商品特征论文

商品特征论文（共6篇）

商品特征论文 篇1

0引言

随着互联网信息的海量增长,一方面用户很难从海量信息中发现自己真正所需的信息;另一方面也使得大量少人问津的信息成为网络中的“暗信息”,无法被一般用户获取[1]。推荐系统[2,3,4]作为互联网信息和用户快速连接的一种工具,可以帮助用户方便获取感兴趣的信息。推荐系统技术的出现,使用户不再是被动的网页浏览者,而成为信息获取的主动参与者[5]。推荐系统的核心思想是从海量的用户历史行为数据中分析出与用户兴趣相关的物品信息,并向用户进行推荐。推荐系统在电子商务领域应用非常广泛,如淘宝、京东、亚马逊等大型网站均有应用。亚马逊的购书推荐系统,可根据用户的购买情况,向用户推荐相关书籍;360浏览器的“猜你喜欢”功能,可根据用户的点击情况,向用户推荐相关信息等。

目前,对于推荐系统还没有明确的分类体系,本文对推荐系统作如下划分:1根据算法原理,分为基于协同过滤算法的推荐、基于内容的推荐、基于关联规则的推荐、基于知识的推荐、混合推荐;2根据应用场景,分为电子商务应用中的推荐、社交好友的推荐、信息内容的推荐;3根据使用的分析数据,分为基于用户行为数据的推荐、基于标签的推荐、基于上下文信息的推荐、基于社交网络的推荐。

随着互联网络的发展和大数据浪潮兴起,人们逐渐意识到推荐引擎的重要性,好的推荐系统能够充分挖掘隐含在大数据中的信息,帮助用户迅速获得所需信息,提高信息查询效率,改善用户体验,同时方便为企业推销产品。目前,apachemahout推荐系统平台,可以帮助开发人员快速搭建推荐系统。

1传统推荐算法

1.1协同过滤算法

协同过滤算法是目前应用最为广泛的个性化推荐技术[6,7],其中Grundy被认为是第一个投入应用的协同过滤系统[8]。协同过滤算法主要有两种:基于用户的协同过滤和基于物品的协同过滤。基于用户协同过滤的基本思想是在大量的用户中挖掘出和目标用户具有相同兴趣的用户,作为目标用户的近邻,根据近邻与目标用户的相似度,预测目标用户对目标物品的喜爱程度,根据最终计算结果排序,将评分较高的物品推荐给用户。基于物品的协同过滤的基本思想是:如大量用 户对两个 物品的评 分非常相近,则两个物品是相似的,先计算出物品之间的相似性,再找出近邻物品,结合用户对近邻物品的评分计算出对当前物品的评分。基于物品的协同过滤算法分为两步:1计算物品之间的相似度;2根据物品的相似度和用户的历史行为生成推荐列表[9]。

1.2相似度计算方法

协同过滤中,由用户的历史评分记录生成用户评分矩阵Rm*n,根据Rm*n计算用户相似度以及物品的相似度,相似度计算在协同过滤中非常关键,可以提高准确度。

协同过滤算法中常用的相似性度量方法有余弦相似性、皮尔森相似度、修正余弦相似性等。

余弦相似性的计算将用户评分看作n维空间中的向量,计算向量之间的夹角余弦度量相似性的大小:

其中,u,v为两个用户的评分向量。

皮尔森相似性是在两个用户共同评分的项目集上,使用用户的评分进行相似度计算:

其中,Ru,i代表用户u对物品i的评分;Ru.avg代表用户u评分的平均值;S代表用户u,v评分的项目集。

修正余弦相似性也是依据用户评分计算相似度:

其中,Ru,i代表用户u对物品i的评分;Ru.avg代表用户u评分的平均值;S代表用户u,v共同评分的项目集合;S1代表用户u评分的项目集合;S2代表用户v评分的项目集合。

1.3预测评分方法研究

使用近邻用户的评分数据,或者近邻物品的得分,采用相似度加权方法计算用户对目标物品的评分值。计算如下:

sim(u,v)代表用户的相似度;Pv,j代表近邻用户v对物品j的评分;Ru.avg用户u评分的平均值。

近邻物品得分的计算方法如下:

sim(i,j)代表物品的相似度;Pu,j代表用户u对物品j的评分;Rj.avg为用户得分的平均值。

本文在以上传统协同过滤算法的基础上,提出改进的协同过滤算法。

2基于用户特征和商品特征的组合协同过滤算法

在协同过滤算法中,用户和商品相似度的计算是非常重要的步骤,精确的近邻计算结果可以提高信息推荐的准确度。传统协同过滤仅依据用户评分的历史记录进行相似度计算,没有考虑用户和商品本身的特征。本文提出一种新的相似度计算方法,能改善相似度的计算结果。

2.1基于用户特征的相似度计算

网站注册中一般会 要求用户 填写基本 信息,例如年龄、性别、学历、职业等。本文将用户属性特征信息融入相似度计算,根据采用数据集,考虑用户的性别、年龄、职业信息。

(1)性别特征。不同性别的用户对商品的需求是不同的,性别相似度度量计算公式为:

(2)年龄特征。不 同年龄段 的用户对 商品的需 求不同,年龄相似度度量计算公式为:

本文认为年龄差距在10岁以内的用户兴趣相近,其它年龄差距按公式进行度量。

(3)职业特征。不同职业的用户对商品的需求不同,职业相似度度量计算公式为:

用户特征相似度计算公式为:

其中a,b分别为性别特征和年龄特征所占权重,可根据具体情况,结合传统协同过滤算法反复实验获得适当的权重。

用户相似度计算公式为:

其中,SimMatrix(u,v)为根据用户评分矩阵计算的相似度结果;c,d分别为两种相似度计算所占权重,具体数值可结合传统协同过滤算法反复实验获得。

2.2基于物品特征的相似度计算

将物品分类信息融入商品相似度计算中,由于每个商品可以属于多个不同的类别,以测试数据集movelens中的数据分类为例,电影类别数目一定,一部电影属于某个类别,则该类别属性的值设为1,否则类别属性设为0。根据类别属性值产生一个类别向量,通过计算类别向量在n维空间的夹角余弦来计算商品之间的特征相似度。

假设商品i的类别向量为→i,商品j的类别向量为→j,则商品i,j之间的相似度计算公式:

物品相似度计算公式为:

其中,SimMatrix(i,j)为根据物品得分矩阵计算的相似度结果;Sparse=对i,j评分用户的交集/i,j评分用户的并集,为用户评分的稀疏度;e,f为两种相似度计算所占权重,具体数值可通过结 合传统协 同过滤算 法反复实 验获得。

2.3组合推荐算法

通过计算相似度得到近邻用户和近邻商品,传统评分预测计算方法采用上文所述相似度加权方法。本文提出的计算方法基于物品的计算方法和基于用户的计算方法进行组合,计算公式如下:

其中,α=相似物品数/设定的物品近邻数;β=(设定的物品近邻数-计算出的相似物品数)/设定的物品近邻数。

上述组合评分计算,弥补了由 于数据稀 疏性即物 品多、评分少带来的近邻数目不足的问题,改善推荐计算结果。

3实验设计与结果分析

将基于物品的协同过滤算法,基于用户的协同过滤算法和本文提出的改进算法的实验结果进行对比。

3.1实验数据集

验证实验所采用的数据集为MovieLens网站的电影评分数据ml-100k,MovieLens由GroupLens项目组创办,是一个以研究为目的的实验性站点。ml-100k数据集包括用户属性信息文件u.user,用户评分数据文件u.base,u.test,电影信息文件u.item等。该数据集包含10万条用户评分记录,943位用户,1682部电影,每个用户至少对20部电影进行了评分。

3.2实验度量指标

本实验结果的度量标准采用平均绝对误差MAE。通过计算算法预测评分和实际用户评分的偏差大小来度量算法的预测准确性。MAE计算公式如下:

其中,Pi为预测用户品分;qi为用户实 际评分;N为评分用户数目。

3.3实验结果

结合传统协同过滤算法进行反复试验,确定计算公式中权重估计值:

a=0.5,b=0.2,c=0.7,d=0.3,e=0.8,f=0.2。在上述权重值下进行基于用户协同过滤,基于物品协同过滤及基于用户特征和商 品特征的 组合协同 过滤算法 试验。实验结果如图1所示。

由实验结果可以看出,结合用户属性特征和商品分类属性特征的组合协同过滤算法在不同的近邻数目取值下,度量指标平均绝对误差比传统的基于用户的协同过滤和基于物品的协同过滤低。可以看出,本文算法提高了推荐的准确度。

4结语

本文将用户属性特征融入用户相似性计算,将商品分类特征融入商品相似性计算,改进了相似度计算方法,并将两种预测评分方法进行组合,一定程度上减少了数据稀疏性带来的问题。由实验结果可以看出,改进的算法提高了推荐精度。下一步研究需将该算法应用在其它推荐场景中,不局限于实验所采用的数据。

摘要：协同过滤算法在电子商务网站推荐系统中的应用非常广泛,其通过分析大量用户的历史行为数据,挖掘用户的兴趣,向用户推荐合适的物品。然而,协同过滤算法存在数据稀疏性问题。针对该问题,提出一种基于用户特征和商品特征的组合协同过滤推荐算法。通过用户基本属性特征、物品分类属性特征以及用户的历史评分记录,计算用户的相似性和物品的相似性,获得近邻用户和相似物品;依据改进的基于物品协同过滤和基于用户协同过滤组合推荐算法,为项目进行评分。实验表明,该方法能降低预测结果的平均绝对误差,提高推荐精度。

关键词：协同过滤,属性特征,数据稀疏性,平均绝对误差

商品特征论文 篇2

1、标的物在法律上呈现出复杂的形态。交易的房屋既可能是已建好的房屋，也可能是尚未竣工的房屋，而且还包括建筑物和小区的公用设施、设备的所有权或使用权。

2、标的物所有权的转移以登记为成立条件。我国《合同法》第一百三十三条规定，标的物的所有权自标的物交付时起转移，但法律另有规定或者当事人另有约定的除外。《物权法》第九条规定，不动产物权的设立、变更、转让和消灭，经依法登记，发生效力;未经登记，不发生效力，但法律另有规定的除外。

旅游商品:概念·范畴·特征 篇3

一、国内外学者关于旅游商品概念的定义

1、旅游商品概念的几种典型定义

国际上相关旅游企业和组织机构也曾对旅游商品的概念和范畴做出解释。世界旅游组织对旅游购物支出的定义是“旅游者做准备或者在旅途中购买的物品 (不包括服务和餐饮) 的花费”, 其中包括衣服、工具、纪念品、珠宝、报刊书籍、音像资料、美容及个人物品、药品等。不包括任何一类游客出于商业目的而进行的购买, 即为了转卖而做的购买。韩国观光公社在研究旅游购物时, 指出购物的对象和范围除了以传统的生产方式利用国内生产资料所生产出来的土特产、工艺品和旅游纪念品等之外, 还包括各种各样的日常用品。从这两种解释我们可以得知旅游纪念品、旅游工艺品都只是旅游商品内涵的一部分。

上世纪90年代以来, 国内众多学者对旅游商品概念做了深入探讨。我们列举了部分学者的观点 (见表1) 。

2、旅游商品概念的争议

(1) 旅游商品是否包含无形服务

学者对旅游商品是有形的实物产品, 是“以物质形态存在的实物”已基本达成共识。但仍有部分学者 (张爱国, 1990;王克坚, 1991;田里, 1994) 指出旅游商品还应该包含旅游者旅游活动中所需的服务。

(2) 旅游商品的购买是否只发生在旅游活动过程中

旅游商品是否只包含在旅游途中购买的商品?表1中认为旅游商品只包括在旅游活动中购买的商品的学者有陶汉军 (1994) 、李艳 (2001) 、陈胜容 (2006) ;认为旅游商品是在旅游准备阶段和旅游活动过程中购买的商品的学者有张文详 (1992) 、田伦 (1998) 、张文敏 (2000) 、刘敦荣 (2002) ;苗学玲 (2004) 、钟志平 (2005) 则认为旅游商品是因旅游或旅游活动而产生的购买, 指出在旅游准备阶段所购买的实物商品也应该包括在内。

(3) 旅游商品是否包含生活日用品

从表1中我们可以看出, 关于旅游商品是否包含日常生活用品这个问题存在三种不同的观点。第一种观点是明确指出旅游商品包含日常生活用品, 比如学者李艳 (2001) 、刘敦荣 (2002) 的定义就直接将旅游日用品列入其中。第二种观点是大多数学者的观点, 他们在对旅游商品定义时, 既没有将生活日用品归入旅游商品, 也没有明确将其排除。第三种观点认为, 旅游商品“不包含维持旅游活动所必需的生活用品”, 如陈胜容 (2006) 。

(4) 旅游商品与一般商品的区别是否只在消费主体

张文敏 (2000) 认为“旅游商品是针对旅游者设计的”。而大多数学者认为旅游者购买的商品即为旅游商品, 其购买目的可能是由于某些商品具有地方特色或价格优势或旅游活动必需。同一种商品既可以是旅游商品, 也可以不是旅游商品, 关键在于其消费主体与购买目的。

二、旅游商品概念的重新界定

1、旅游商品概念与内涵的重新界定

综合以上分析, 借鉴学者和相关旅游机构对旅游商品的描述, 我们将重新界定旅游商品的概念, 以明确旅游商品的概念内涵和外延。我们认为旅游商品是旅游者在旅游准备阶段、旅游过程中以及旅游结束返程途中出于非商业和非投资目的而购买的、以旅游用品和旅游纪念品为主体的一切实物商品。这个新定义具有以下几个特点:

(1) 旅游商品的购买者一定是旅游者。言外之意是当地居民出于目的购买的当地旅游纪念品不能纳入旅游商品统计之中。而且该定义将旅游者的旅游购物行为的时间延伸到启程前和返程途中, 空间扩展到居住地。

(2) 该定义借鉴了世界旅游组织对旅游购物品的规定, 强调了旅游商品购买动机的非商业性和非投资性。这也与现实情况相符合。旅游者出游为的是体验快乐, 寻求愉悦, 他们购买旅游商品是为更好地达到这种目的或者是为他们快乐经历留下回忆的空间。

(3) 该定义指出, 旅游商品是以旅游用品和旅游纪念品为主体的一切实物商品。第一, 将旅游商品规定为实物商品, 区别于以无形服务为主的旅游产品;第二, 把旅游用品和旅游纪念品作为旅游商品的主体部分, 暗指旅游商品还包括其他部分, 如旅游者旅游过程中的生活日常用品以及免税商品 (Dutyfree) 。这里, 旅游用品是指为旅游而准备的物品, 如旅游专用鞋、野营工具之类。旅游纪念品主要包括旅游工艺品、土特产品、旅游服务用品和旅游食品。

(4) 该定义中没有指明旅游商品的文化要素。笔者认为, 旅游商品的核心部分——旅游纪念品, 是富有浓厚的地方特色和文化内涵的。而旅游用品、日常用品和免税商品一般都不具备地域性和文化性。旅游者购买这些商品是出于旅游活动需要或商品具有价格优惠。

2、旅游商品的基本特征

(1) 宣传性。旅游商品的宣传性是指以旅游纪念品为核心的旅游商品具有宣传旅游目的地, 吸引更多潜在旅游者来访的功能。旅游商品具有特色性, 往往能成为一个旅游目的地的象征。旅游者购买当地的旅游商品, 并将之带回居住地。在他们与亲戚朋友交流旅游经历时, 起到了宣传目的地的效果。

(2) 经济性。经济性是旅游商品的应有之意。对旅游者来讲, 旅游者购买旅游商品除旅游商品具有纪念意义外, 还可能是因为旅游商品相对较低的价格 (旅游商品的生产大多使用当地富足的原料) 。对旅游目的地来讲, 发展旅游商品市场有利于活跃当地旅游业。此外, 当地居民也能从旅游商品的销售中获得经济收入。

(3) 效用性。旅游商品同一般商品一样具有使用价值。旅游者或者出于满足旅游活动所需而购买旅游商品, 或者出于为旅游经历留下回忆而购买, 使旅游者在物质上和精神上同时得到满足。因此, 旅游商品具有很强的效用性。

三、结论与讨论

本文在分析学者们关于旅游商品的概念后, 对旅游商品进行了重新界定, 认为在时间上, 旅游商品的购买行为发生在旅游准备阶段、旅游过程中和旅游活动结束返程途中三个阶段;在内容上, 旅游商品的范畴包括旅游用品、日常用品、旅游纪念品和免税商品四个部分。在这个定义之下, 文章指出作为旅游商品应该具有宣传性、经济性、效用性、纪念性和便携性等特征。

旅游商品是一个由多种需求构成的整体, 具有较宽泛的内涵和复杂的外在联系。为了能更加准确地把握旅游商品内涵及其外延, 有必要对以下几个问题作进一步的探讨:

问题一:旅游商品就是旅游购物品吗?

对于什么是旅游购物品, 旅游购物品与旅游商品有何区别, 旅游购物品是否就是旅游商品等问题学者们很难有一致的观点。表1中, 田里 (1994) 认为旅游商品的内涵要更宽泛, 它包含旅游购物品;苗学玲 (2004) 认为旅游商品与旅游购物品的内涵是相同的, 它们的差异只在名称上;陈胜容 (2006) 指出, “旅游购物品”这一名称以“购”的行为作为界定特征, 即因旅游而购买的一切物品皆称旅游购物品。由于“购”这种行为的发生面太广, 从而产生是不是旅游组织机构、旅游企业因工作而购买的物品也属于旅游购物品的疑问。笔者认为, 旅游商品与旅游购物品的差别不仅仅体现在名称上, 在内涵上也是有所不同的。相比旅游商品, 旅游购物品则主要是指旅游者在整个旅游活动中和旅游返程途中购买的实物商品, 突出强调商品购买的异地性。

问题二:旅游商品没有边界吗?

旅游商品没有边界, 可以无限延伸吗?学者张凌云 (1990) 认为旅游商品是模糊的、边界不确定的和动态的集合。它是由众多不同实物商品构成的, 对于不同的旅游商品购买者这个构成体的内容有所不同。我们觉得, 这是一个“过程”与“结果”的问题。也就是说, 不是所有的商品都是旅游商品, 但所有的实物商品都可以成为旅游商品。只有满足了旅游商品的定义及特征的商品才可以列入旅游商品范畴。

问题三:旅游商品销售收入如何统计呢?

浅析宋代商品经济发展特征及原因 篇4

在宋代以前, 城市一般都为行政区的政治和经济中心, 在制度上严格遵循“坊市制”, 坊是一个行政管理单位, 代表市民居住的区, 市代表商业区, 坊和市之间有土城相隔, 当傍晚来临时, 市就关闭了。商业区的营业时间在宋代以前是要严格按照规定来实行的, 到了规定的时间, 城北、坊门就要立刻关闭。但是像开封等一些大城市则没有这样的规定, 他们商业区的营业时间延长至三更甚至四更, 甚至通宵, 出现了当时繁华夜市的景象。

1. 草市和镇市的兴起及区域性市场的形成和发展。

草市是宋代的标志性集市。它主要出现在城外、交通要道的路口或者是河渡等地, 是由群众自发组织形成的, 他们定期按干支排列出现在这些地点出售商品。这种形式的市集在南北方有着不同的叫法, 北方叫做草市, 岭南则叫做墟市。草市在宋代以前是不允许的, 属于非法经营, 它作为农村商品经济发展出来的产物, 虽然在五代期间被战乱冲击的四分五散, 但是在数量上依然有所发展。在前文中提到的镇市, 在宋代期间发展的十分迅速, 作为商业和手工业发展地, 镇市在规模和数量上都处于上升的趋势。镇市是城市和草市之间的媒介, 将农村与城市联系了起来, 起到了促进物资交流和商品交换的积极作用。

2. 同业行会组织的形成。

随着商品经济的不断发展, 宋朝时期出现了行会, 它是商品经济发展的产物, 它形成的原因主要有两方面。一是, 随着坊市制的消失, 政府为了加强对自由散漫的商品或铺进行规划管理, 便出台了相关政策, 要求工商业者按所属行业组织起来;二是, 随着人口的不断增加, 商品经济的繁荣度越来越高, 一方面促进了商品经济的发展, 另一方也带来了激烈的竞争, 为了保护自身利益, 也在一定程度上促使工商业者促组织形成了行会。

3. 纸币的发行和金属货币的流通。

北宋期间主要的通货是铜钱, 但是继五代以来, 宋朝延续了将金银铸成为金银钱的做法, 这使得金银作为货币的职能, 在流通方面对商业的发展起到了很大的促进作用。北宋时期的经济发展程度要比唐代高出几倍到十几倍, 所以在铜钱的铸造额上也大大超出, 这在侧面也反映出了宋代经济的发展程度。

二、宋代商品经济发展的原因

1. 从生产的角度看。

从生产角度来看, 农业和手工业作为生产发展和商业繁华的基础条件, 它们的发展程度在很大程度上决定着商品经济的发展。宋代时期, 农业发展迅速, 田地面积的增扩、农业工具的改良和耕种技术的提升都徐进了当时农业产量的增加, 所以当时的平均亩产大都稳定在两石上下, 是唐朝的最高产量。相比于农业, 手工业虽然没有进展那么快, 但是也有了很大发展。煤炭从北宋开始便得到了广泛的开采和应用, 这促进了当时冶炼和陶瓷烧制的发展, 冶炼技术的提高不仅促进了货币供应增加, 同时还促进了农业用具的进步。

2. 从消费的角度看。

唐代时期, 土地兼并盛行, 致使很多农民成为近似农奴的身份, 到了五代时期, 土地兼并稍有缓解, 政府还采取了一定措施, 所以很多农民成为佃农或自耕农, 等到了宋朝期间, 租佃契约关系盛行发展, 所以不管是地主也好, 主客户也罢, 都不能像庄园时代自给自足的生活。同时, 兵制制度的改变, 在一定程度上也促进了市场的消费。人口的不断增加大大促进了市场中的消费。宋朝与周边民族在商品经济上的往来没有因为战事而中断, 国外对瓷器、丝织品、铜钱、茶叶和工艺品等商品的需求也在逐渐增加, 这些都在不同程度上促进了宋朝商品经济的繁荣发展。

3. 从交通的角度看。

交通是经济发展的必要条件, 宋代在交通方面的最主要变化便是航海事业的兴起。宋代的造船技术和航海技术都有所进步, 并且当时已经能够利用指南针辨来识别方向, 并且在航线上已经由交广闽浙江淮扩至密州, 这都给商品经济的发展带来了交通上的便利。据相关资料查证, 宋代期间沿海通商口多达十多处, 而唐代仅有两处。并且在海外航程上宋代相比于唐代更加遥远了, 已延伸到江海口的亚丁和东非等国。同时在国内水运上, 开通了以京师为中心, 通往全国各地的水运路线。

4. 从政府的角度看。

中原和南方统一后, 国家政府采取的“强干弱枝”的措施。这一措施一改五代地区联系不便, 交通阻塞的局面, 不仅促进了当时农业和手工业的发展, 同时也给商业交流提供了稳定的环境。此外政府还实施了“守内虚外”的政策, 稳定国内安定的同时, 也保持了与周边民族的和平相处, 这对于相互之间的贸易往来十分有利。并且宋朝对商业的重视程度相比之前大大提高, 做了很多举动来促进商品经济的发展, 例如把坊市制度废除, 恢复货币的中介地位, 接办民间私营的交子铺并正式发行交子, 同时为了维护稳定商业的信用, 在广州和杭州等地设置了市舶司, 用来管理对外贸易以及和周边民族的贸易往来。政府对商品经济发展的重视, 极大程度促进了宋代期间经济的发展。

参考文献

[1]童盈, 付羡.浅谈宋代文化与经济[J].剑南文学:经典阅读, 2014, (1) .

商品特征论文 篇5

关键词：实时推荐系统,R语言,BP算法,FP-tree关联规则算法,商品时效

0 引言

近几年来,电子商务推荐系统发展迅速,个性化及多样化的推荐系统为企业带来了丰厚的利润。有研究表明,电子商务零售行业提供个性化推荐服务后,其销售额会提高2%~8%。目前推荐方式主要有:协同过滤推荐、基于内容的推荐、基于知识的推荐、混合推荐。随着大数据时代到来,数据量急剧增长以及用户多样性的需求对推荐系统的实时性提出了更高要求。因此,更有效、更多样性的实时推荐系统已成为电子商务领域研究的热点之一。

1 实时推荐相关技术

在提高电子商务推荐系统实时性的问题上,国内外专家学者研究出一些切实可行的解决方案,其中主要包括云计算技术、Cookie技术、站外广告推荐技术等。

1.1 基于云计算的实时推荐技术

国内著名的电子商务平台阿里云主要采用云计算推荐方式,它是基于先进的云计算系统,支持海量网页数据和用户行为数据的分析计算,从而可以在很短时间内完成对大量用户数据的分析及计算,从而达到实时推荐的目的。目前运用较多的基于云的实时推荐框架主要有Spark框架、Kiji框架和Storm框架3种[3]。一定程度上,这些框架都是通过缩短模型训练时间,从而提高实时推荐速度。

1.2 基于Cookies的实时推荐技术

基于Cookie的实时推荐是将Cookie技术与模式识别算法相结合,根据用户与相关站点、内容或服务互动时所提供的信息,实时捕捉用户兴趣偏好,然后在电子商务平台所有站点以及其它站点上显示以兴趣为基础的广告。亚马逊电子商务平台就使用了这种推荐方式,使得企业可以快速了解用户浏览了哪些广告、点击了哪些广告,以及追踪用户在各种站点上进行了哪些操作,以便收集用户的站点操作数据,并实时分析用户的兴趣偏好,为用户提供更有效的推荐。

1.3 站外广告推荐的实时推荐方式

随着Web2.0技术发展的成熟,许多电子商务网站都采用了站外广告推荐,它们采用将推荐广告投放到其它网站的方式进行实时推荐,当用户浏览某门户网站时,会发现网站上投放的广告会是不久前搜索过的商品。这种推荐方式使用户浏览网站的同时可以点击了解自己心仪的商品详情,这样做既符合用户心理,又可提高商家的销售额。

1.4 存在的问题

综合以上3种实时推荐方式发现:云推荐系统搭建成本很高;基于Cookies技术推荐方式存在较大的用户隐私泄漏风险;基于站外广告投放的实时推荐方式,相对而言其成本较低,运用也很广泛,但目前该平台是基于社会广告的投放方式,在推荐时根据用户搜索过的商品进行实时推荐,会造成推荐浪费,即:用户通过推荐购买了推荐的商品,下次仍出现相似甚至相同商品的推荐,但对于一些商品,用户在短时间内,一般不会购买同样商品,而更愿意看到更多样化的商品实时推荐。

2 系统框架

为解决实时推荐系统推荐效率不高、推荐商品多样性不强,造成企业推荐成本浪费并影响用户满意度的问题,本文重点对用户历史行为数据进行研究,运用挖掘算法挖掘用户购物商品的特征属性,根据每位用户对应的商品特征属性集合,为用户制定个性化的实时推荐。本文所设计的推荐系统主要创新点就在于可以追踪用户在一段时间内所购买商品的特征属性,为用户制定更有效、更多样的商品实时推荐。推荐系统框架如图1所示。

如图1所示,本文设计的个性化实时推荐系统框架主要包括以下3个部分:数据预处理、数据挖掘、实时推荐,其中实时推荐是推荐系统的核心部分。本文采用基于FP-Tree关联规则的推荐模型[4],并在其基础上提出建立商品时序推荐模型,根据商品的特征属性设定主动推荐商品的时序。例如,对于服装类商品,用户在购买搜索过的商品后,通常在很短时间内不会重新购买类似产品,此时可将此类商品推荐时效后延,保证推荐的多样性和新颖性。

3 系统实现

3.1 数据预处理

本文运用R语言工具对收集的输入数据进行预处理,R语言是一个用于统计计算和统计制图的优秀工具,具有一套完整的数据处理、计算和制图软件系统。对用户购买商品的历史表格进行统计,按照用户ID统计购买对应的商品信息,然后对数据进行筛选,检查数据类型是否统一,是否存在明显的数据错误。另外,从服务器上收集的Web日志数据也同样需要进行处理,一般Web数据预处理主要包括数据融合与清理、用户识别、交互识别、路径完善阶段。

3.2 基于商品特征属性的数据挖掘

通过以上两个阶段的数据预处理,“脏数据”已基本被清理干净。利用电商平台提供的商品分类表及商品对应的属性编码库,整理并统计出每位用户在最近一段时间的购物情况表,然后运用数据挖掘方法探究商品的哪些属性影响用户购买行为。本文主要采用BP神经网络算法对数据进行训练并挖掘出商品属性中影响用户购买行为的特征属性。

现假设用户集合为Q={q1,q2,q3…qi},其中qi表示第i个用户的属性集合;商品集合为X={X1,X2,X3…Xi},其中Xi表示第i种商品的属性集合,每种商品具有相应的属性值,用xij表示第i种商品的第j个属性编码值;用0、1标记已购买和未购买两种行为,则yi={0,1}。本文随机抽取了一部分用户历史购物情况数据,其中包括一定量的正例和反例两种样本数据。

神经网络模型结构主要包括:节点输出模型、作用函数模型、误差计算模型、自学习模型。其中,作用函数模型:反映下层输入对上层节点刺激脉冲强度;自学习模型:Δwij(n+1)=h*δi*oj+a*Δwij(n),h为学习因子,δi为输出节点i的计算误差,oj为输出节点的计算输出,a为动量因子。

运用以上模型训练数据后,可挖掘出商品属性集合中有几种属性对用户购买行为发生的权重较大,将这些权重较大的属性提取出来即为特定用户偏好的商品属性,即商品特征属性。当然每位用户因为购买的商品不同,其商品特征属性也是不相同的,因此针对不同的用户,需不断通过神经网络模型来挖掘其特征属性集合。

3.3 基于商品特征属性的实时推荐

假设提取商品的特征属性值的集合为P{p1,p2,p3…pi},从每位用户对应的商品特征属性集合,就可基本掌握该用户的购物偏好。例如,商品特征属性中若包括单价,则该用户购买商品时应比较看重商品单价这一因素,可根据其购买商品的平均价格为其进行实时推荐。本文通过对挖掘出的商品的特征属性集合进行研究,根据相关文献提出建立基于商品特征属性的关联规则模型及基于商品时效属性的推荐模型。

3.3.1 基于商品特征属性关联规则的推荐模型

基于关联规则的推荐模型也属于经典的推荐算法之一,其主要优点在于可以提高推荐结果的多样性。将这一算法运用于探索商品的特征属性集合的关联规则,可为用户提供更为精准多样的推荐,提高用户满意度。

已知用户所购商品的特征属性值的集合为P{p1,p2,p3…pi},则可结合用户购物情况表,可提取出用户所偏爱购买的商品记录。假设存在如下购物记录{a,b,c,d;a,b,c;d,e;a,c,d,e;e,f;d,f;a,b,c,d,e,f},运用FP-tree关联规则算法进行频繁项集的搜索,首先对数据库扫描一遍,将其中的频集按照关联的方式生成一棵频繁模式树(FP-tree),随后将其划分,形成若干条件库,每个库都和长度为1的频集相关,最后分别对具体的条件库实行挖掘。在用户购物时,该关联规则推荐模型可为用户推荐其感兴趣的产品及其相关产品,提高实时推荐的多样性,从而进一步提高用户满意度,达到留住客户的目的。

3.3.2 基于商品特征属性的时序推荐模型

为提高实时推荐效率,在基于商品特征属性关联规则的推荐模型上,考虑商品属性的时效性。商品时效是指商品可被使用的一般时长或者为用户对某种商品的喜好时长。根据一般购物经验,用户在接受某个商品推荐后即购买该产品,短时间内若系统多次向其推荐相同或相似商品,则用户购买的兴趣度会大打折扣,甚至可能会拒绝推荐,从而影响实时推荐效率。

本文主要以电子商务领域中涉及到的衣、食、用为研究对象。不同类别的商品所对应商品的时效不同,因此本文在商品属性关联规则推荐的基础上,提出建立基于商品特征属性的时序推荐模型。假设挖掘出涉及衣、食、用这3个方面的商品类别属性集合分别为N{n1,n2,n3…ni}、M{m1,m2,m3…mi}、O{o1,o2,o3…oi},设推荐时效权重值集合为Wj={w1,w2,w3…wi}。

本文结合一定的统计信息及相关的专业领域知识,为商品设定以下几条时序规则:(1)在用户可接受价格的范围内,畅销类品牌的食品、服饰、日用品优先推荐,即在进行关联规则推荐时,为这类商品及其相关商品设定较大的权重值Max{wi},使其排序靠前;(2)对于用户在短时间内购买过的食品,可根据其含量及专家建议食用意见,给予定时推荐,即实时推荐,时间间隔T一定,T值大小由商品用途及含量决定;(3)对于用户购买过的同类服饰,可在一定时间内不予推荐,即推荐时权重值设定得较小或直接滤过,另可结合当前用户所在地区的天气情况,给予每日主动推荐;(4)与人类健康有关的用品,结合领域专家的意见定时推荐,如内衣、牙刷、抹布等。

这些商品时效推荐规则构成了商品时效推荐模型,在搭建好实时推荐平台后,运用这一模型可为用户带来专属的个性化实时推荐。

4 结语

本文通过研究用户购买商品的数据,提取出商品的特征属性,并将其作为主要研究对象,探索用户购买商品的偏好,提出建立基于商品特征属性的个性化实时推荐系统框架,在一定程度上可以有效捕捉用户的购物偏好,并可为用户提供推荐效率更高、多样性更加丰富的实时推荐,具有较强的智能性、实用性。但其也存在一些不足,主要表现在商品实时推荐模型中的规则很简洁,后续可深入研究。

参考文献

[1]ZAIANE.Building a recommender agent for e-leafing systems[C].2002International Conference on Computers in Education,2002:55-59.

[2]应毅,刘亚军,陈诚.基于云计算技术的个性化推荐系统[J].计算机工程与应用,2015(13):111-117.

[3]陈敏敏,王新春,黄奉线.Storm技术内幕与大数据实践[M].北京:人民邮电出版社,2015.

[4]卢健,刁雅静.Web日志挖掘中的数据预处理研究[J].江苏科技大学学报:自然科学版,2012(1):81-85.

[5]NORMAN MATLOFF.R语言编程艺术[M].陈堰平,邱怡轩,潘岚峰,等.译.北京:机械工业出版社,2013.

[6]刘华,张亚昕.基于FP-tree算法的推荐系统设计与实现[J].电子设计工程,2015(2):81-84.

[7]朱智林,左天军,牛淑龄.基于日志的脏数据检测与恢复[J].电子科技,2004(5):9-12.

[8]刘钊,蒋良孝.基于神经网络的数据挖掘研究[J].计算机工程与应用,2004(3):172-173,190.

[9]邓星,邓珍荣,许亮,等.基于用户潜在时效偏好的推荐算法[J].计算机应用研究,2016(9):1-6.

商品特征论文 篇6

一、传统定价方法

1. 成本导向定价法。这是一种通过计算开发成本和利润率来确定价格的方法。这种方法是从开发商角度来确定价格。

从住宅成本构成来看可以认为, 住宅商品房价格=土地取得成本+开发成本+管理费用+投资利息+销售税费+开发利润。由于长期以来商品房市场是一个卖方市场, 所以按照这种方法制定的价格也主要是为了满足卖方的利益, 不具有科学性。

2. 竞争导向定价法。

这是一种从市场竞争状况出发, 以企业的市场定位为基础, 为争取有利的竞争条件与地位, 以一定范围内同类产品的平均价格或者稍低于、稍高于平均价格的价格为商品房定价的方法。企业经营者可以根据自身条件和经营目标制定与竞争者相同的价格或比竞争者略高或略低的价格。竞争导向定价的一个显著特点就是并不坚持价格与成本或价格与需求的固定关系, 而侧重于关注竞争者的行动。因此, 这种定价方法只适用于在一定区域和一定时间范围内竞争者众多且无突出特色的项目。

3. 需求导向定价法。

这是一种以消费者需求变化及消费者心理作为定价的基本依据, 通过把握目标消费者的经济承受能力、消费心理等 (即要对购房者经济承受能力、购房者喜好、购房者来源进行详细的分析) , 有针对性地确定商品房价格的方法。需求导向定价法由于忽视了商品房成本, 价格的确定完全依赖于市场, 受国家政策和人群价值取向的影响较大, 导致其价格起伏较大。尤其是在一定区域市场本身价格普遍较高的情况下, 这种定价方法常常导致商品房价格虚高。

4. 混合定价法。

这是一种既考虑产品成本, 又兼顾市场竞争水平的定价方法。具体来说, 商品房售价考虑市场竞争水平, 但并不以此为准, 同时发挥开发商、中介商的主观能动性, 争取合理范围内的最大利润。该种方法比较复杂, 往往与开发商个人的决策及其对市场的理解有密切关系, 所以相对而言, 该方法并不是非常科学。

二、现代定价方法

相对传统定价方法而言, 现代定价方法主要是运用现代计算机软件进行大量的数据分析, 对房地产属性 (内部属性和外部属性) 进行整合, 最后确定价格。其中, 特征价格定价法作为现代定价方法的代表, 与传统定价方法相比具有先进性和科学性, 同时可以比较准确、合理地确定房地产价格。

1. 理论起源。

特征价格理论中“特征”的英文表示是“Hedonic”。“Hedonic”源于希腊文“Hedonikos”, 意为享乐的, 指的是消费产品或服务而得到的效用或者满足。在有关城市商品住宅价格的研究中, 就是住宅价格决定于房地产属性的系数值及其效用。特征价格模型是国外用来处理异质产品差异特征与产品价格之间关系时广泛应用的一种模型。最初特征价格模型并非应用于房地产领域, 而是主要应用于一些异质性商品 (如汽车、拖拉机、洗衣机等) 的定价策略。1967年, 里德科尔首次将特征价格理论应用到住宅市场, 分析住宅环境的改善对住宅价格的影响, 此时特征价格理论的基本框架已经基本形成。1972年, 兰开斯特的消费者理论和罗森的市场均衡模型奠定了特征价格定价法的理论基础, 为特征价格模型的应用拓展了空间。20世纪80年代以后, 特征价格模型得到了广泛应用。在对房地产价格的研究中, 更着重于关注某一特征对房地产价格的影响, 这些特征包括空气质量、社区的人口统计学特征、建筑年龄、风景、轻轨、机场噪声等等。此外, 对房地产价格指数的研究也比较多。

2. 理论定义。

特征价格理论认为商品房虽然不同质, 但组成这些不同质的元素是相同的, 区别只是元素量的不同。尽管不同区位上的住宅价格差异很大, 但住宅的同一属性的特征值却有着相同的价格, 通过集合多种属性特征, 分别乘以每种属性对应的价格, 可以求和确定该商品房的价格。

在运用该方法时, 假设整个城市构成了一个统一的住房市场, 每个消费者可以充分获取信息, 自由选择不同区位上的住房;每个消费者可以购买不同的商品房, 并为不同的商品房支付不同的价格。假设消费者获得的效用为住宅特征束 (Z) 和复合商品 (Y) 的函数, 消费者有固定的收入 (M) 。特征定价的主要目的在于反映购买者对不同住房特征的价值估算。在房地产市场出清的条件下, 由住宅的周边环境、结构特征和邻近特征等构成的住宅特征束决定的住宅价格函数为:

其中, i代表住宅特征要素。假设消费者选择了具有特征束 (Z) 的住宅, 其效用函数为:

其中, 消费者效用最大化的约束为:

对选择的不同特征束求最大化一阶条件:

上式给出了住宅特征束的边际价格, 表示在其他特征不变时, 该特征改变导致住宅价格的变化量。通过确定单个属性的价格, 对住宅属性进行系统的量化, 不同属性按照不同的计量方式、计量单位进行确定, 从而求得一个单位的属性价格, 得到某处住宅所对应的该属性的价格, 最后将各属性束求和, 得到商品房的整体价格。

3. 理论运用。

特征价格定价法近些年被越来越多的统计机构所接纳, 并被认为是最有前途的定价方法。由于国内的统计能力相对比较薄弱, 而进行特征价格定价需要进行大量的数据采集, 所以特征价格定价法在我国的发展还是比较缓慢。但是随着计算机技术和互联网的普及, 以及大量数据统计服务行业的出现, 部分城市已经具备了进行特征价格定价分析的基础。目前, 我国一些省市已经就特征价格定价法开展了学术性研究, 虽然采集的数据仍然有限, 但是其研究成果已经受到了很多部门的关注。

特征价格理论的应用具有一定的限制条件, 即必须在统一的市场环境中具有异质性的商品达到市场均衡时才可以使用。虽然目前无法全部满足上述条件, 但是其研究仍然具有很大的市场指导意义。随着我国城市商品住宅市场的发展, 统一的市场将会形成, 城市商品住宅市场供需失衡的情况也将会得到一定的缓解。

目前, 特征价格理论在具体应用过程中通常采用的函数形式包括三种, 即线性形式、对数形式、指数形式。具体如下:

其中, ai为特质商品所具有的特征量化值, Ci为特征参数, ε为修正值。

其中, ai为特质商品所具有的特征量化值, Ci为特征对数参数, ε为修正值。

其中, ai为特质商品所具有的特征量化值, Ci为特征指数参数, ε为修正值。

上述公式都已经通过反复检验, 经数据处理后得到了一些核心城市的商品房定价模型, 并通过实践证明其定价的准确性较高, 不仅可以反映出商品房比较真实的价格, 而且在价格一定的前提下, 可以分析消费者对住房特征的偏好程度, 同时可以测算出不同人群对住房特征的需求。

4. 理论拓展。

特征价格理论不是脱离了市场供需的纯商品理论, 而是在商品供需平衡的基本原理的基础上发展起来的, 消费者对商品特征属性的偏好及对商品品质的追求都可以通过模型参数的变化反映出来。

三、特征价格定价法的优劣势及其应用领域

与传统定价方法相比, 使用特征价格理论研究城市商品住宅价格, 具有很多独特的优势: (1) 特征价格理论全面考虑了影响城市商品住宅价格的各种因素。特征价格理论可以融合商品特征的因素和市场的因素综合考察商品的价值。在使用回归的方法拟合适当的特征价格模型时, 参数选择的灵活性大了很多, 从而可以包含更多的市场信息。如在不同的时点将市场变化因素引入模型中, 从而找出对商品房价格真正起控制作用的因素, 这样就能更为客观地对价格进行回归, 避免考虑问题的片面性。 (2) 特征价格理论可以多方位把握市场。特征价格理论可以全面考虑需求方和供给方的相互关系在商品房价格形成过程中的作用。供求双方都可以据此理论制定自己心目中的理想价格, 从而形成对市场的客观评价, 在议价过程中发挥作用。 (3) 特征价格模型可以及时适应市场的变化。特征价格模型能够根据实际需要进行调整。随着时间的变化, 各种因素在模型中的权重会发生变化, 适时做出调整能够有效地提高模型的实际操作性。

当然, 特征价格定价法也存在自己的劣势: (1) 特征价格模型的应用需要采集大量的数据, 对于一些二线城市, 其相应的数据统计机构还不是很健全, 数据统计资料不充分, 统计手段不先进, 势必会影响统计结果的准确性, 因此目前的模型应用主要是针对一些发展比较迅速的城市。 (2) 特征价格模型的选择比较困难, 对于不同区域, 模型的拟合程度不同, 需要进行多次计算, 相对而言, 其过程比较复杂。

特征价格定价法的应用领域主要包括: (1) 特征价格理论可以用于研究住宅特征要素的隐性价格, 进而用于描述商品房质量变化的价格指数, 估算或预测不动产价值。我们将房屋看做是由一系列的内在属性组成的商品集, 房地产市场可以看做是对这些属性集合进行一次性交易的隐性市场。虽然只能提供属性集的交易价格而无法提供各个属性的价格信息, 但通过对一系列的具体数据和时间序列数据进行回归分析, 我们可以得到各个属性的隐性价格, 并通过对其的研究来预测商品房价格。 (2) 特征价格理论可以用于研究城市商品住宅市场的需求变化, 推导出住宅属性和生活、福利设施的需求结构。某一属性的特征价格一般不是固定的, 因此住宅需求也常常是不清晰的。如果我们知道人们对住宅属性特征的偏好结构, 同时家庭面对的又是不变的商品房价格时, 我们就可以建立具有这种偏好的家庭需求函数。这对于预测住宅市场发生变化时消费者的反应以及估测与这个变化相联系的成本和收益方面的福利变动是很重要的。 (3) 将特征分析方法运用于其他领域。

四、结论与意义

1. 特征价格理论对判断我国城市商品住宅市场是否过热或需求不足带来了新的启示。

总体投资规模、商品房空置率、贷款余额等宏观经济指标虽然具有一定的参考意义, 但由于没有考虑到商品房的异质性, 将具有不同属性、特征价格函数不同的商品看做是同质的商品来研究, 所以其研究结论自然就缺乏说服力。特征价格理论通过结合消费者偏好、房屋特征属性、城市的总体规划和开发对属性供给的影响以及房屋属性内部间的相互关联和作用, 可以对城市商品住宅市场进行全面的分析。

2. 特征价格理论对判断我国城市商品住宅价格是否合理带来了新的启示。

许多经济学家认为, 判断城市商品住宅价格是否合理的标准是住宅平均价格与居民平均年收入的比例。发达国家住宅平均价格是居民平均年收入的3~6倍, 而我国北京和上海两个城市的住宅平均价格达到了居民平均年收入的10倍以上, 以此为标准认为北京和上海的住宅价格过高或者不合理。其实, 仅仅依据住宅平均价格与居民平均年收入的比例来判断城市商品住宅价格是否合理是不准确的。城市商品住宅的供给主要取决于政府允许农用土地变更为城市用土地的程度、住房开发以及住房财政等问题。这些深层次的供给原因形成了不同城市、不同国家商品住宅价格的差异。这种差异是内生性的, 不能作为判断住宅价格是否合理的依据。然而, 不同国家在住宅需求结构方面有着很大的相似性, 因此特征价格理论就是以需求结构研究为出发点, 其函数形式的确定及参数的估计在很大程度上可以作为判断不同国家和地区城市商品住宅市场成熟度及住宅价格是否合理的标准。

3. 特征价格理论对研究我国城市商品住宅市场现状带来了新的启示。

我国的现实国情是人均土地面积少、土地审批制度严格, 同时贫富差距较大 (我国的基尼系数已经超过了0.4这个国际公认的警戒线) 。人多地少的矛盾以及严格的土地审批制度必然导致人们对具有稀缺属性、拥有独特资源的住宅的追逐;严重的贫富差距要求我们一方面对房地产市场进行细分研究, 另一方面也要求我们对各阶层的属性需求与竞价曲线进行深入、细致的分析, 而不能以反映平均状况的变量代替特定人群的偏好结构;我国的传统文化 (如较严重的从众心理、储蓄倾向等) 也会对消费偏好及住宅属性的隐性价格产生较大的影响。这些因素很难纳入传统的供给研究领域, 但从特征价格理论的角度出发, 则可以很好地有机统一起来。

参考文献

[1].Daniels, C.B..The Influence of Racial Segregation on Housing Price, Journal of Urban Economics, 1975;2

[2].蒋一军, 袭江辉.房地产价格指数与Hedonic模型.中国资产评估, 1996;3