大数据技术下的电商个性化推荐系统设计

宋 毅

（大连医科大学中山学院 辽宁 大连 116085）

【摘要】随着电商的不断发展，线上出现多种多样的商品，用户购买商品的可选择性越来越高，导致大量客户出现选择困难症，为了解决这一问题，本文在大数据技术的应用背景下，通过对系统需求的全面分析，完成对系统总体架构和系统功能模块的设计，已成功构建出功能完善、实用性强的电商个性化推荐系统，为用户提供精准化、个性化商品推荐服务，从而提高用户的使用体验。【关键词】大数据技术；电商个性化推荐系统；设计【中图分类号】TP302.1 【文献标识码】A 【文章编号】1009-5624（2021）04-0075-021 引言

近年，随着社会经济水平的不断提高和信息技术的不断发展，大数据技术应运而生，该技术凭借着高准确性、强灵活性等特征被广泛地应用于电商个性化推荐系统设计和开发中，为提高电商个性化推荐系统的运行性能，满足用户个性化购物需求提供重要的技术保障。因此，为了提高电商整体销售水平，在大数据技术的应用背景下，如何科学设计电商个性化推荐系统是技术人员必须思考和解决的问题。2 系统需求分析

为了提高电商个性化推荐系统运行性能，提高电商销售业绩和用户网购体验，系统要根据用户商品浏览记录、商品购买记录和商品收藏记录等信息，自动推荐用户感兴趣的商品，从而激发用户的购买欲望，以提高线上销售商品的效率和效果。因此，电商个性化推荐系统要具备以下三大功能，分别是抓取用户信息功能、智能化的信息分析和处理功能以及精确推荐商品功能，只有这样，才能确保该系统在激烈的市场竞争下立于不败之地，以实现系统的全面推广和普及，为促进电商行业的健康、可持续发展提供重要的平台支持。3 系统总体架构设计

电商个性化推荐系统总体架构在具体的设计中，主要

采用B/S设计模式，极大地提高系统的稳定性、可靠性和安全性[1]。同时，利用客户端完成对简单业务逻辑的设计，通过利用服务器端完成对复杂业务逻辑的设计，这样一来，不仅降低了系统的开发成本和维护成本，还提高了系统运行性能，为用户带来良好的使用体验。

3.1 系统逻辑架构设计

电商个性化推荐系统在具体的设计中，面向的用户主要有三大类，分别是非注册用户、新注册用户和老用户。因此，技术人员要针对不同的用户类型，设计出个性化商品推荐服务功能。当非注册用户浏览页面后，系统会根据用户的喜好，自动推荐热门品牌化商品；当注册用户浏览页面后，系统会根据用户的注册信息[2]，获取用户年龄、性别、地域等特征信息，然后，推荐出用户可能感兴趣的商品种类；当注册过的老用户览页面后，系统会根据用户浏览商品记录、购买商品记录以及收藏商品记录等相关信息数据[3]，为用户提供个性化商品推荐服务，以提高用户的网购体验。

3.2 系统功能模块划分

电商个性化推荐系统以业务需求为划分标准[4]，将该系统功能模块划分为用户行为提取和分析模块、个性化商品推荐模块、过滤和排名模块、场景配置模块等。通过科学设计和开发以上功能，以保证电商个性化推荐系统运行

现对于信息管理的基本工作，实现了有法可依，依法执行。有了清晰的法律条款对数字档安全是极大的保障。在惩处方面要进行细化，不同程度的网络盗用数据犯分为不同的出发程度，确保对于违法行为的有效惩处，从而实现以法律对违法行为的遏制。通过立法的形式来对网络上的不法分子进行强有力的约束，以此来保证高校校园网络安全，提供了强有力的护盾。

4.2 提升智慧人才的培养质量

高校发展最为重要的任务就是不断培养人才，最后成为社会发展的中心力量，要构建智慧校园，高校管理者应动用全校力量，联合全校教师，在结合技术与管理的基础上以社交网络为中心，以线上教育课为主要授课方式。教师可以灵活的进行选择上课的时间和地点，依托大数据技术形成在合法范围内对学生的学习情况进行有效监督。教师可利用互联网有效的数据库进行查阅和分析，根据学生在网上的答题情况，分析数据，来得知学生的学习情况。

4.3 大力创新技术，提升管理人员水平

创新是互联网时代所必要的应用元素，没有创新能力的科技产品终将被市场淘汰。在电子信息技术大数据领域，

传输技术的创新发展是适应当前时代创新发展潮流的重要

体现，这种通讯传输技术设备的技术更新大力推动了传输技术的供给，有效满足了用户对于通讯工程传输技术的需求。通讯工程所涉及的领域广泛，使用者在网络技术设备的个人数据信息被网络通信设备所保存。5 结语

大数据背景之下的高校智慧化建设是一个漫长的研究过程，需要计算机科技研究者，法律专业人士，科研工作者，以及经济发展专业人士等各领域专家共同努力。实践是检验真理的唯一标准，只有经过大量的实践才可以得出正确的管理模式，相信在未来一定会出现高效的智慧化管理方式机制出现，推进高校智慧化校园建设的脚步。【参考文献】

[1]张胜春，林鹏，宿娜．大数据背景下高校智慧校园建设探索[J].中国成人教育，2017(6): 71-74.

[2]秦华．大数据背景下高校智慧校园建设研究[J].信息与电脑（理论版）,2020,448(6): 223-225.

作者简介：逯昱姝（1999- ），女，山西大同，本科，研究方向：大数据。

75

信息：技术与应用信息记录材料 2021年4月 第22卷第4期 的可靠性和安全性，为更好地普及和推广该系统，提高用户的使用体验打下坚实的基础。

3.3 系统数据库设计

3.3.1 系统数据库设计流程

在大数据技术的应用背景下，电商个性化推荐系统数据库设计流程图如图1所示。为了保证系统数据库设计的科学性和合理性，技术人员要严格按照如图1所示的数据库设计流程，对系统数据库进行科学设计。

图1 电商个性化推荐系统数据库设计流程图

3.3.2 商品精准推送系统数据库

为了保证电商个性化推荐系统数据库设计的科学性和合理性，技术人员要在大数据技术的应用背景下，完成对多张数据表的设计。现以系统信息管理表为例，绘制出如表1所示的系统信息管理表。

表1 电商个性化推荐系统信息管理表

字段名字段说明数据类型空值要求Usename用户名IntNOTNULLPhone手机号VarcharNOTNULLPassword登录密码VarcharNOTNULLEmail

用户邮箱VarcharNOTNULLMessageinformation消息信息VarcharNOTNULLNewsprediction

消息预估

Varchar

NOTNULL

4 系统功能模块详细设计

4.1 用户行为提取和分析模块设计

该功能模块在具体的设计中，主要采用了提取用户行为特征的方式，提高个性化商品推荐服务的有效性和精确性，从而提高电商销售业绩。为此，技术人员要利用分层树状结构，构建用户行为特征模型。在此基础上，将系统划分三个层次[5]，分别是用户层、行为特征层、商品推荐层。其中，用户层主要用于对消费者主体的形象化展示；行为特征层主要是指不同用户所表现出的差异化行为特征；商品推荐层主要是指针对用户购买行为特征相关信息，为用户精确推送商品。

4.2个性化推荐模块的设计

该功能模块在具体的设计中，综合分析了用户相关资料信息，以全面了解和把握用户的喜好，然后，为用户提

76

供个性化商品推荐服务功能。当系统对用户行为提取和分析模块执行完毕后，系统会从用户建模、算法推荐等环节出发，为每个用户构建结构化、个性化的商品推荐模块，然后，利用推荐算法，在构建用户模型的基础上，获得精确的推荐结果，并将最终的推荐结果以界面形式呈现在用户面前，供用户自行选择，以达到提高用户网购体验的目的。

4.3 过滤和排名模块的设计

过滤和排名模块含有多个子功能模块，每个子功能模块在具体的运行中，均会过滤和处理掉一部分的商品推荐结果，然后，采用重新排名的方式，将其他推进结果纳入到新的排名组中，以实现商品的重新排名[6]。过滤和排名模块主要包含以下子功能模块：（1）好奇性排名模块。好奇性排名模块在具体的运用中，从系统所推荐的商品中，筛选并删除掉以下两种商品，一种是户已经浏览过的商品；另一种是用户已经购买过的商品，以帮助用户快速找出自己感兴趣的商品，为用户提供精准化、个性化推荐服务功能，这样一来，不仅提高用户网购体验，还提高新型商品的浏览度，但是，好奇性排名模块在具体的设计中，要把握好该模块权重值，避免因模块权重值过高而造成适得其反的现象。（2）丰富性排名模块。丰富性排名模块作为电商个性化推荐系统重要组成部分，在具体的运用中，主要采用了覆盖用户喜好的方式，为用户精确推荐商品，以达到激发用户购买欲望的目的。例如：当发现用户有购买西装记录之后，系统会自动为用户推荐以西装相搭配的领带、衬衣等。（3）整体性排名模块。整体性排名模块在具体的运用中，主要根据系统自动推荐结果，完成对相关商品的整体化、标准化和规范化配置和管理。例如：根据用户的行为特征，科学设置系统推荐频率，以提高系统推荐商品的精准性和高效性。5 结语

综上所述，在大数据技术的应用背景下，电商个性化推荐系统在设计和开发方面取得了很大的突破和创新，该系统不仅功能强大，通用性强，具有良好的用户体验，还在电商行业中取得了显著的应用效果，因此，深受广大用户的青睐和喜爱。为了方便后期系统的维护和升级，需要相关软件开发人员再接再厉，用更加优雅的代码扩充更多适用的功能，从而为促进电商个性化推荐系统健康、可持续发展，提供有力的保障。【参考文献】

[1]陶庆凤．基于Apriori算法的电子商务个性化推荐系统研究[J].重庆科技学院学报（自然科学版）,2020,22(6): 62-.[2]薛琳兰．基于大数据技术的电商推荐系统的设计与实现[D].青岛大学，2020(8): 4528.

[3]王腾宇．大数据时代下电子商务个性化推荐系统的分析与设计[J].智库时代，2020(8): 132-133.

[4]罗雨馨，姜攀．基于大数据技术的商品精准推送系统设计与实现[J].电脑编程技巧与维护，2019(12): 83-87.

[5]蒋丛萃，李谦．大数据的电商个性化推荐系统研究[J].现代经济信息，2019(27): 317.

[6]乔岚．基于大数据技术的个性化推荐系统的设计与实现[J].信息与电脑（理论版）,2017(21): 70-72.

作者简介：宋毅（1984- ），男，辽宁大连，本科，副教授，研究方向：电子商务。