電子商務系統畢業論文

　　隨著網際網路的普及和電子商務的發展，電子商務的推薦系統逐漸成為電子商務IT 技術的一個重要研究內容，越來越多地得到研究者的關注。下文是小編為大家整理的關於的範文，歡迎大家閱讀參考!

　　篇1

　　淺談電子商務系統審計

　　當前， 電子商務的應用越來越廣泛，電子商務系統審計的內容就是對電子商務系統的安全性和可靠性的核實確認。國際內部審計師協會最新和控制 報告中指出：電子商務的定義是 網路 方式或PDF交貨方式，審計的定義是指核查核實查處確認，是基於系統本身的可審計性和控制程式。審計模組設計是審計成功與否的關鍵，根據審計模組和風險 分析 向 管理層提供審計報告。由於高 科技 的 發展 ，管理層需要對一些不可測量的、無形的資產範疇如 信譽、客戶服務滿意度等進行評估，使用者需要查詢網站的商標或其他經第三方確認過的真實性，因此，是對網站或電子商務 企業 提供這類核查確認的服務。

　　一、必然性和必要性

　　在商業活動實現網路化之前，採購是面對面或通過紙質檔案進行的，有跡可查，即使是電子交易，其裝置結構是專用的，一般只限於已知使用者使用，任何外部使用者必須是已知的、身份明確的、可追蹤的;系統通常是主機結構方式，相對易於監督、控制和審計。與傳統商業相比，全球資訊網客戶/伺服器系統的特點是高度分散，資源共享、服務分散、顧客透明度高等，而電子商務的運作速度更快、業務迴圈週期更短、風險更大、更高程度地依賴於技術。電子商務系統的技術基礎和市場的快速變化意味著傳統的衡量 方法 已不再適用於企業的某些資產，財務報告不能充分提供企業的狀況和價值方面的資訊，特別是網路企業的無形資產，如商譽、客戶忠誠度和滿意程度等這些產生長期價值的關鍵資產。

　　核實確認這類資產價值的困難在於缺乏足夠的 歷史 資料、合適的參照標準、先進的 實踐 經驗以及對網路的各種威脅和概率的準確估算。企業管理層以及公眾都需要尋找能夠用以表述網路企業的可信度、安全性及其他資產價值的方法，需要一些新的核查和審計方法，更有效地評價無形資產，如知識、品牌等。因此，就成為歷史的必然。

　　由於，電子商務的可靠性、適用性、安全性和效能等方面受到的威脅或存在的風險，都可能會 影響 其生存和發展。風險因素包括：商業資訊的洩露、智慧財產的不當使用、對版權的侵犯、對商標的侵犯、網路謠言和對信譽的損害等。因此，進行必要和客觀的審計，才會使董事會、審計委員會、高階管理層對電子商務系統的安全運作和效益滿意和放心。

　　二、網路風險和風險管理

　　網路風險如同自然災害一樣不可預見。風險管理的關鍵在於風險評估，風險評估就是要分析和衡量風險事件發生的概率及後果，引起風險的因素及其關聯因素，出現風險的關鍵點採取什麼方法能夠減緩風險，風險出現造成後果如何，以及評價管理層是否履行了應有的 職業審慎進行防範和控制。同時在評估中還要為各項因素設計評價比率， 計算 各種風險的影響後果，根據影響和後果排序，對高風險因素作進一步的分析。

　　通過風險評估，可以認識到潛在風險威脅及其影響，以便對高風險領域作一些防範、檢測、控制、減緩和恢復的 工作 計劃和安排。這些計劃和安排應涵蓋對各項控制成本，主要是指接受、避免、轉移、監測成本的分析以及各項工作的先後次序。

　　三、中網站的合法性證明

　　網路終端使用者都會關注網站是否來自一個真實的、可靠的機構，提供的資訊是否準確真實，機構背景是否正當合法，個人資訊的隱私權是否得到保護等。所謂隱私權是指對個人的資料/資訊的蒐集必須合法、公平，必須用於某一特定、公開的目的，必須取得該個人的同意並受到保護，本人必須有權進入系統進行修改或刪除，資訊的越域流動和將來的使用、披露必須予以安全保證和限制等。

　　解決這些網站合法性 問題 的途徑之一就是由一公證機構提供可靠的證明，以使 網路 終端使用者能對網站提供的 電子 商務放心。如Verisign， TRUSTe，BBB Online ，Web Trust ，SysTurst等都是具有良好的 信譽並且提供證明-查證服務的專業 組織機構。網路終端使用者可以通過查詢這些公證機構的記錄，獲得確認被訪問網站的名稱、有效狀態、伺服器標識等資訊。

　　四、內部審計和電子商務

　　美國註冊會計師協會對“核實查證”的定義是“提高決策者所需要資訊的質量或 內容 的獨立性專業服務。”其審計原則是保證系統的可用性、安全性、真實完整性和持續性，建議對系統安全性和真實完整性方面存在的控制點進行檢查、評價和測試。並儘量在今後採用合適的審計標準對資訊科技進行審計。不同於以年度為基礎的傳統外部審計，電子商務的實時性要求審計人員應對其進行連續不斷的評估，按特定的稽核標準對已發生的交易進行追蹤，而系統內設定的自動登入記錄可作為相應的審計軌跡，在系統內部實施對事件監督和控制。

　　儘管當前許多人認為核實查證通常與外部審計人員相關，內部審計人員則在公司內部出具審計 報告。然而，國際內部審計師協會對的要求則是：審計控制目標主要是審計財務報告制度、經營的效益和效率、合規性和保護財產安全等方面。審計模式應該建立在系統的可用性、容量、功能、保護和可靠性的基礎上。例如，內部審計對網路 企業 控制水平的獨立評價，使得客戶瞭解到企業提供的資料將不會被有意或無意地濫用。再如，企業目標是建立電子商務以降低成本、提高市場佔有率，那麼電子商務風險是隨著網路交易的增加而增加，以至於不能確保交易的安全性或分辨使用者的可靠性，因此，所需要的控制就是對使用者的真實性進行確認以及對通訊資訊進行加密。

　　電子商務的成功與否在於審計人員是否掌握相關的技術知識，瞭解商業風險及風險 管理策略，是否有現成的策略隨時應付出現的風險。因此，作為一個成功內部審計人員應瞭解企業的業務，以服務為宗旨並努力增值，積極提高專業技能，關注系統的效率和效益，建立對電腦領域 發展 的 職業敏感性。

　　五、關注電子商務系統的審計風險

　　審計前，管理層有責任告知審計人員有關公司政策、 實踐操作、程式、控制方面的重要改變，使審計人員能基於真實情況 分析 和 計劃各項稽核 工作，分解審計專案的各組成部分。審計過程中，審計人員應與管理層公開分享所有發現的問題，討論應採取的措施。為了分析電子商務系統，審計人員要有經常進入系統的特權，並申明許可權的使用是為了稽核工作，並承擔不當使用的責任。如果企業不願提供必要的進入系統的許可權，審計人員應評估這種情況下風險。進行風險評估時，審計人員必須置身於公司的風險狀態下，充分考慮審計風險：如在公司有重大偏差時，作出無偏差的審計結論;客戶風險-在審計後發生公司經營滑坡或不能持續經營;以及審計人員將面臨 財政、 法律 或信譽上的損失。

　　篇2

　　淺析電子商務推薦系統

　　[摘 要] 隨著網際網路的普及和 電子 商務的 發展 ，商品推薦系統逐漸成為電子商務IT技術的一個重要研究內容，越來越多地 受到研究者的關注。本文探討了電子商務系統的構成、研究內容、研究現狀，分析了目前有的推薦系統存在的缺陷和問題，提出了未來電子商務推薦系統研究的發展方向。

　　[關鍵詞] 電子商務;推薦系統;協作過濾;個性化推薦

　　隨著網際網路的普及和電子商務的發展，商品推薦系統逐漸成為電子商務IT 技術的一個重要研究內容，越來越多地得到研究者的關注。目前，幾乎所有大型的電子商務系統，如Amazon、CDNOW、eBay、噹噹網上書店等，都不同程度地使用了各種形式的推薦系統。

　　而且現在電子商務系統規模的進一步擴大，使用者數目和專案資料急劇增加，迫切需要相應資訊檢索技術產生。商品個性化推薦技術，尤其是協同過濾技術，構成了現有電子商務個性化推薦系統的基礎。在這裡，之所以強調個性化，是因為需要推薦系統能為每個使用者推薦適合他們偏好和興趣的產品，而不是千篇一律的推薦。

　　一、電子商務推薦系統及構成

　　電子商務推薦系統Recommendation Systems for E-Commerce定義是：“它是利用電子商務網站向客戶提供商品資訊和建議，幫助使用者決定應該購買什麼產品，模擬銷售人員幫助客戶完成購買過程”。

　　推薦系統面對的是使用者user，任務是為使用者提供對專案item的推薦。使用者是指推薦系統的使用者，也就是電子商務活動中的客戶。專案是被推薦的物件，是指電子商務活動中提供給客戶選擇的產品和服務，也就是最終推薦系統返回給使用者的推薦內容。在一個電子商務活動中，使用者數和專案數是非常多的。推薦系統面對的當前使用者，稱為目標使用者或者活動使用者。推薦系統的當前 工作，就是為根據一定的演算法，給出對目標使用者的推薦專案。

　　電子商務推薦系統主要由三大部分構成：輸入模組、推薦方法模組和輸出模組。輸入模組用來接受使用者的輸入資訊，使用者的輸入資訊中最重要的是使用者對專案的評價rating資料;推薦方法模組用來根據一定演算法，根據使用者資料，得出對目標使用者的推薦，該模組是整個推薦系統的核心部分，個性化推薦方面的研究的很大一部分，都集中在找到好的推薦方法。輸出模組主要是指得到的推薦以何種形式反饋給使用者。

　　根據專案的特點，目前主要有兩種型別的推薦系統，一種是以網頁為物件的個性化推薦系統，主要採用Web資料探勘的方法與技術，為使用者推薦符合其興趣愛好的網頁;另一種是網上購物 環境下的、以商品為推薦物件的個性化推薦系統，為使用者推薦符合其興趣愛好的各類產品，如各種書籍，音像等，這種推薦系統也稱電子商務個性化推薦系統。

　　二、電子商務個性化推薦系統的作用

　　電子商務推薦系統的最大的優點在於它能收集使用者興趣資料並根據使用者興趣偏好為使用者主動作出個性化的推薦，也就是說，當用戶每次輸入使用者名稱和密碼登入電子商務網站後，推薦系統就會按照目標使用者偏好程度的高低推薦使用者最喜愛的N個產品，而且系統給出的推薦是實時更新的，也就是說當系統中的產品庫和使用者興趣資料發生改變時，給出的推薦序列會自動改變，大大方便了使用者，也提高了 企業 的服務水平。

　　總體說來，電子商務推薦系統的作用主要表現在以下幾個方面：一方面，使使用者從無限的 網路 資源和商品世界中解脫出來，大大節約了使用者採購商品的時間和成本;與此同時，推薦系統的個性化推薦服務，提高了客戶對電子商務網站的忠誠度Building Loyalty，將更多的電子商務網站瀏覽者轉變為商品的購買者，從而提高電子商務網站的交叉銷售能力Cross-Selling，為電子商務企業贏得了更多的發展機會。

　　研究表明，在基於電子商務的銷售行業使用個性化推薦系統後，能提高銷售額2%-8%，尤其在書籍、電影、CD音像、日用百貨等產品相對較為低廉且商品種類繁多的行業，以及使用者使用個性化推薦系統的程度高的行業，推薦系統能大大提高企業的銷售額。

　　電子商務推薦系統和銷售系統Marketing Systems、供應鏈決策支援系統Supply-Chain Decision-Support Systems既相似又有不同。銷售系統是幫助銷售人員如何把產品銷售出去;推薦系統最終目的幫助使用者，輔助使用者購買什麼產品做出決策。供應鏈決策支援系統是幫助生產者決定什麼時候生產多少什麼產品，以及倉庫應該存貯多少各類產品，其最終目的是為企業生產者服務的，而同樣推薦系統是面向使用者的系統。

　　三、電子商務個性化推薦系統的研究內容

　　電子商務個性化推薦的研究有四方面的問題：首先，要解決推薦系統的資訊來源問題——推薦系統的基礎是使用者興趣資料資訊，如何在電子商務環境下儘可能獲得更多使用者的相關資訊，並以合適的形式表示是進行個性化推薦的前提;其次，要實現被顧客接受和認可的個性化推薦，設計準確、高效率的個性化推薦演算法是核心;另外，要讓推薦系統為廣大使用者所接受，必須對推薦系統作出客觀、綜合的評價，尤其要注意從準確率、個性化、安全性、使用者滿意度等多方面進行評價;推薦系統的 應用是最終研究的落腳點，推薦系統不僅能為使用者提供完全個性化購物環境，更應為企業的銷售決策和客戶關係 管理提供支援。

　　在電子商務環境下，使用者資訊收集表示是電子商務個性化推薦的基礎。根據當前對電子商務環境下使用者資訊收集表示的研究來看，主要著眼於研究如何有效地收集能反映使用者興趣偏好的資訊，以及如何通過網路資料探勘等的方法更自動化地收集使用者的隱式資訊，解決使用者資訊收集過多的依賴於顯式評價資料的問題。

　　個性化推薦技術是電子商務自動化推薦系統的核心問題。目前的推薦技術有協同過濾推薦包括基於使用者的和基於專案的、基於使用者人口 統計資訊的推薦、基於內容的推薦、基於效用的推薦、基於知識的推薦、基於規則的推薦等等。

　　協同過濾推薦是個性化推薦中研究和應用最多的方法，廣泛應用於電子商務網站、數字圖書館、網頁搜尋、新聞過濾等，著名的推薦系統有Tapestry、GroupLens/NetPerceptions、Ringo/Firefly等，其前提假設是存在具有相似興趣愛好的使用者群，每個使用者都有與其興趣愛好相似的鄰居使用者。預測使用者對某一專案的偏好是根據鄰居使用者對該專案的偏好程度 計算 的，也就是說如果其鄰居使用者喜愛某專案，則該使用者也很可能會喜愛該專案。協同過濾最大優點是不需要分析物件的特徵屬性，所以對推薦物件沒有特殊的要求，能處理非結構化的複雜物件，如 音樂 、電影等。

　　對推薦系統總體效能的評價是推薦系統研究的重要組成部分。目前大都只是採用準確率、召回率等評判尺度對推薦演算法進行評價，並沒有真正意義上的、提升到對整個推薦系統進行的評價，尤其缺乏從個性化程度、永續性程度、系統的安全性以及使用者接受程度等多方面對推薦系統進行綜合的評價。

　　四、研究現狀

　　推薦行為產品或其它專案的 軟體代理已經在許多應用中使用在電子商務領域，為了增加購買 經驗並滿足客戶需求，已經推出了充分利用消費者的訪問和購買行為的推薦系統。推薦者通常通過給使用者展示他們可能感興趣的產品或服務來促進購買。例如，諸如Amazon就是通過利用偏好或其他使用者購買資訊來介紹書籍或者其它產品給使用者的推薦系統。然而，使用的技術相當簡單，而且並非很精確和有效。

　　基本上，程式將當前客戶購買的一系列產品與其他客戶購買的一系列產品作比較，選擇客戶購買較多的產品與當前客戶購買的產品集合的交集，最後從中選出一些尚未被客戶所購買而仍然在顧客購物籃中的產品，並將它們作為推薦列表呈現給客戶。該技術也用於類似於協作過濾的文字文件的資訊抽取。電影或音樂唱片的推薦，例如Moviefrnder，通過預知一個人的偏好與其他人偏好的線性權重集合，並運用協作過濾技術來實現。

　　對於推薦系統的研究可分為三個種類：技術系統開發研究，使用者行為研究和隱私問題研究。其中技術系統開發是重點。目前各種推薦技術，例如資料探勘，代理和推理，都已經 應用到了推薦系統中。現存的推薦系統從廣義上可以劃分為基於規則的系統和資訊過濾系統。資訊過濾系統又可分為基於內容過濾的系統和協作過濾系統兩種。

　　基於規則的系統，N1如：IBM的WebSphere， BroadVi-sion， ILOG等。他們允許系統 管理員根據使用者的靜態特徵和和動態屬性來制定規則，一個規則本質上是一個if-then語句，規則決定了在不同的情況下提供不同的服務。基於規則的系統，其優點是簡單、直接，缺點是規則質量很難保證，而且不能動態更新。此外，隨著規則的數量增多，系統將變得越來越難以管理。

　　基於內容過濾的系統，例如：Personal WebWather， SysKill&Webert， Letizia， CiteSeer， if Web， SIFTER， PVA， WebMate， WebACE， ELFI和WebPersonalizer等。他們利用資源與使用者興趣的相似性來過濾資訊。基於內容的推薦系統通過將顧客的偏好與產品內容自動匹配來給顧客提供建議，例如網頁和訊息條目的推薦。在基於內容的系統中，產品由其普通屬性描述。顧客偏好通過分析產品比率以及相應的產品屬性來預測。

　　基於內容過濾的系統，其優點是簡單、有效。缺點是難以區分資源內容的品質和風格，而且不能為使用者發現新的感興趣的資源，只能發現和使用者已有興趣相似的資源。在基於內容的推薦系統中，一個核心問題是識別關鍵屬性集合。如果該集合太小，顯然，這對於識別使用者剖面是不充分的。因此，基於內容的推薦系統不能用於僅僅實施一次購買行為新顧客，或者訪問了該網站，卻沒有實施任何購買行為的潛在顧客，以及購買他不是特別經常購買的一種產品的顧客。

　　協作過濾系統如：WebWather， Let'sBrowse， Tapestry， GroupLens， Fab，Alexa， Firefly， SELECT， LikeMinds和Site-Seer等。他們利用使用者之間的相似性來過濾資訊。協作性的推薦系統估計顧客對特定產品的偏好是根據顧客對該產品的偏好率以及其他顧客對同一產品的偏好率的比較來實現的。協作性的推薦系統與基於內容的推薦系統之間的主要區別是協作性的推薦系統通過跟蹤一組顧客過去的行為來給該組中的個別顧客提供建議。使用該方法，顧客現在就可以接受建議，而在基於內容的推薦系統中，只要具有相似意向的其他顧客的偏好，顧客就己經具有先前預測了。

　　基於協作過濾系統的優點是能為用Web資料探勘的研究及其在 網路 學習個性化推薦中的應使用者發現的新的感興趣的資訊，缺點是存在兩個很難解決的問題，一個是稀疏性，亦即在系統使用初期，由於系統資源還未獲得足夠多的評價，系統很難利用這些評價來發現相似的使用者;

　　另一個是可擴充套件性，亦即隨著系統使用者和資源的增多，系統的效能會越來越低。協作性的過濾方法用來識別與既定客戶具有相似興趣的顧客，所推薦的產品也是這些給定客戶喜歡的產品。該方法的一個主要侷限是稀疏問題。在基於協作過濾的推薦系統中，很難精確確定下相似客戶和識別要推薦的產品。不僅如此，係數問題的極端形式是first-rater問題，當市場引入一種新產品時，不存在可用的先前估計資訊。

　　還有一些個性化服務系統如：WebSIFT， FAB， Anatagon-omy和Dynamic Profiler等，同時採用了基於內容過濾和協作過濾這兩種技術。結合這兩種過濾技術可以克服各自的一些缺點，為了克服協作過濾的稀疏性問題，可以利用使用者瀏覽過的資源內容預期使用者對其他資源的評價，這樣可以增加資源評價的密度，利用這些評價再進行協作過濾，從而提高協作過濾的效能。

　　近來，許多因特網公司還引進了有關資訊產品的推薦系統，它包括Web站點推薦， 音樂 推薦，視訊推薦，書籍推薦等等。因特網行銷代理機構運用推薦系統對某一廣告公司推薦使用者。

　　亞馬遜通過將書籍推薦給已經購買過特定書籍的顧客實現個性化推薦的。亞馬遜所推薦書籍概括的分為有兩種：小說書籍和非小說書籍。小說書籍的推薦很簡單，就是將同一作者的其它小說書籍推薦給特定使用者，這樣最終就將由該作者撰寫的相似類別的小說書籍推薦給了有相似背景的使用者。而非小說書籍的推薦將是將每個作者的相似類別的小說書籍推薦給了有相似背景的使用者。

　　五、 電子 商務推薦技術存在的問題和 發展 方向

　　綜合目前電子商務中個性化推薦系統的現狀可以看出，現存的個性化推薦系統技術大都是基於規則的系統，基於內容過濾的系統，以及協作過濾系統三種。而且，這些個性化推薦系統所運用的技術也僅僅限於基於內容的過濾，KNNL- Nearest N Eighboring技術，基於聚類的Clustering-based協作過濾，基於專案的Item-based協作過濾，序列模式，規則分析等等。由於這些推薦系統各自應用範圍的侷限，而且都不同程度的需要人工參與，因而導致目前推薦系統的推薦精確度較低。不僅如此，大多數個性化推薦系統只是給使用者推薦一些不同類別的資源，這與普通的搜尋引擎比較相似，而且對使用者正確行為的推薦卻比較少。

　　未來電子商務推薦技術研究的發展主要體現在以下幾個方面：

　　1.組合推薦技術的研究

　　眾所周知，現存的推薦技術已經得到推廣和應用，但各種技術都存在一些缺陷，能否將各種推薦技術融合起來作到取長補短是未來電子商務推薦技術研究的重要課題。

　　2.推薦技術準確度的研究

　　目前的推薦技術推薦的準確性還得不到保證，準確度的研究還侷限在手工實驗階段，因此，研究出自動的準確性驗證理論模型就顯得非常重要。

　　3.資料獲取方面，主要還是依賴使用者的顯式評價，在自動獲得使用者的隱式資訊方面做得不夠。

　　4.研究過於集中解決推薦演算法效能的提高，對推薦系統的開發與應用，尤其是與 企業 其它系統的整合應用，在輔助企業的市場銷售，客戶管理和企業商務智慧方面缺乏研究。

　　參考 文獻 ：

　　[1]Coo ley R， Mobasher B， Srivastava J. Data p repara2t ion fo r m ining wo rld w ide W eb brow sing pat terns.Journal of Know ledge and Info rmat ion System s， 19991 ： 230～241

　　[2]Goldberg D， Nichols D， Oki BM， Terry D. Using col-laborative filtering to weave an information tapestry. Communi-cations of the ACM， 1992，3512：61～70.

　　[3]Resnick and Varian.Recommendation systems Commu-nications of the ACM， 403： 56 C58， 1997.98-122

　　[4]R.D.Lawrence，G.S.Almasi，V.Kotlyar，M.S.Viveros， S.S.Duri，Personalization of supermarket product recommenda-tions， IBM Research Rport，2000.43-75.

　　[5]鄧愛林，朱揚勇，施伯樂.基於專案評分預測的協同過濾推薦演算法[J]. 軟體學報，2003，9 .

　　[6]曾春，邢春曉，周立柱.個性化服務技術綜述[J].軟體學報，2002，10.

　　[7]趙亮，胡乃靜，張守志.個性化推薦演算法設計[J]. 計算 機研究與發展，2002，8.