網(wǎng)絡(luò)信息推薦系統(tǒng)存在的問題及發(fā)展方向

付建清

摘 要：在網(wǎng)絡(luò)環(huán)境下，信息的種類和數(shù)量越來(lái)越多。網(wǎng)絡(luò)信息推薦系統(tǒng)是面向用戶的系統(tǒng)，怎樣向用戶推薦感興趣的信息，在用戶對(duì)信息的個(gè)性化要求日益明顯的情況下，個(gè)性化服務(wù)技術(shù)就變成網(wǎng)絡(luò)信息推薦系統(tǒng)的關(guān)鍵問題。因此研究和開發(fā)先進(jìn)的推薦系統(tǒng)就越來(lái)越被人們重視。該文主要分析了目前網(wǎng)絡(luò)信息推薦系統(tǒng)存在的問題，以及未來(lái)網(wǎng)絡(luò)信息推薦系統(tǒng)的發(fā)展方向。

關(guān)鍵詞：網(wǎng)絡(luò)信息系統(tǒng) 推薦 數(shù)據(jù)庫(kù) 需求

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2016）01（b）-0001-02

推薦系統(tǒng)是指將個(gè)性化的推薦信息作為輸出的系統(tǒng)或在大規(guī)?？蛇x對(duì)象中引導(dǎo)用戶做出選擇的系統(tǒng)。如果從技術(shù)層面上講，推薦系統(tǒng)就是如何發(fā)現(xiàn)特定類型的數(shù)據(jù)中有價(jià)值的信息的應(yīng)用技術(shù)。它的服務(wù)方式中采用了多種數(shù)據(jù)分析技術(shù)為用戶服務(wù)，向用戶自動(dòng)、實(shí)時(shí)、精確地提供其所需信息，并從用戶的反饋中收集信息對(duì)推薦結(jié)果進(jìn)行修改。推薦系統(tǒng)是協(xié)助用戶獲取有價(jià)值的信息的一種工具。它能夠?qū)τ脩舻臑g覽歷史等訪問站點(diǎn)信息進(jìn)行收集、統(tǒng)計(jì)，并根據(jù)用戶的瀏覽與查找行為來(lái)推薦信息內(nèi)容。推薦系統(tǒng)同檢索系統(tǒng)與其他系統(tǒng)一樣，是網(wǎng)絡(luò)信息服務(wù)的一部分，是整個(gè)網(wǎng)絡(luò)信息系統(tǒng)的一個(gè)組成部分。

在網(wǎng)絡(luò)環(huán)境下，信息的種類和數(shù)量非常多，推薦系統(tǒng)向用戶推薦的信息只有滿足用戶的興趣愛好，才有其存在的價(jià)值。

1 網(wǎng)絡(luò)信息推薦系統(tǒng)存在的問題

作為新興研究領(lǐng)域的網(wǎng)絡(luò)信息推薦系統(tǒng)，雖然已經(jīng)具備較好的功能，但還存在很多問題，特別是推薦系統(tǒng)的開發(fā)、應(yīng)用與其它系統(tǒng)的兼容性還不夠，推薦方式的應(yīng)用還不夠廣泛，除推薦方式的原因外，也與其提供的信息質(zhì)量、相關(guān)度不高等問題有關(guān)，具體原因主要有如下幾點(diǎn)。

（1）信息推薦服務(wù)基本是由數(shù)據(jù)庫(kù)中封閉系統(tǒng)來(lái)提供，這跟數(shù)據(jù)庫(kù)能提供方便的信息推薦服務(wù)有一定的關(guān)系，包括如下幾項(xiàng)。

①大部分?jǐn)?shù)據(jù)庫(kù)系統(tǒng)中的信息專業(yè)化、系統(tǒng)化，都是以學(xué)科知識(shí)體系編排，用戶的信息需求顯得較為集中和單一，因此能很容易獲取和表達(dá)信息需求。

②經(jīng)過(guò)標(biāo)引的信息，具有一致的發(fā)布標(biāo)準(zhǔn)和更新定時(shí)，只要通過(guò)關(guān)鍵詞匹配查找，準(zhǔn)確性也很高。

③相似性的用戶群體，更能方便系統(tǒng)用戶操作的記錄，不大的記錄數(shù)量，容易進(jìn)行分析，這樣有利于協(xié)同推薦等技術(shù)的應(yīng)用。

④傳統(tǒng)的實(shí)體圖書館早就開始提供定題服務(wù)，與數(shù)據(jù)庫(kù)信息推薦服務(wù)的宗旨類似，起到了借鑒作用。

因此技術(shù)條件要求不高、需分析的數(shù)據(jù)量不多、需求較為簡(jiǎn)單統(tǒng)一的數(shù)據(jù)庫(kù)信息推薦服務(wù)得到了更早的發(fā)展和更廣泛的應(yīng)用。

（2）信息推薦前期常使用文本匹配技術(shù)，內(nèi)容挖掘不足。中文檢索的瓶頸如同義詞的使用、分詞技術(shù)不足等，都說(shuō)明了單一的關(guān)鍵詞匹配，是很難完整表達(dá)用戶信息需求的，這也正是郵件定制所提供信息的質(zhì)量得不到保證的原因。有部分推薦服務(wù)的提供會(huì)使用系統(tǒng)自動(dòng)化的分析，但也由于自然語(yǔ)言處理的困難而效果不佳。

（3）系統(tǒng)對(duì)用戶興趣模型的創(chuàng)建較為簡(jiǎn)單，智能化和動(dòng)態(tài)更新能力不足，難以表達(dá)用戶的真實(shí)需求。用戶在進(jìn)行信息檢索時(shí)，初始時(shí)刻的信息需求常模糊不清，或者用戶認(rèn)為自己已認(rèn)識(shí)清楚，但可能因其表達(dá)能力或總結(jié)能力的缺乏而與實(shí)際有所偏差，需要更深入的挖掘。需求具有派生性和可啟發(fā)性，使得通過(guò)外界因素激發(fā)潛在需求成為可能，并有可能進(jìn)一步引發(fā)其他需求。人們的認(rèn)知結(jié)構(gòu)會(huì)經(jīng)歷同化與順應(yīng)，從不平衡向平衡發(fā)展，循環(huán)往復(fù)，推動(dòng)認(rèn)知的前進(jìn)，并最終影響用戶對(duì)其自身需求的定義和理解。表現(xiàn)有：在前期用戶反饋中，用戶判定相關(guān)的項(xiàng)目可能在后期反饋中被認(rèn)為不能滿足需求。這也說(shuō)明了用戶的興趣是不斷變化發(fā)展的，只在前期根據(jù)用戶的個(gè)人信息來(lái)定義興趣模型，將很快不適用。當(dāng)然，協(xié)同推薦等技術(shù)也關(guān)注用戶發(fā)展的信息需求，但是其算法質(zhì)量仍在改進(jìn)中。

（4）信息推薦前期的信息挖掘，主要是對(duì)網(wǎng)頁(yè)信息進(jìn)行分析，如Web日志挖掘等，缺乏較完善的知識(shí)庫(kù)來(lái)輔助。Web數(shù)據(jù)挖掘包括內(nèi)容挖掘、結(jié)構(gòu)挖掘和使用記錄挖掘三種，能夠有效反映網(wǎng)頁(yè)的內(nèi)容和價(jià)值以及用戶的使用習(xí)慣和頁(yè)面跳轉(zhuǎn)，三者的有效結(jié)合，可以較好地把握用戶的需求變化，并檢索獲取高價(jià)值的網(wǎng)頁(yè)內(nèi)容，通過(guò)優(yōu)化后的排序呈現(xiàn)在用戶面前。但是，完備的知識(shí)庫(kù)中存儲(chǔ)著大量的知識(shí)規(guī)則，可以形成相互關(guān)聯(lián)的知識(shí)網(wǎng)絡(luò)，推薦系統(tǒng)的分析模塊與其交互，存取利用相應(yīng)的知識(shí)規(guī)則，結(jié)合使用數(shù)據(jù)挖掘或多維聯(lián)機(jī)分析等技術(shù)，效果更好。

（5）動(dòng)態(tài)性和智能化不足。信息推薦的內(nèi)容是前期預(yù)定義的，無(wú)法自動(dòng)跟蹤變化，要想獲得真實(shí)的、與時(shí)俱進(jìn)的信息，常需要不斷地交互反饋，如問卷或?qū)υ捒虻男问?，從個(gè)人信息到對(duì)信息的評(píng)價(jià)，從舊需求變更到新需求的表達(dá)，方方面面的獲取用戶意見，從而通過(guò)數(shù)學(xué)計(jì)算，如簡(jiǎn)單的加權(quán)或其他推薦算法，來(lái)明確用戶的傾向。但是，頻繁的對(duì)話容易使用戶產(chǎn)生厭煩情緒，導(dǎo)致隨意作答，甚至拒絕作答的情況出現(xiàn)。這樣，直接影響了高質(zhì)量的推薦服務(wù)的提供。

（6）推薦對(duì)象通常是網(wǎng)站的長(zhǎng)期用戶，對(duì)非注冊(cè)用戶等推薦不足。因?yàn)闉g覽歷史是網(wǎng)站分析用戶的主要來(lái)源，只有長(zhǎng)期并經(jīng)常使用該網(wǎng)站的注冊(cè)用戶才有豐富的歷史記錄，但是對(duì)于不經(jīng)常登錄或未注冊(cè)用戶而言，則缺少可供分析信息需求的文檔，就會(huì)造成推薦的內(nèi)容個(gè)性化不足，或沒有推薦服務(wù)。

2 網(wǎng)絡(luò)信息的個(gè)性化推薦策略存在的問題

（1）推薦的個(gè)性化不夠明顯，沒有按照用戶的實(shí)際需要給出不一樣的產(chǎn)品推薦。

（2）推薦的自動(dòng)化程度水平低，因?yàn)楝F(xiàn)在的推薦技術(shù)還是通過(guò)內(nèi)容搜索和分類瀏覽的方法推薦，用戶要得到有關(guān)的信息內(nèi)容，就要通過(guò)關(guān)鍵詞或所屬類別逐層查找搜索。

（3）推薦的持久性水平低，國(guó)內(nèi)大部分網(wǎng)站使用的推薦都是采用用戶登錄時(shí)得到的信息，這樣很難知道用戶每次瀏覽網(wǎng)頁(yè)的興趣愛好等信息進(jìn)行富有個(gè)性化的推薦。

（4）推薦的方法過(guò)于單一，大部分網(wǎng)站的檢索主要是應(yīng)用分類瀏覽和內(nèi)容。

（5）推薦功能不夠靈活，無(wú)法滿足用戶在不同的場(chǎng)合和時(shí)間需要不同的推薦類型。

（6）對(duì)多個(gè)推薦工具和大量數(shù)據(jù)很難進(jìn)行動(dòng)態(tài)有效地管理和維護(hù)。隨著網(wǎng)絡(luò)信息服務(wù)中大量應(yīng)用推薦系統(tǒng)，大量的推薦工具、數(shù)據(jù)和應(yīng)用接口如何管理和維護(hù)的問題突出。

3 網(wǎng)絡(luò)信息推薦系統(tǒng)的發(fā)展方向

（1）多樣化的數(shù)據(jù)。目前的推薦系統(tǒng)主要通過(guò)過(guò)濾的方式，它不需要領(lǐng)域知識(shí)，能進(jìn)行跨類型推薦、自適應(yīng)性較好。用戶是以顯式評(píng)價(jià)的信息作為原始數(shù)據(jù)進(jìn)行收集，這樣只有在用戶對(duì)推薦系統(tǒng)做出評(píng)價(jià)時(shí)，系統(tǒng)才能得到有關(guān)的信息內(nèi)容。將來(lái)的推薦系統(tǒng)不僅要通過(guò)顯式提取用戶信息，還要在網(wǎng)絡(luò)挖掘技術(shù)，收集用戶的隱式瀏覽信息方面，提高信息收集的自動(dòng)化水平。

（2）改進(jìn)推薦算法。提高推薦算法的運(yùn)算性能及實(shí)時(shí)性，以使推薦系統(tǒng)能產(chǎn)生更精確、實(shí)時(shí)的推薦。盡管目前對(duì)協(xié)作過(guò)濾技術(shù)的研究很多，但實(shí)際效果并不理想，尤其在處理稀疏和冷開始問題上缺乏真正有效的方法。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，用戶評(píng)價(jià)數(shù)據(jù)庫(kù)的不斷增大，對(duì)推薦算法的運(yùn)算性能提出了新的要求，要求提高推薦算法的速度，加強(qiáng)算法的推薦實(shí)時(shí)性。同時(shí)，提高推薦的準(zhǔn)確性也是研究推薦算法的主要任務(wù)，目前個(gè)性化推薦系統(tǒng)沒有真正普及，用戶并不使用個(gè)性化推薦系統(tǒng)，主要原因就是推薦系統(tǒng)推薦的準(zhǔn)確度并不高，造成用戶不去依賴推薦系統(tǒng)。

（3）推薦系統(tǒng)的研究要以用戶為中心，從單一用戶推薦變成客戶群推薦。目前的推薦系統(tǒng)都是支持單一用戶的個(gè)性化推薦，將來(lái)應(yīng)該是支持多用戶推薦的推薦系統(tǒng)，可為特定用戶群做出推薦，用戶群之間、用戶之間能共享興趣資料信息。

（4）重視推薦策略。推薦策略泛指所有能使用戶得到自己想要的或感興趣的信息方法和策略。推薦系統(tǒng)給出的推薦結(jié)果要符合用戶的興趣愛好，具有可用的準(zhǔn)確度、個(gè)性化程度高。

（5）用戶需求模型的建立與動(dòng)態(tài)跟蹤相結(jié)合。網(wǎng)絡(luò)信息推薦服務(wù)的針對(duì)性，必然要求建立通用的用戶需求模型，并根據(jù)具體的用戶修改、增刪相應(yīng)的參數(shù)，從而真實(shí)反應(yīng)個(gè)體用戶的信息需求，提供符合要求的服務(wù)方式和信息質(zhì)量。此外，為了保證用戶使用信息推薦服務(wù)的“黏性”，既成為長(zhǎng)期的、忠實(shí)的用戶，信息推薦必須認(rèn)真考慮三個(gè)問題：什么用戶在使用著該推薦？用戶需要怎樣質(zhì)量（從信息種類、推薦層次等方面考慮）的推薦？用戶能利用該推薦做什么？只有明確了這三個(gè)問題，才能提高用戶使用的滿意度。而根據(jù)用戶需求動(dòng)態(tài)發(fā)展的原理，推薦服務(wù)必須能發(fā)掘并動(dòng)態(tài)跟蹤變化，不斷地豐富原需求模型，使得模糊、概括性的模型逐步清晰，甚至差異化，為個(gè)性化的推薦服務(wù)打下基礎(chǔ)。如果可能，最好能有類似于“發(fā)散思維”般的興趣擴(kuò)展，幫助用戶明確自己的傾向，甚至引導(dǎo)或誘發(fā)潛在的信息需求。

（6）系統(tǒng)智能化與用戶間交流相結(jié)合。正如系統(tǒng)開發(fā)的原型法一般，用戶需求在系統(tǒng)使用中的逐步確定、對(duì)系統(tǒng)功能的評(píng)價(jià)等，都是貫穿開發(fā)始終，推薦服務(wù)也應(yīng)該有此思想。雖然提供了多種技術(shù)以提高系統(tǒng)的智能化，希望在后臺(tái)盡力實(shí)現(xiàn)信息的高質(zhì)量挖掘、抽取、概括，從而減少前臺(tái)繁復(fù)的交互，并提供高質(zhì)量的推薦服務(wù)。但是，用戶表達(dá)意見的渠道始終要建立并良好維護(hù)，尤其是用戶間的交流。網(wǎng)站信息推薦的其中一個(gè)思想，就是將用戶進(jìn)行大概分組，組中某用戶感興趣的信息，也默認(rèn)為對(duì)組中另一用戶同樣具有吸引力。因此，系統(tǒng)不但要與用戶進(jìn)行交互對(duì)話，還要提供板塊給用戶們進(jìn)行交流。事實(shí)證明，用戶交流區(qū)正是經(jīng)驗(yàn)、知識(shí)分享的自由區(qū)域，新手在此可以快速的入門并確定自己的需求，而智能化的系統(tǒng)如能對(duì)此區(qū)域進(jìn)行相應(yīng)的信息挖掘，也將有助于獲知用戶評(píng)價(jià)和熱點(diǎn)、缺點(diǎn)，提高其推薦的信息質(zhì)量。

參考文獻(xiàn)

[1] 謝幼如.網(wǎng)絡(luò)信息資源的開發(fā)與運(yùn)用[M].北京：電子工業(yè)出版社，2015.

[2] 李葆萍.信息技術(shù)教育應(yīng)用[M].北京：人民郵電出版社，2014.

[3] 黃曉斌.數(shù)字圖書館推薦系統(tǒng)研究[J].情報(bào)資料工作，2005（4）：53-56.

[4] 余力，劉魯.電子商務(wù)個(gè)性化推薦研究[J].計(jì)算機(jī)集成制造系統(tǒng)，2004，10（10）：1306-1313.