在“互联网+”概念的带动下，基于网络的销售服务已经开始大量地走进人们的生活. 以往商家为扩大商品销售额，需要投入巨资开设连锁品牌专柜、专卖店和进行市场营销，而现在电子商务模式成为了商家销售和客户购物的首选模式.在传统的电子商务中，客户进行商品的浏览与购买，商家销售商品，在这一过程中，客户往往难以从千万种商品中找到自己感兴趣的商品，或在浏览商品时并不明确个人兴趣点，而传统的电子商务运营模式无法识别客户的兴趣商品,无法为客人推荐商品，因此，如何为客户推荐其感兴趣的商品是需要解决的问题. 用户行为指的是用户在浏览与购买商品过程中的行为，通过对用户行为进行建模，依据用户的历史行为来识别用户可能感兴趣的商品类型，进而为用户推荐商品，达到提升商品销量的目的^[1].

1 主要推荐算法 1.1 用户兴趣挖掘技术

用户兴趣挖据技术较多，本文将使用关联规则的Apriori算法进行了用户浏览与购买的兴趣模式进行分析，并建立用户行为模型^[2].

通常情况下，聚类针对不同的大类以某种标准分成若干个小同类，使得类内相似大，类间区别大，且每个小类都是一个稠密的区域，是一种典型的无监督学习算法^[3].

层次聚类与平面聚类是经常使用的2种聚类方法^[4]. 平面聚类方法就是使用评估函数将数据集分割成若干个子集，距离的远近代表着对象的相似性，一般情况下，距离的大小与相似性成反比，例如典型的欧氏距离^[5]. 若聚类的中点用对象的均值来计算，则对象与中点的距离就可以作为分类的判别函数，反复调整中点，将所有对象归类到最近的一个聚类中，直到所有对象被归类完毕且满足分类标准. 如K-Means算法就是通过K个中点进行反复调整，直到满足判别函数^[6].

层次聚类方法就是分割不同层次上的数据，具体包括聚合法与分治法，具体的算法可通过层次树进行描述. 前者通过自下而上把实例集合合并，后者通过逐渐分裂划分实例集作^[7].

数据库中的数据可以被划分为各个子集，将相似性较高的数据聚集在一类中的过程就是聚类. 聚类能够提升人们对于实现世界的认识，常见的聚类有：分层聚类、密度聚类、网格聚类等. 聚类是将事务划分为较小的具有相似特性的簇，因此聚类最关键的就是特征的组合^[8-9].

1.2 个性化推荐技术

个性化推荐技术研究较多，主要包括以下几种^[10-11].

1) 基于协同过滤的推荐.

基于协同过滤的推荐是较为流行的方式^[12]，在电子商务中运用较多，利用用户的购买行为，为用户推荐商品. 基于协同过滤的推荐的思想是：两个相似的用户在购买一种商品时，则向另一个用户也推荐该类商品. 该方法的本质是计算用户之间的相似度. 最近提出了余弦相似度的计算方法^[13].

2) 基于内容的推荐.

在协同推荐技术中，不需要关注商品的内容，只需要依据用户的购买行为来进行推荐，当需要依据商品的信息来推荐给用户时，就需要基于内容的推荐方法^[14]. 其基本的思想是为用户与商品建立配置文件，依据用户的购买行为以及商品的内容，更新用户的配置文件，依据用户的历史信息构造兴趣文档，计算文档与商品的相似度，来为用户进行推荐.

3) 基于人口统计的推荐.

该方法是利用人口统计方法，结合相似度计算予以推荐^[15].

4) 混合推荐.

在多种方法都不能很好地满足用户的推荐时，结合实际的情况，将多种推荐方法结合在一起是较为理想的策略. 依据混合策略将多种推荐方法进行组合，构建混合推荐系统，结合各个算法之间的优势来为用户推荐感兴趣的内容.

2 Apriori算法

由于传统Apriori算法的不足，本节将对传统算法进行改进，并采用改进的算法进行商品的推荐.

2.1　经典Apriori算法

1) 算法的思想.

首先获得所有的候选1-项集 ${C_1}$ 及1-项集 ${L_1}$ . 然后基于 ${L_1}$ 获得2-项集 ${C_2}$ 及2-项集 ${L_2}$ . 并依据2-项集确定3-项集，依次迭代下去.

2) 算法描述.

计算1-项集的支持度，获得最小支持度的1-项集，形成 ${L_1}$ ，如果 $P,Q \in {L_{k - 1}}P = ({p_1},{p_2}, \cdots ,{p_{k - 1}}),Q = $ $ ({q_1},{q_2} ,\cdots, {q_{k - 1}})$ ，且1 $\leqslant$ i $\leqslant$ k–1时， ${p_i} = {q_i}$ ，当i=k–1时， ${p_{k - 1}} \ne {q_{k - 1}}$ ，则 $P \cup Q = ({p_1},{p_2}, \cdot \cdot \cdot ,{p_{k - 1}},{q_{k - 1}})$ 是候选集 ${C_k}$ 中的元素. ${C_k}$ 是 ${L_k}$ 的超集，或许某些元素不是频繁的. 扫描数据库，计算候选集支持度，若支持度在设定的阈值以下则删除，形成集合 ${L_k}$ . 依次迭代，直到没有新的频繁项集产生为止.

3) 相关定义.

支持度即一个项集X的支持度，记为supp(X)，是D中包含X的事务所占的百分比. 项集支持度的数学定义如式(1)所示：

${\rm{supp}}(X) = \frac{{\left| {{\rm{\tau (}}X{\rm{)}}} \right|}}{{\left| D \right|}},$

(1)

其中，τ(X)称为X的事务映射，为伽罗瓦连接的一种集合之间的运算，通过式(2)定义，其中 ${{X}} \subseteq {{I}}$ ， ${{Y}} \subseteq {{D}}$ ：

$\begin{array}{l}\tau :{{\rm{2}}^I} \to {{\rm{2}}^D}{\rm{,}}\tau {\rm{(}}X{\rm{) }} = \{ t \in D\left| {\forall i \in X{\rm{,}}i\delta } \right.t\}, \\[3pt]\gamma :{{\rm{2}}^D} \to {{\rm{2}}^I}{\rm{,}}\gamma {\rm{(}}Y{\rm{) }} = \{ i \in I\left| {\forall t \in Y{\rm{,}}i\delta } \right.t\}. \end{array}$

(2)

$\gamma \circ \tau (X) $ 称为对X的闭包运算，即包含项集X的所有事务的公共项.

2.2 Apriori算法改进

Apriori算法产生候选集的算法是Apriori-gen算法^[16]，包括了2个步骤.

第一步连接：

Apriori-gen（ ${L_{k - 1}}$ 是频繁k–1项集，min_support是最小支持度）.

(1) for each 项集 ${L_1} \in {L_{k - 1}}$ ;

(2) for each项集 ${L_2} \in {L_{k - 1}}$ ;

(3) $\begin{gathered} if(({L_1}[1] = {L_2}[2]) \wedge {L_1}[2] = {L_2}[2] \cdot \cdot \cdot \end{gathered} $ 　　　 $ ({L_1}[k - 1] \wedge {L_2}[k - 1])); $

(4) c= ${L_1}$ $ \otimes $ ${L_2}$ //连接，产生候选集;

(5) if has_infrequent_subset(c, ${L_{k - 1}}$ )then;

(6) delete c//修剪，去掉无用候选项;

(7) else add c to ${C_k}$ ;

Return ${C_k}$ .

第二步剪枝：

(1) for each c的k–1子集s;

(2) if s $ \notin $ ${L_{k - 1}}$ then;

(3) return true;

(4) else return false.

Apriori算法伪代码如下：

输入：事务数据库D，最小支持度;

输出：L、D中频繁项集;

(1) ${L_1}$ =find_frequent_1_itemstes (D);

(2) for(k=2; ${L_{k - 1}} \ne \varphi $ ;k++);

(3) ${C_k} = apriori\_gen({L_{k - 1}})$ ;

(4) for 所有事物 $t \in D$ do begin;//对数据库D扫描，进行计数;

(5) ${C_l}$ =subset( ${C_k}$ t);

(6) for 所有候选 $c \in {C_l}$ do;

(7) c.count++};

(8) ${L_k} = (c \in {C_k}|c.count \geqslant \min \_{\rm{support}});$

(9) 结果得出 $\bigcup\limits_{k = 1}^m {{L_k}} $ .

从上述的步骤可知，Apriori算法在连接时，可能产生候选集，剪枝时，删除非频繁子集的候选集. 虽然Apriori算法压缩了候选集的大小，能够挖据出关联规则，但是扫描数据库的次数太多，增加了算法的复杂度^[17].

在客户购买数据的挖据中，需要重点关注以下几个问题：

(1) 事务数量大，客户购买数据量较大，且仍在不断的增长之中，客户购买的预处理是难点工作.

(2) 客户类型较多，从事不同职业的客户，其类型也不同.

(3) 客户浏览商品与购买日期很难进行关联分析.

(4) 不同的属性值意义不同.

关于上述问题，本文提出了相应的措施：

(1) 针对客户购买量较大的问题，可以划分时间段来进行，依据时间段来进行分析.

(2) 针对客户购买时间，在数据预处理时进行离散化，将春、夏、秋、冬离散化为4个值T₁、T₂、T₃、T₄.

(3) 用A₁、A₂、A₃、A₄来表示客户消费用为0、小额、中额、大额；I₁、I₂、I₃、I₄、I₅表示个体小客户、个体大客户、集体大客户、个体中客户、集体中客户.

(4) 引入权值. 利用权值来区分客户类型的重要性，进而挖据出客户类型与客户消费金额的大小关联规则.

具体做法为：设计支持度函数F(X). 经典的Apriori算法中，F(X)=support(X)|D|，其中，support(X) 是X的支持度，现将权值引入公式中. 对任意X= $\{X_1,X_2,\cdots, X_r\} $ ，I= $\{k_1,k_2,\cdots, k_r\} $ 为项的集合其中， $X_i \in I(1,2, \cdot \cdot \cdot, r)$ ，若X是单个的项，则其权值赋值可在项集产生之后进行，否则从各个项中获取其权值，也就是项集X的权值为：

${\lambda _x} = F({\lambda _{x_1}},{\lambda _{x_2}} ,\cdot \cdot \cdot, {\lambda _{x_r}}).$

此时的支持度函数需要满足以下约定：

对于任意X是Y子集，则F(X) $\geqslant$ F(Y)，也就是 ${\lambda _x} \times {\rm{support}}(X)/|D| \geqslant {\lambda _y} \times {\rm{support}}(X)/|D|$ 若X是Y子集， $ {\rm{support}}(X) \geqslant {\rm{support}}(Y)$ ，因此不等式成立的条件是 ${\lambda _x}\geqslant {\lambda _y}$ ，则项集的权值为项集汇总权值的最小值，也就是 ${\lambda _x} = F({\lambda _{x_1}},{\lambda _{x_2}} ,\cdots,{\lambda _{x_y}}) = \min ({\lambda _{x1}},{\lambda _{x_2}} ,\cdots, {\lambda _{x_y}})$ .

现针对Apriori算法进行理论的实例说明，客户消费数据字段包括了客户ID、消费费用、证件类型、身份证号、性别、客户类型、消费日期等. 这些属性之间必然存在着关联. 本文数据来源于2016年淘宝商城某服装店铺的客户消费数据，该数据集共用30万条数据，无缺失值，总计大小20 M,，数据集包含大量的客户姓名、消费金额、消费时间等12个属性，为了更好地进行算法分析，我们先对数据进行预处理包括：(1) 数据集成,提取并去除噪音数据；(2) 数据选择和预分析,数据收集之后需要对数据的属性进行筛选分析，过滤后得出客户消费金额、消费时间和客户类型3大特征. 针对这些数据的分析，依据Apiori算法的改进，在频繁项集的产生过程中引入了权值参数，来获取较大客户类型出现的规律. 假定春季为T₁，夏季为T₂，秋季为T₃，冬季为T₄. A₁表示消费为0，A₂表示消费较少，A₃表示消费中等，A₄表示消费较大. I₁表示客户类型为小户，I₂表示客户类型为大户，I₃表示客户类型为集体商户，I₄表示客户类型为个体户，I₅表示为中型集体商户.

针对客户消费数据的分析，依据Apiori算法的改进，在频繁项集的产生过程中引入了权值参数，来获取较大客户类型出现的规律，流程为：

首先引入权值得出表1.

通过剪枝之后，得出表2.

再经过连接之后，得出表3.

继续剪枝之后，得出表4.

继续连接，得出表5.

在客户消费数据的关联中，基于Apriori算法，针对数据的重要性进行算法的改进，在支持度计算时，引入了权值参数，发现重大客户类型的消费规律，流程如上所示. 从中可以发现关联规则：T₁A₁I₁、T₃A₄I₃，T₁A₁I₁表示在春天主要的消费客户类型是小户，且消费金额较低；T₃A₄I₃表示在秋天，消费客户类型为集体大户且消费金额较大. 上述信息的挖据，能够帮助交易网站管理人员在特定的时间开展不同的促销业务，针对不同时间段，合理调度人力，优化人员配置，提升工作效率.

4 改进算法效果分析

利用K频繁项集连接产生K+1阶候选集时，对于长度为m，项目集个数为n的频繁项集 ${L_m}$ 来说，判断可连接条件比较所消耗的时间复杂度为 $O\left( {m \times {n^2}} \right)$ . 为了验证改进算法的有效性，利用accidents.data数据进行仿真实验，对改进Apriori算法与决策树算法、贝叶斯网络算法以及人工神经网络算法进行实验分析，如图1所示. 并对改进的算法与经典的Apriori算法进行详细比较，改进的算法与经典的Apriori算法在时间的对比如表6所示. 对比关联规则数目，关联规则数目对比如表7所示.

由表6可知，改进算法所需时间有所减少，时间效率有所提高. 由表7可知，改进的算法避免了经典Apriori算法可能挖据出无限的关联规则的弊端，减少冗余的关联规则，提高挖掘精度. 同时，为了确保挖掘的准确度，将不符合约束的可疑数据输出到一个表中，人工审查这些可疑数据，避免改进算法后关联规则的遗漏，将一些重要的业务规则加入到整个规则库中，从而提升准确率.

5 结论

本文针对用户的浏览与购买商品的历史行为进行挖据，建立用户行为兴趣模型，进而为用户推荐商品. 由于传统的Apriori算法会多次扫描数据库，并产生很多候选集，这是传统Apriori算法的弊端. 为此，本文针对Apriori算法进行改进，利用改进的Apriori算法对用户兴趣信息进行挖掘，挖掘用户之间的关联性，建立用户行为模型，为用户推荐其感兴趣的商品，提升用户的购买体验感，同时为商品供应商提供合理的商品配置方案，为其决策提供依据.