Internet和Web技術推動著電子商務的蓬勃發(fā)展，企業(yè)建立了大量的商業(yè)門戶，提供了大量的產品信息以拓展市場，創(chuàng)造更多的商業(yè)機會。然而，隨著電子商務提供越來越多的選擇的同時，其結構也變得越來越復雜，經常出現(xiàn)“信息迷航”的問題，即用戶會迷失在大量的商品信息空間中，無法找到自己需要的商品。解決這個問題的一個方法是發(fā)展智能推薦系統(tǒng)，提供個性化服務，即依據(jù)顧客的偏好或需求，為其推薦商品，以幫助顧客完成購買過程。目前幾乎所有大型電子商務系統(tǒng)，如Amazon、eBay、新浪商城等，都不同程度地使用各種形式的個性化推薦系統(tǒng)。推薦系統(tǒng)在電子商務中取得了巨大的成功。研究表明，電子商務的銷售行業(yè)在使用個性化推薦系統(tǒng)后，銷售額能提高2％～8％。
1 相關研究
電子商務個性化推薦系統(tǒng)(personalized recommendation systems for e-commerce)的正式定義由Resnick等人在1997年給出：“電子商務個性化推薦系統(tǒng)是利用電子商務網(wǎng)站向用戶提供產品信息和相關建議，幫助用戶決定購買什么產品，通過模擬銷售人員幫助用戶完成購物過程的系統(tǒng)”。這個定義現(xiàn)在已經被廣泛引用。目前的電子商務推薦系統(tǒng)主要有基于協(xié)同過濾的推薦系統(tǒng)如GmupLens、基于內容的推薦系統(tǒng)如Personal Web Watcher、基于規(guī)則的推薦系統(tǒng)如ILOG等類型。它們各有優(yōu)缺點，在不同的應用領域所表現(xiàn)的性能也不同。例如基于協(xié)同過濾的推薦系統(tǒng)適合推薦音樂、電影這些內容比較難分析的物品；基于內容的推薦系統(tǒng)比較適合推薦新聞、文章及網(wǎng)頁等。克服單一推薦技術的局限性的一種方法是采用混合推薦系統(tǒng)，如Schafer等人提出的元推薦系統(tǒng)以電影推薦為例討論了將基于內容過濾推薦技術與基于協(xié)同過濾技術結合使用的方法。ZHANG Xi-zheng提出一個結合關聯(lián)規(guī)則和分類的推薦方法，該方法先用A兩硎算法產生一系列關聯(lián)規(guī)則，然后用CBA-CB算法產生分類器，最后通過分類器為用戶進行推薦。混合推薦系統(tǒng)可以同時利用更多的數(shù)據(jù)，使推薦效果更好，在一定程度上也突破了單一推薦技術在應用上的局限性。但是混合推薦系統(tǒng)在本質上也只是推薦技術本身的改進，在復雜、動態(tài)和充滿挑戰(zhàn)的商業(yè)環(huán)境中，推薦系統(tǒng)面臨著更大的挑戰(zhàn)，主要表現(xiàn)在以下幾個方面：不能靈活提供多種推薦功能；沒有充分考慮到商業(yè)策略；不能根據(jù)推薦需求的變化采用不同的推薦策略；由于推薦需求與應用系統(tǒng)之間的差別，推薦系統(tǒng)需要根據(jù)具體Web站點進行定制開發(fā)，集成代價高，系統(tǒng)移植性差；難以動態(tài)有效地管理和維護多個推薦工具和大量數(shù)據(jù)。這些問題限制了推薦系統(tǒng)在實際中的大規(guī)模應用。因此，如何構建靈活的推薦系統(tǒng)以適應復雜的商業(yè)環(huán)境是目前推薦系統(tǒng)的一個研究熱點。左子葉等人提出了一個開放通用的電子商務推薦系統(tǒng)OARs，支持多種推薦模型并對所有推薦模型進行統(tǒng)一管理。楊引霞等人提出并實現(xiàn)了一種多模型推薦系統(tǒng)，該系統(tǒng)提供了關聯(lián)規(guī)則推薦模型、熱門銷售推薦模型和協(xié)同過濾推薦模型三種，并提供可擴展的接口，可以方便地增加新的模型。這些多模型推薦系統(tǒng)在一定程度上可以滿足多種推薦需要，但是系統(tǒng)繼承代價仍然很高，系統(tǒng)移植性差。Weng Li-Tung等人從推薦系統(tǒng)市場的角度出發(fā)，提出了一個由推薦服
務用戶、推薦服務提供商、推薦生產者構成的推薦系統(tǒng)市場，并在此市場的基礎上提出了一個基于組件的推薦系統(tǒng)框架。它能夠基于不同的商業(yè)策略生成不同的個性化推薦，這為開放性推薦系統(tǒng)的設計提供了很好的思路，但是提出的框架僅為了說明其推薦市場理論的實現(xiàn)方式，并沒有進行詳細的分析和設計。馬輝民等人提出柔性推薦系統(tǒng)的概念，但是并沒有深入探討。本文從柔性理論出發(fā)，設計電子商務推薦系統(tǒng)，通過添加一個策略模塊完成推薦需求與推薦實現(xiàn)之間的映射去實現(xiàn)柔性。該系統(tǒng)可以根據(jù)不同的商業(yè)環(huán)境進行定制，具有較好的繼承性和移植性。
2 柔性理論
2.1 柔性軟件理論
柔性思想起源于機械制造系統(tǒng)，柔性制造系統(tǒng)(flexible manufacturing system，F(xiàn)MS)是能夠滿足小批量、快節(jié)奏、多品種的生產制造系統(tǒng)。為了緩解軟件危機，設計出能夠較好適應不斷變化的環(huán)境和滿足不斷變化需求的軟件，人們將柔性的思想引進了軟件信息行業(yè)。柔性軟件系統(tǒng)(flexible software system，F(xiàn)SS)是在一定范圍內能夠滿足和適應不斷變化的環(huán)境和需求的軟件系統(tǒng)。它具有以下幾個特征：以復用和變化為目的；分層獨立、松散耦合、模塊組件化的系統(tǒng)框架；個性化界面定制、結構重構及擴展、功能模塊替換及擴充；提供基于柔性適應的一定的互操作功能。柔性軟件系統(tǒng)是目前軟件系統(tǒng)發(fā)展的一個趨勢。
2.2 多agent技術
Agent技術是人工智能技術的最新發(fā)展技術之一。現(xiàn)在普遍認為，agent是一個實體，具有一定的知識，并能夠針對特定目標有效地運用知識求解問題，具有自主性、交互性、適應性、社會性、進化性等特性。多agent系統(tǒng)是由多個agent組成的系統(tǒng)，其基本思想是將具有不同目標的多個agent對其目標、資源等進行合理的安排，以協(xié)調各自行為，最大程度地實現(xiàn)各自的目標，每一個agent又是一個具有目標、知識和能力的自治計算實體，多個agent協(xié)調合作形成問題的求解網(wǎng)絡。多agent技術正適應柔性系統(tǒng)的靈活性、復雜性、分布性等多方面的特點和要求。
3 電子商務推薦系統(tǒng)的柔性分析
 3.1 領域分析
領域分析是對一類應用系統(tǒng)的共同應用領域進行系統(tǒng)化分析的過程，以發(fā)現(xiàn)該領域應用系統(tǒng)的共性和變性。
1)對現(xiàn)有的電子商務推薦系統(tǒng)的共性分析共性(commonality)是一類應用系統(tǒng)的共同特征。現(xiàn)有的電子商務推薦系統(tǒng)雖然種類繁多，服務形式各不相同，但是都可以抽象成一個共同的體系結構，即收集用戶信息，然后根據(jù)用戶信息進行建模，在此基礎上提供個性化的推薦信息(圖1)。
2)對現(xiàn)有的電子商務推薦系統(tǒng)的變性分析變性(variability)是不同系統(tǒng)各自特有的不同于其他系統(tǒng)的特性。通過分析，筆者發(fā)現(xiàn)推薦系統(tǒng)變性的內容包括以下幾個方面：
a)應用不同。一方面是應用領域的不同，推薦系統(tǒng)在許多領域都得到了應用，如電影、音樂、新聞、零售等；另一方面是應用場合不同，如對登錄客戶和非登錄客戶的推薦，對選購商品和未選購商品的客戶的推薦等。
b)推薦算法不同。推薦算法是推薦系統(tǒng)的核心，目前存在各種不同的推薦算法，如協(xié)同過濾推薦、基于內容的推薦、基于案例的推薦、基于規(guī)則的推薦等。每種推薦技術都有其局限性，于是還有一些改進的推薦算法和混合推薦算法。隨著推薦算法的進一步研究，還會有更多的推薦算法產生，以滿足各種不同的推薦應用。
c)用戶模型的表示不同。因為幾乎所有的技術都以一種私有形式來表示知識，使得每種表示形式僅能夠被具體類型的系統(tǒng)所運用。目前用戶模型表示方法有基于向量空間模型的表示、基于神經網(wǎng)絡的表示、基于用戶一項目評價矩陣的表示、基于案例的表示以及基于本體論的表示等。
d)數(shù)據(jù)源不同。有許多不同的數(shù)據(jù)源可供推薦系統(tǒng)使用，其中包括產品數(shù)據(jù)庫、交易數(shù)據(jù)庫、日志數(shù)據(jù)庫和客戶數(shù)據(jù)庫等。發(fā)掘新的數(shù)據(jù)源來擴大推薦系統(tǒng)的信息來源，也是目前研究的一個熱點。
3.2 電子商務推薦系統(tǒng)的柔性分析
在領域分析的基礎上可以確定系統(tǒng)柔點。通過對電子商務推薦系統(tǒng)的共性和個性分析發(fā)現(xiàn)，柔性電子商務推薦系統(tǒng)必須滿足以下幾點要求：能夠在不同的應用領域方便地移植；能夠隨著企業(yè)的商業(yè)策略進行調整；能夠方便地更新推薦技術；能夠利用多種不同的數(shù)據(jù)源。為此，柔性推薦系統(tǒng)必須具備：
1)結構柔性：a)構建松散耦合的多層架構體系。在傳統(tǒng)的推薦系統(tǒng)設計中，緊耦合產生僵化的難以移植和維護的密集體。要使系統(tǒng)具有一定的結構柔性，必須降低系統(tǒng)各模塊間的耦合度，使之松散耦合。多層體系架構能夠將模塊的修改和擴展限制在一個層的內部，使之不會跨層傳播，一定程度上降低了系統(tǒng)的耦合性。同時能夠較方便地實現(xiàn)數(shù)據(jù)庫與業(yè)務模型分離、業(yè)務模型與用戶視圖分離，這樣就可以使它們可以各自獨立地改變和復用，提高系統(tǒng)的靈活性。b)采用組件技術封裝各個模塊，這樣就能像搭積木似的構建系統(tǒng)。c)封裝推薦算法和模型，可以在需要的時候對算法和模型進行添加、刪除和更新。
2)數(shù)據(jù)柔性能夠利用多種不同形式的數(shù)據(jù)源，如文本、XML文本、Excel表、數(shù)據(jù)庫等；能夠集成多種ETL工具來進行數(shù)據(jù)處理，產生滿足推薦需求的數(shù)據(jù)集。
3)業(yè)務流程柔性這是柔性推薦系統(tǒng)的核心，體現(xiàn)出系統(tǒng)整體柔性所在。針對不同的應用需求，通過簡便的業(yè)務流程調整便能夠滿足推薦需求。本文采用構建一個策略模塊的方式實現(xiàn)，通過配置推薦策略來滿足推薦需求。傳統(tǒng)的推薦系統(tǒng)推薦策略是在設計時定義好了，推薦需求發(fā)生變化將會導致修改整個系統(tǒng)。本文中策略模塊將負責推薦需求到推薦實現(xiàn)之間的映射。當需求發(fā)生變化時，只要修改策略文件，便能夠很好地滿足需求，而不用重新規(guī)劃整個系統(tǒng)。策略模塊承擔著反映推薦變化的角色，并指揮推薦系統(tǒng)滿足這個變化。結構柔性和數(shù)據(jù)柔性都是為這一部分服務的，構建一個基礎框架，在這個框架基礎上可以方便地添加數(shù)據(jù)集、算法和模型來響應不同的推薦策略。