊是整個推薦系統的核心部分，個性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模塊主要是指得到的推薦以何種形式反饋給用戶。

　　根據項目的特點，目前主要有兩種類型的推薦系統，一種是以網頁為對象的個性化推薦系統，主要采用Web數據挖掘的方法與技術，為用戶推薦符合其興趣愛好的網頁;另一種是網上購物 環境下的、以商品為推薦對象的個性化推薦系統，為用戶推薦符合其興趣愛好的各類產品，如各種書籍，音像等，這種推薦系統也稱電子商務個性化推薦系統。

　　二、電子商務個性化推薦系統的作用

　　電子商務推薦系統的最大的優點在于它能收集用戶興趣資料并根據用戶興趣偏好為用戶主動作出個性化的推薦，也就是說，當用戶每次輸入用戶名和密碼登錄電子商務網站后，推薦系統就會按照目標用戶偏好程度的高低推薦用戶最喜愛的N個產品，而且系統給出的推薦是實時更新的，也就是說當系統中的產品庫和用戶興趣資料發生改變時，給出的推薦序列會自動改變，大大方便了用戶，也提高了 企業 的服務水平。

　　總體說來，電子商務推薦系統的作用主要表現在以下幾個方面：一方面，使用戶從無限的 網絡 資源和商品世界中解脫出來，大大節約了用戶采購商品的時間和成本;與此同時，推薦系統的個性化推薦服務，提高了客戶對電子商務網站的忠誠度(Building Loyalty)，將更多的電子商務網站瀏覽者轉變為商品的購買者，從而提高電子商務網站的交叉銷售能力(Cross-Selling)，為電子商務企業贏得了更多的發展機會。

　　研究表明，在基于電子商務的銷售行業使用個性化推薦系統后，能提高銷售額2%-8%，尤其在書籍、電影、CD音像、日用百貨等產品相對較為低廉且商品種類繁多的行業，以及用戶使用個性化推薦系統的程度高的行業，推薦系統能大大提高企業的銷售額。

　　電子商務推薦系統和銷售系統(Marketing Systems)、供應鏈決策支持系統(Supply-Chain Decision-Support Systems)既相似又有不同。銷售系統是幫助銷售人員如何把產品銷售出去;推薦系統最終目的幫助用戶，輔助用戶購買什么產品做出決策。供應鏈決策支持系統是幫助生產者決定什么時候生產多少什么產品，以及倉庫應該存貯多少各類產品，其最終目的是為企業生產者服務的，而同樣推薦系統是面向用戶的系統。

　　三、電子商務個性化推薦系統的研究內容

　　電子商務個性化推薦的研究有四方面的問題：首先，要解決推薦系統的信息來源問題——推薦系統的基礎是用戶興趣資料信息，如何在電子商務環境下盡可能獲得更多用戶的相關信息，并以合適的形式表示是進行個性化推薦的前提;其次，要實現被顧客接受和認可的個性化推薦，設計準確、高效率的個性化推薦算法是核心;另外，要讓推薦系統為廣大用戶所接受，必須對推薦系統作出客觀、綜合的評價，尤其要注意從準確率、個性化、安全性、用戶滿意度等多方面進行評價;推薦系統的 應用是最終研究的落腳點，推薦系統不僅能為用戶提供完全個性化購物環境，更應為企業的銷售決策和客戶關系 管理提供支持。

　　在電子商務環境下，用戶信息收集表示是電子商務個性化推薦的基礎。根據當前對電子商務環境下用戶信息收集表示的研究來看，主要著眼于研究如何有效地收集能反映用戶興趣偏好的信息，以及如何通過網絡數據挖掘等的方法更自動化地收集用戶的隱式信息，解決用戶信息收集過多的依賴于顯式評價數據的問題。

　　個性化推薦技術是電子商務自動化推薦系統的核心問題。目前的推薦技術有協同過濾推薦(包括基于用戶的和基于項目的)、基于用戶人口 統計信息的推薦、基于內容的推薦、基于效用的推薦、基于知識的推薦、基于規則的推薦等等。協同過濾推薦是個性化推薦中研究和應用最多的方法，廣泛應用于電子商務網站、數字圖書館、網頁搜索、新聞過濾等，著名的推薦系統有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其前提假設是存在具有相似興趣愛好的用戶群，每個用戶都有與其興趣愛好相似的鄰居用戶。預測用戶對某一項目的偏好是根據鄰居用戶對該項目的偏好程度 計算 的，也就是說如果其鄰居用戶喜愛某項目，則該用戶也很可能會喜愛該項目。協同過濾最大優點是不需要分析對象的特征屬性，所以對推薦對象沒有特殊的要求，能處理非結構化的復雜對象，如 音樂 、電影等。

　　對推薦系統總體性能的評價是推薦系統研究的重要組成部分。目前大都只是采用準確率、召回率等評判尺度對推薦算法進行評價，并沒有真正意義上的、提升到對整個推薦系統進行的評價，尤其缺乏從個性化程度、持久性程度、系統的安全性以及用戶接受程度等多方面對推薦系統進行綜合的評價。

　　四、研究現狀

　　推薦行為產品或其它項目的 軟件代理已經在許多應用中使用在電子商務領域，為了增加購買 經驗并滿足客戶需求，已經推出了充分利用消費者的訪問和購買行為的推薦系統。推薦者通常通過給用戶展示他們可能感興趣的產品或服務來促進購買。例如，諸如Amazon.com就是通過利用偏好或其他用戶購買信息來介紹書籍或者其它產品給用戶的推薦系統。然而，使用的技術相當簡單，而且并非很精確和有效。基本上，程序將當前客戶購買的一系列產品與其他客戶購買的一系列產品作比較，選擇客戶購買較多的產品與當前客戶購買的產品集合的交集，最后從中選出一些尚未被客戶所購買而仍然在顧客購物籃中的產品，并將它們作為推薦列表呈現給客戶。該技術也用于類似于協作過濾的文本文檔的信息抽取。電影或音樂唱片的推薦，例如Moviefrnder.com，通過預知一個人的偏好與其他人偏好的線性權重集合，并運用協作過濾技術來實現。　　對于推薦系統的研究可分為三個種類：技術系統開發研究，用戶行為研究和隱私問題研究。其中技術系統開發是重點。目前各種推薦技術，例如數據挖掘，代理和推理，都已經 應用到了推薦系統中。現存的推薦系統從廣義上可以劃分為基于規則的系統和信息過濾系統。信息過濾系統又可分為基于內容過濾的系統和協作過濾系統兩種。

　　基于規則的系統，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他們允許系統 管理員根據用戶的靜態特征和和動態屬性來制定規則，一個規則本質上是一個if-then語句，規則決定了在不同的情況下提供不同的服務。基于規則的系統，其優點是簡單、直接，缺點是規則質量很難保證，而且不能動態更新。此外，隨著規則的數量增多，系統將變得越來越難以管理。

　　基于內容過濾的系統，例如：Personal WebWather， SysKill&Webert， Letizia， CiteSeer， if Web， SIFTER， PVA， WebMate， WebACE， ELFI和WebPersonalizer等。他們利用資源與用戶興趣的相似性來過濾信息。基于內容的推薦系統通過將顧客的偏好與產品內容自動匹配來給顧客提供建議，例如網頁和消息條目的推薦。在基于內容的系統中，產品由其普通屬性描述。顧客偏好通過分析產品比率以及相應的產品屬性來預測。基于內容過濾的系統，其優點是簡單、有效。缺點是難以區分資源內容的品質和風格，而且不能為用戶發現新的感興趣的資源，只能發現和用戶已有興趣相似的資源。在基于內容的推薦系統中，一個核心問題是識別關鍵屬性集合。如果該集合太小，顯然，這對于識別用戶剖面是不充分的。因此，基于內容的推薦系統不能用于僅僅實施一次購買行為新顧客，或者訪問了該網站，卻沒有實施任何購買行為的潛在顧客，以及購買他不是特別經常購買的一種產品的顧客。

　　協作過濾系統如：WebWather， Let'sBrowse， Tapestry， GroupLens， Fab，Alexa， Firefly， SELECT， LikeMinds和Site-Seer等。他們利用用戶之間的相似性來過濾信息。協作性的推薦系統估計顧客對特定產品的偏好是根據顧客對該產品的偏好率以及其他顧客對同一產品的偏好率的比較來實現的。協作性的推薦系統與基于內容的推薦系統之間的主要區別是協作性的推薦系統通過跟蹤一組顧客過去的行為來給該組中的個別顧客提供建議。使用該方法，顧客現在就可以接受建議，而在基于內容的推薦系統中，只要具有相似意向的其他顧客的偏好，顧客就己經具有先前預測了。基于協作過濾系統的優點是能為用Web數據挖掘的研究及其在 網絡 學習個性化推薦中的應用戶發現的新的感興趣的信息，缺點是存在兩個很難解決的問題，一個是稀疏性，亦即在系統使用初期，由于系統資源還未獲得足夠多的評價，系統很難利用這些評價來發現相似的用戶;另一個是可擴展性，亦即隨著系統用戶和資源的增多，系統的性能會越來越低。協作性的過濾方法用來識別與既定客戶具有相似興趣的顧客，所推薦的產品也是這些給定客戶喜歡的產品。該方法的一個主要局限是稀疏問題。在基于協作過濾的推薦系統中，很難精確確定下相似客戶和識別要推薦的產品。不僅如此，系數問題的極端形式是first-rater問題，當市場引入一種新產品時，不存在可用的先前估計信息。

　　還有一些個性化服務系統如：WebSIFT， FAB， Anatagon-omy和Dynamic Profiler等，同時采用了基于內容過濾和協作過濾這兩種技術。結合這兩種過濾技術可以克服各自的一些缺點，為了克服協作過濾的稀疏性問題，可以利用用戶瀏覽過的資源內容預期用戶對其他資源的評價，這樣可以增加資源評價的密度，利用這些評價再進行協作過濾，從而提高協作過濾的性能。

　　近來，許多因特網公司還引進了有關信息產品的推薦系統，它包括Web站點推薦， 音樂 推薦，視頻推薦，書籍推薦等等(例如Amazon.com，以及CDNow.com等等)。因特網行銷代理機構運用推薦系統對某一廣告公司推薦用戶(例如Ac-tiveAgent Werbenetz。

　　Amazon.com通過將書籍推薦給已經購買過特定書籍的顧客實現個性化推薦的。Amazon.com.所推薦書籍概括的分為有兩種：小說書籍和非小說書籍。小說書籍的推薦很簡單，就是將同一作者的其它小說書籍推薦給特定用戶，這樣最終就將由該作者撰寫的相似類別的小說書籍推薦給了有相似背景的用戶。而非小說書籍的推薦將是將每個作者的相似類別的小說書籍推薦給了有相似背景的用戶。

　　五、 電子 商務推薦技術存在的問題和 發展 方向

　　綜合目前電子商務中個性化推薦系統的現狀可以看出，現存的個性化推薦系統技術大都是基于規則的系統，基于內容過濾的系統，以及協作過濾系統三種。而且，這些個性化推薦系統所運用的技術也僅僅限于基于內容的過濾，KNN(L- Nearest N Eighboring)技術，基于聚類的(Clustering-based)協作過濾，基于項目的(Item-based)協作過濾，序列模式，規則分析等等。由于這些推薦系統各自應用范圍的局限，而且都不同程度的需要人工參與，因而導致目前推薦系統的推薦精確度較低。不僅如此，大多數個性化推薦系統只是給用戶推薦一些不同類別的資源，這與普通的搜索引擎比較相似，而且對用戶正確行為的推薦卻比較少。

　　未來電子商務推薦技術研究的發展主要體現在以下幾個方面：

　　1.組合推薦技術的研究

　　眾所周知，現存的推薦技術已經得到推廣和應用，但各種技術都存在一些缺陷，能否將各種推薦技術融合起來作到取長補短是未來電子商務推薦技術研究的重要課題。

　　2.推薦技術準確度的研究

　　目前的推薦技術推薦的準確性還得不到保證，準確度的研究還局限在手工實驗階段，因此，研究出自動的準確性驗證理論模型就顯得非常重要。

　　3.數據獲取方面，主要還是依賴用戶的顯式評價，在自動獲得用戶的隱式信息方面做得不夠。

　　4.研究過于集中解決推薦算法性能的提高，對推薦系統的開發與應用，尤其是與 企業 其它系統的集成應用，在輔助企業的市場銷售，客戶管理和企業商務智能方面缺乏研究。

　　參考 文獻 ：

　　[1]Coo ley R， Mobasher B， Srivastava J. Data p repara2t ion fo r m ining wo rld w ide W eb brow sing pat terns.Journal of Know ledge and Info rmat ion System s， 1999(1) ： 230～241

　　[2]Goldberg D， Nichols D， Oki BM， Terry D. Using col-laborative filtering to weave an information tapestry. Communi-cations of the ACM， 1992，35(12)：61～70.

　　[3]Resnick and Varian.Recommendation systems Commu-nications of the ACM， 40(3)： 56 C58， 1997.98-122

　　[4]R.D.Lawrence，G.S.Almasi，V.Kotlyar，M.S.Viveros， S.S.Duri，Personalization of supermarket product recommenda-tions， IBM Research Rport，2000.43-75.

　　[5]鄧愛林，朱揚勇，施伯樂.基于項目評分預測的協同過濾推薦算法[J]. 軟件學報，2003，(9) .

　　[6]曾春，邢春曉，周立柱.個性化服務技術綜述[J].軟件學報，2002，(10).

　　[7]趙亮，胡乃靜，張守志.個性化推薦算法設計[J]. 計算 機研究與發展，2002，(8).

　　電子商務系統科技論文參考篇2

　　電子商務系統設計初探

　　[摘 要] 本文介紹了電子商務系統的構成和電子商務系統的設計原則，并對電子商務系統設計的基本內容進行了較為深入的探討。

　　[關鍵詞] 電子商務 電子商務系統 電子商務系統設計

　　一、電子商務系統

　　1.電子商務。電子商務(EC，Electronic Commerce)是利用電子數據交換(EDI，Electronic Data Interchange)、電子郵件、電子資金轉帳及Internet的主要技術在個人間、企業間和國家間進行無紙化的業務信息的交換。通過簡單、快捷、低成本的電子通信方式，買賣雙方互不謀面地進行的各種商務活動。由于電子商務擁有巨大的商機，從傳統產業到專業網站都對開展電子商務有著十分濃厚的興趣，電子商務熱潮已經在全世界范圍內興起。

　　2.電子商務系統。電子商務系統是支持企業完成電子商務全部業務的系統，涉及到企業的各個方面，是一個綜合的系統，不同類型企業的電子商務因業務要求不同而對電子商務系統的要求也有較大差異。電子商務系統主要有企業內部信息系統(Intranet)、電子商務基礎平臺、電子商務服務平臺、電子商務應用系統、電子商務應用表達平臺和安全保障環境六個部分組成。

　　二、電子商務系統的設計

　　電子商務系統設計的主要任務是從電子商務系統的總體目標出發，根據系統規劃和分析階段產生的文檔，考慮到技術、經濟和系統實現的內外環境和主客觀等方面的條件，確定電子商務系統的總體結構和系統各組成部分的技術方案，合理地選擇計算機和通信的軟硬件設備，以確保電子商務系統的總體目標實現。

　　1.電子商務系統的設計原則。(1)技術的先進性。電子商務系統的設計技術發展十分迅猛，先進的技術在電子商務中占有十分重要的地位，電子商務系統的競爭力與技術的先進性密切相關，電子商務系統設計應采用最新的技術成果、立足先進的技術，從而使系統有較高的技術起點。(2)系統的兼容性。很多企業目前都已經完成企業信息化建設，并產生了較好的經濟效益。電子商務系統良好的兼容性可以使電子商務企業有效地利用現有的資源、設備和信息，發揮其功能，最大限度地節約企業投資成本，更大程度上實現企業信息的增值。(3)系統的安全性。電子商務系統的安全主要是通過技術手段確保主機、網絡設備、存儲設備等物流實體的安全和交易過程中的信息安全。(4)系統的開放性。電子商務系統良好的開放性可以有利于電子商務的獨立運轉。

　　2.電子商務系統運行平臺的選擇與設計。系統平臺的設計主要包括計算機硬件、計算機網絡環境、網絡通信設備和其他輔助設備、計算機軟件的設計和選擇。(1)計算機硬件。計算機硬件的選擇包括服務器設備、網絡設備和信息存儲設備等的選擇。服務器的性能直接決定電子商務系統的處理能力。網絡設備主要用于電子商務系統局域網建設、電子商務系統和Internet的聯接。電子商務服務訪問速度的快慢與網絡設備密切相關。(2)網絡基礎環境。計算機網絡是電子商務的重要組成部分。通過計算機網絡來實現系統內外信息傳遞和共享。電子商務系統的網絡基礎環境包括Internet、Intranet和Extranet三個部分。其中Internet部分是企業電子商務系統的用戶訪問通道。(3)計算機軟件。電子商務系統的靈魂是計算機軟件。電子商務系統的軟件平臺的選擇與設計主要有網絡操作系統、Web服務器軟件和中間件軟件等。軟件的選擇主要從功能、適用性、軟件之間的配合能力等方面加以考慮。

　　3.電子商務系統支持平臺的設計。電子商務系統支持平臺設計主要涉及供應鏈管理(SCM，Supply Chain Management)、客戶關系管理(CRM，Customer Relation Management)和企業資源計劃(ERP，Enterprise Resource Planning)等信息系統的設計。(1)供應鏈管理。供應鏈管理主要由采購管理、產品管理、庫存管理、銷售管理、銷售機構管理、客戶關系管理、預算管理、信息管理和系統管理等功能模塊組成。(2)客戶關系管理。客戶關系管理軟件系統可劃分為接觸活動、業務功能和數據庫三個組成部分。(3)企業資源計劃。企業資源計劃系統的管理模塊主要包括生產控制(計劃、制造)、物流管理(分銷、采購、庫存)、財務管理(會計核算、賬務管理)和人力資源管理等四個方面的內容。

　　4.電子商務應用軟件設計。電子商務應用軟件系統的設計分為數據庫設計和應用軟件的設計兩個方面。(1)模塊設計與子系統劃分。模塊是執行一個定義功能的計算機程序的可確定的部件，是構成系統構架的主要部件，是可執行的實體。根據數據流程圖轉換而來的模塊結構圖的劃分是基于層次結構的，要求模塊間的耦合度小，模塊自身的內聚度大。(2)數據流程設計。模塊結構圖僅僅提供了程序內部的結構，模塊內部數據流程和邏輯也需要設計。模塊算法設計的方法主要有程序流程圖、結構化語言和偽碼等三種。(3)代碼設計。以數字或字符來代表各種客觀實體謂之代碼。一個好的代碼設計方案對于系統的開發工作是一件重要的事情，可以使很多機器處理變得很方便，而且可以把計算機現在很難處理的工作變得較為簡單。(4)數據庫設計。通過大量的數據獲得開展電子商務活動所需要的信息是電子商務系統的一項主要任務，因而必須存儲和管理大量的數據。因此建立一個良好的數據組織結構和數據庫，使整個系統可以迅速、準確、方便地調用和管理所需的數據，是電子商務系統開發工作好壞的主要衡量指標之一。

　　數據組織結構和數據庫設計，就是要根據數據的用途不同、統計渠道、使用要求和安全可靠性來決定數據的整體組織形式，并決定數據的結構、類別、組織方式和保密級別等問題。一個好的數據組織結構和數據庫要充分滿足組織的各級管理要求，并應該使得后續系統開發方便、快捷，易于維護和管理。

　　5.控制、輸入和輸出的設計。控制、輸入和輸出的設計包括完整性控制、系統輸入設計和輸出設計。(1)完整性控制。完整性控制是建立在系統內的機制和過程，用于確保系統和系統內信息的安全。系統完整性控制由系統訪問控制、輸入完整性控制和輸出完整性控制等三部分組成。(2)系統輸入設計。系統輸入設計的目的是輸入新的無錯誤的數據到系統，或用無錯誤的數據更新系統數據信息。一是要確定用于輸入的設備或方式;二是要設計輸入格式。(3)系統輸出設計。系統輸出設計在系統設計中占有很重要的地位，因為只有通過輸出用戶才能使用計算機系統對數據加工處理的結果。及時、準確地輸出各種信息，是電子商務開發的最終目標。一要設計輸出方式;二要確定輸出信息的內容;三要保護輸出信息;四要設計報表的原型。

　　參考文獻：

　　[1]林 強 黃云森:電子商務基礎教程.北京：人民郵電出版社，2005.10

　　[2]鐘 強 章建新:電子商務概論.北京：清華大學出版社，2003.7

　　[3]駱正華:電子商務系統規劃與設計.北京：清華大學出版社，2006.11