电子商务商品信息模型构建

随着信息时代的来临，基于互联网的电子商务进入飞速发展的阶段，无论是人们的生活方式还是企业的生产方式都随之发生巨变。更多的企业也意识到电子商务所带来的商机，正着力推动各自电子商务平台的构建和应用电子商务技术的发展。但激增的商品信息，也无形中增加了消费者选择商品的难度。因此，如何构建合理的信息模型，对商品相关信息进行准确表示及精炼描述，从而为顾客在进行商品选择时提供准确的信息和有效的依据，成为亟待解决的问题。电子商务平台在具体构建时，面对急剧增加的商品信息，还应注意模型信息的统一性和协调性、开放性和升级扩展能力，以方便向消费者精确地进行推荐，从而提升顾客对于网站的满意度以及平台整体的销售额。

1商品静态信息的提取

1.1商品类别的划分

在进行商品信息提取之前，应首先针对商品进行类别划分。因为，相同类型的商品往往具有相同的特征，人们在购买时会根据所选购商品的类型所具有的独具特征做出购买决策。因此，为了使顾客在电子商务平台上对于商品的浏览行为更加方便，在商品信息模型构建之初，应首先考虑针对商品的特征进行类别的划分，将具有相似特征的商品归为一类，与此同时，针对每个类别进行编码操作。当有新商品登录时，应首先将其进行归类处理。这样，商品信息模型就成为一个商品类别以

1.2商品基本信息的表示

商品基本信息是指顾客在购买过程中所必须了解的，商品本身所共有的、不变的属性特征。这些信息，也是面向顾客进行推荐时的主要内容，是电子商务平台中的基础信息。作为交易双方所需要的信息应具有内容丰富、易于了解、实时更新等特征，基本信息模型应能将绝大多数商品所共有的特征标示清楚。

1.3商品特征属性的提取

电子商务平台中用于表示商品全部属性数据的集合被称为商品的属性信息。电子商务平台中针对商品进行的检索、浏览、收藏、购买等所有的行为，实质上都是针对商品的属性进行的操作。而每种商品都由多重属性组成，如何有效地对于商品的属性进行合理地提取和表示，成为电子商务平台能否及时、准确地为顾客提供商品推荐的关键。商品属性信息是由静态属性与自定义属性所构成。商品静态属性是商品所固有的、对于顾客选择商品有很大影响的信息。因此，在进行模型构建时应首先对这些属性进行综合和抽象级别处理，并进行合理表示。自定义属性是由类属性、抽象属性共同组成。这里，类属性中的客观属性主要是指同类商品具有的共同属性，主观属性是针对同种类型商品进行的人为描述的属性；而抽象属性则是顾客对于商品使用后反馈回来的相关信息。在诸多商品信息中，某些是能用量化方式进行描述的，如商品价格及规格标识；而绝大多数属性往往是使用字符描述的，难以量化标识，如商品名称、基本功能等。为有效地构建模型，针对这类属性，首先要做的就是聚类处理，进而再根据聚类结果进行赋值处理。特别对于某些由长字符串所组成的属性，应首先将其作词条分段处理，再选择其中能代表商品重要功能的词条作为关键词。然后，进行针对关键词所代表的属性进行聚类，并将功能相类似的商品作为一个级别。最后，由赋值模块对各级别进行整数量化表示。不难发现，类别相同的商品，其属性特征值往往也是相同的，因此每一个属性都是拥有该属性的所有商品所共有的特征。顾客如果对某个属性有所偏爱则是对于对应商品类整体的偏爱。商品属性

2商品评价信息的提取

商品评价现已被多数电子商务网站所采用，已购物顾客对商品做出的准确、实时的评价，将成为其他顾客购买参照的依据。这不仅能提高顾客选择商品的效率，更能促进服务质量的提升。

2.1建立评价指标体系

首先，要进行特征要素的选取。将顾客对于商品给出的评价值作为特征要素，顾客对于各评价项做出的评分结果作为评价集。再按分值区间对评价结果进行划分，将其作为参考等级。例如，通常电子商务平台采用五星评分，即五星代表非常满意、四星代表满意、三星一般、二星不满意、一星代表非常不满意，则V=（非常满意，满意，一般，不满意，非常不满意），对应选定的分值级别向量为CT=（108642）T。其次，要确定要素集。要素集的选取，主要是针对顾客在购买过程中，影响其满意度的主要因素的巨额订单。如多数顾客在电子商务平台进行网上购物时，所关注的往往是商家所提供的商品、物流及服务等情况，可将上述项目作为评价项目，即为要素集U=（与描述相符、服务态度、发货速度、物流服务）。要素集、评价集的选取并非一成不变，该过程可以视顾客购物所关注的不同要素来选定，并可人为调整。

2.2确定权重系数

要素集中的要素对于评价结果的影响程度往往不尽相同，某些要素影响显得非常重要，而某些则显得不那么重要。为加以区别，这里用权重系数进行量化表示。权重系数的确定往往是由人为赋值产生的，通过主观经验判断结合要素固有信息，量化后得到各要素权重系数：A=（a1a2…akam）。其中，ak为第k个因素对应的权重系数；k=1，2，…m；a1+a2+…+am=1。

2.3确定要素评价矩阵

针对要素评价，要进行的是分配率的计算，该过程主要是根据评价要素集所对应的等级进行统计产生的。如上叙述，采用五星评分，即非常满意、满意、一般、不满意、非常不满意，

3结束语

未来的电子商务将是一种以面向顾客主动推荐为主要特征，能够协助顾客从众多的选择中快速找到最有价值的商品，争取交易双方最大利益并给人们带来极大便利的模式。新时代的电子商务需要的是实时的反应和准确的推荐。对此，本文使用商品类别信息、基本信息、特征属性以及评价信息构建了商品信息模型，并用商品属性权重及向量方式来表示商品特征向量。该商品信息模型的构建使用便利、信息表述完整、可及时更新、能随数据的增加扩展，有利于电子商务网站的管理和服务水平的提高。

作者：杨静 单位：天津现代职业技术学院