Internet和Web技术推动着电子商务的蓬勃发展，企业建立了大量的商业门户，提供了大量的产品信息以拓展市场，创造更多的商业机会。然而，随着电子商务提供越来越多的选择的同时，其结构也变得越来越复杂，经常出现“信息迷航”的问题，即用户会迷失在大量的商品信息空间中，无法找到自己需要的商品。解决这个问题的一个方法是发展智能推荐系统，提供个性化服务，即依据顾客的偏好或需求，为其推荐商品，以帮助顾客完成购买过程。目前几乎所有大型电子商务系统，如Amazon、eBay、新浪商城等，都不同程度地使用各种形式的个性化推荐系统。推荐系统在电子商务中取得了巨大的成功。研究表明，电子商务的销售行业在使用个性化推荐系统后，销售额能提高2％～8％。
1 相关研究
电子商务个性化推荐系统(personalized recommendation systems for e-commerce)的正式定义由Resnick等人在1997年给出：“电子商务个性化推荐系统是利用电子商务网站向用户提供产品信息和相关建议，帮助用户决定购买什么产品，通过模拟销售人员帮助用户完成购物过程的系统”。这个定义现在已经被广泛引用。目前的电子商务推荐系统主要有基于协同过滤的推荐系统如GmupLens、基于内容的推荐系统如Personal Web Watcher、基于规则的推荐系统如ILOG等类型。它们各有优缺点，在不同的应用领域所表现的性能也不同。例如基于协同过滤的推荐系统适合推荐音乐、电影这些内容比较难分析的物品；基于内容的推荐系统比较适合推荐新闻、文章及网页等。克服单一推荐技术的局限性的一种方法是采用混合推荐系统，如Schafer等人提出的元推荐系统以电影推荐为例讨论了将基于内容过滤推荐技术与基于协同过滤技术结合使用的方法。ZHANG Xi-zheng提出一个结合关联规则和分类的推荐方法，该方法先用A两硎算法产生一系列关联规则，然后用CBA-CB算法产生分类器，最后通过分类器为用户进行推荐。混合推荐系统可以同时利用更多的数据，使推荐效果更好，在一定程度上也突破了单一推荐技术在应用上的局限性。但是混合推荐系统在本质上也只是推荐技术本身的改进，在复杂、动态和充满挑战的商业环境中，推荐系统面临着更大的挑战，主要表现在以下几个方面：不能灵活提供多种推荐功能；没有充分考虑到商业策略；不能根据推荐需求的变化采用不同的推荐策略；由于推荐需求与应用系统之间的差别，推荐系统需要根据具体Web站点进行定制开发，集成代价高，系统移植性差；难以动态有效地管理和维护多个推荐工具和大量数据。这些问题限制了推荐系统在实际中的大规模应用。因此，如何构建灵活的推荐系统以适应复杂的商业环境是目前推荐系统的一个研究热点。左子叶等人提出了一个开放通用的电子商务推荐系统OARs，支持多种推荐模型并对所有推荐模型进行统一管理。杨引霞等人提出并实现了一种多模型推荐系统，该系统提供了关联规则推荐模型、热门销售推荐模型和协同过滤推荐模型三种，并提供可扩展的接口，可以方便地增加新的模型。这些多模型推荐系统在一定程度上可以满足多种推荐需要，但是系统继承代价仍然很高，系统移植性差。Weng Li-Tung等人从推荐系统市场的角度出发，提出了一个由推荐服
务用户、推荐服务提供商、推荐生产者构成的推荐系统市场，并在此市场的基础上提出了一个基于组件的推荐系统框架。它能够基于不同的商业策略生成不同的个性化推荐，这为开放性推荐系统的设计提供了很好的思路，但是提出的框架仅为了说明其推荐市场理论的实现方式，并没有进行详细的分析和设计。马辉民等人提出柔性推荐系统的概念，但是并没有深入探讨。本文从柔性理论出发，设计电子商务推荐系统，通过添加一个策略模块完成推荐需求与推荐实现之间的映射去实现柔性。该系统可以根据不同的商业环境进行定制，具有较好的继承性和移植性。
2 柔性理论
2.1 柔性软件理论
柔性思想起源于机械制造系统，柔性制造系统(flexible manufacturing system，FMS)是能够满足小批量、快节奏、多品种的生产制造系统。为了缓解软件危机，设计出能够较好适应不断变化的环境和满足不断变化需求的软件，人们将柔性的思想引进了软件信息行业。柔性软件系统(flexible software system，FSS)是在一定范围内能够满足和适应不断变化的环境和需求的软件系统。它具有以下几个特征：以复用和变化为目的；分层独立、松散耦合、模块组件化的系统框架；个性化界面定制、结构重构及扩展、功能模块替换及扩充；提供基于柔性适应的一定的互操作功能。柔性软件系统是目前软件系统发展的一个趋势。
2.2 多agent技术
Agent技术是人工智能技术的最新发展技术之一。现在普遍认为，agent是一个实体，具有一定的知识，并能够针对特定目标有效地运用知识求解问题，具有自主性、交互性、适应性、社会性、进化性等特性。多agent系统是由多个agent组成的系统，其基本思想是将具有不同目标的多个agent对其目标、资源等进行合理的安排，以协调各自行为，最大程度地实现各自的目标，每一个agent又是一个具有目标、知识和能力的自治计算实体，多个agent协调合作形成问题的求解网络。多agent技术正适应柔性系统的灵活性、复杂性、分布性等多方面的特点和要求。
3 电子商务推荐系统的柔性分析
 3.1 领域分析
领域分析是对一类应用系统的共同应用领域进行系统化分析的过程，以发现该领域应用系统的共性和变性。
1)对现有的电子商务推荐系统的共性分析共性(commonality)是一类应用系统的共同特征。现有的电子商务推荐系统虽然种类繁多，服务形式各不相同，但是都可以抽象成一个共同的体系结构，即收集用户信息，然后根据用户信息进行建模，在此基础上提供个性化的推荐信息(图1)。
2)对现有的电子商务推荐系统的变性分析变性(variability)是不同系统各自特有的不同于其他系统的特性。通过分析，笔者发现推荐系统变性的内容包括以下几个方面：
a)应用不同。一方面是应用领域的不同，推荐系统在许多领域都得到了应用，如电影、音乐、新闻、零售等；另一方面是应用场合不同，如对登录客户和非登录客户的推荐，对选购商品和未选购商品的客户的推荐等。
b)推荐算法不同。推荐算法是推荐系统的核心，目前存在各种不同的推荐算法，如协同过滤推荐、基于内容的推荐、基于案例的推荐、基于规则的推荐等。每种推荐技术都有其局限性，于是还有一些改进的推荐算法和混合推荐算法。随着推荐算法的进一步研究，还会有更多的推荐算法产生，以满足各种不同的推荐应用。
c)用户模型的表示不同。因为几乎所有的技术都以一种私有形式来表示知识，使得每种表示形式仅能够被具体类型的系统所运用。目前用户模型表示方法有基于向量空间模型的表示、基于神经网络的表示、基于用户一项目评价矩阵的表示、基于案例的表示以及基于本体论的表示等。
d)数据源不同。有许多不同的数据源可供推荐系统使用，其中包括产品数据库、交易数据库、日志数据库和客户数据库等。发掘新的数据源来扩大推荐系统的信息来源，也是目前研究的一个热点。
3.2 电子商务推荐系统的柔性分析
在领域分析的基础上可以确定系统柔点。通过对电子商务推荐系统的共性和个性分析发现，柔性电子商务推荐系统必须满足以下几点要求：能够在不同的应用领域方便地移植；能够随着企业的商业策略进行调整；能够方便地更新推荐技术；能够利用多种不同的数据源。为此，柔性推荐系统必须具备：
1)结构柔性：a)构建松散耦合的多层架构体系。在传统的推荐系统设计中，紧耦合产生僵化的难以移植和维护的密集体。要使系统具有一定的结构柔性，必须降低系统各模块间的耦合度，使之松散耦合。多层体系架构能够将模块的修改和扩展限制在一个层的内部，使之不会跨层传播，一定程度上降低了系统的耦合性。同时能够较方便地实现数据库与业务模型分离、业务模型与用户视图分离，这样就可以使它们可以各自独立地改变和复用，提高系统的灵活性。b)采用组件技术封装各个模块，这样就能像搭积木似的构建系统。c)封装推荐算法和模型，可以在需要的时候对算法和模型进行添加、删除和更新。
2)数据柔性能够利用多种不同形式的数据源，如文本、XML文本、Excel表、数据库等；能够集成多种ETL工具来进行数据处理，产生满足推荐需求的数据集。
3)业务流程柔性这是柔性推荐系统的核心，体现出系统整体柔性所在。针对不同的应用需求，通过简便的业务流程调整便能够满足推荐需求。本文采用构建一个策略模块的方式实现，通过配置推荐策略来满足推荐需求。传统的推荐系统推荐策略是在设计时定义好了，推荐需求发生变化将会导致修改整个系统。本文中策略模块将负责推荐需求到推荐实现之间的映射。当需求发生变化时，只要修改策略文件，便能够很好地满足需求，而不用重新规划整个系统。策略模块承担着反映推荐变化的角色，并指挥推荐系统满足这个变化。结构柔性和数据柔性都是为这一部分服务的，构建一个基础框架，在这个框架基础上可以方便地添加数据集、算法和模型来响应不同的推荐策略。