個性化推薦系統(tǒng)及其應(yīng)用

魏天琦

摘要：在互聯(lián)網(wǎng)高度發(fā)達(dá)的時代，信息過載的存在問題加速了個性化推薦系統(tǒng)的發(fā)展和應(yīng)用。本文首先分析了個性化推薦系統(tǒng)的產(chǎn)生背景和發(fā)展歷史，詳細(xì)闡述了其進(jìn)行推薦的原理，并介紹了推薦系統(tǒng)在電子商務(wù)、社交網(wǎng)絡(luò)及信息內(nèi)容等領(lǐng)域的應(yīng)用情況，最后討論分析了個性化推薦系統(tǒng)面臨的隱私保護(hù)、數(shù)據(jù)稀疏性等問題。

關(guān)鍵詞：推薦系統(tǒng) 個性化 電子商務(wù) 隱私保護(hù)

引言

隨著信息技術(shù)特別是互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們獲取信息的方式越來越多，同時信息總量也在呈幾何倍數(shù)的增長，人們獲取信息的方式正在從主動查找變成被動接受。如何快速、準(zhǔn)確找到自己感興趣或需要的信息困擾著我們每個人，另

方面，人的需求有時是模糊的、時變的，對商家等服務(wù)提供平臺而言，準(zhǔn)確判斷并推送用戶可能感興趣的內(nèi)容，為用戶提供個性化的服務(wù)可以提高平臺的吸引力，增加用戶的忠誠度。為解決這些問題，因而產(chǎn)生了個性化推薦系統(tǒng)。

個性化推薦的概念是由美國人工智能協(xié)會在1995年首次提出，隨后Yahoo、IBM、NEC研究院等眾多公司、研究機(jī)構(gòu)紛紛加入這領(lǐng)域。近年來，人工智能以及大數(shù)據(jù)技術(shù)的發(fā)展進(jìn)一步推動了個性化推薦系統(tǒng)在商品、音樂、視頻、新聞等領(lǐng)域的應(yīng)用。國內(nèi)最早的推薦系統(tǒng)服務(wù)公司是北京百分點(diǎn)信息科技有限公司，該公司專注于推薦技術(shù)研發(fā)，為客戶提供不同類型的推薦系統(tǒng)解決方案；百度公司總裁李彥宏在百度世界大會2011上將推薦引擎與作為公司未來的重要發(fā)展方向，希望能夠?yàn)橛脩糁悄艿赝扑]其可能感興趣的新聞、網(wǎng)站、APP等信息。

一、個性化推薦系統(tǒng)的構(gòu)成及原理

般的推薦系統(tǒng)結(jié)構(gòu)如圖1所示。獲取用戶的偏好是建立推薦系統(tǒng)的第一步，這些信息需要從用戶的歷史記錄或注冊信息中采集，之后利用這些信息建立用戶模型，與此同時，根據(jù)商品、服務(wù)等對象的屬性特征建立推薦對象模型，最后應(yīng)用特定的推薦算法評價用戶對推薦對象的興趣度，據(jù)此對推薦對象進(jìn)行篩選，將用戶可能感興趣或需要的內(nèi)容呈現(xiàn)出來?？梢钥吹?，用戶、推薦對象模型以及相應(yīng)的推薦算法是推薦系統(tǒng)的核心要素。

（一）用戶模型

用戶模型是根據(jù)用戶的領(lǐng)域、職位、年齡、性別、所在地等基本信息以及購買、瀏覽等歷史信息表示和貯存用戶偏好的數(shù)據(jù)庫系統(tǒng)，該系統(tǒng)可以實(shí)現(xiàn)用戶的分類管理、智能標(biāo)記、定期或非定期更新等功能。用戶模型是推薦系統(tǒng)的基礎(chǔ)，精準(zhǔn)的用戶模型助于提高對推薦系統(tǒng)的準(zhǔn)確性。

（二）推薦對象模型

推薦對象包括很多內(nèi)容，例如書籍、電子產(chǎn)品、新聞、音樂、影視等信息對象。不同的對象具有不同的特征，如何準(zhǔn)確描述這些特征并將其標(biāo)準(zhǔn)化是推薦對象模型需要解決的問題，與用戶模型類似，推薦對象模型的質(zhì)量對推薦結(jié)果也有重要影響。

（三）推薦算法

推薦算法是連接用戶模型和推薦對象模型的橋梁，在推薦系統(tǒng)中起著至關(guān)重要的作用。根據(jù)推薦算法的實(shí)現(xiàn)原理，可以將推薦算法分為很多類型，如基于內(nèi)容的推薦、基于關(guān)聯(lián)規(guī)則的推薦、基于人口統(tǒng)計(jì)學(xué)的推薦、協(xié)同過濾推薦、混合推薦。在建立推薦系統(tǒng)時，應(yīng)根據(jù)具體的使用場景進(jìn)行選擇，其中混合推薦算法融合了其它兩種或多種算法，使用較為廣泛。

二、個性化推薦系統(tǒng)的應(yīng)用

目前，推薦系統(tǒng)現(xiàn)已廣泛應(yīng)用在電子商務(wù)、社交網(wǎng)絡(luò)、信息內(nèi)容等領(lǐng)域，在為用戶帶來便利的同時也提高了商家、平臺的服務(wù)水平，是一個雙贏的局面。

（一）電子商務(wù)推薦

類似淘寶、京東等電子商務(wù)平臺都在其購物網(wǎng)站或APP中加入了推薦功能。平臺根據(jù)用戶的購買歷史、個人信息及瀏覽記錄學(xué)習(xí)用戶偏好，應(yīng)用推薦算法向用戶提供購買建議，模擬銷售人員幫助客戶完成購買過程。智能商品推薦，能夠節(jié)省用戶從大量商品中挑選的時間，是電商平臺的核心競爭力之一，能夠在吸引客戶的同時，通過增加用戶的購買欲，提高商品銷量。將人工智能技術(shù)應(yīng)用于電子商務(wù)推薦系統(tǒng)，提高推薦系統(tǒng)的自動化、智能化程度以及開發(fā)針對銷售方的推薦系統(tǒng)等問題是目前電子商務(wù)推薦研究的熱點(diǎn)。

（二）社交推薦

微博、知乎、QQ空間、博客等社交媒體的激增使用戶可以隨時隨地創(chuàng)作內(nèi)容、發(fā)布動態(tài)、與好友分享照片、評論、點(diǎn)贊，參與各種形式的網(wǎng)上社交活動。對用戶來說，每天需要花費(fèi)大量時間與精力找到自己感興趣的人或是事；另一方面，社交媒體也面臨如何將用戶希望看到的內(nèi)容或關(guān)注的人推薦給用戶的難題。為此，人們將個性化推薦技術(shù)與社交網(wǎng)絡(luò)進(jìn)行結(jié)合，產(chǎn)生了社交推薦系統(tǒng)。由于人是社交的關(guān)鍵因素，因此，社交推薦系統(tǒng)的范疇不僅包括內(nèi)容推薦即幫助用戶選擇其感興趣的信息，人的推薦也是社交推薦的重點(diǎn)，如向用戶推薦好友、陌生人等。

（三）信息內(nèi)容推薦

閱讀是人們獲取信息的主要方式，與社交網(wǎng)絡(luò)中的內(nèi)容推薦類似，人們也會面臨選擇難題，由此發(fā)展出了個性化閱讀技術(shù)一將互聯(lián)網(wǎng)中的大量信息根據(jù)用戶的喜好進(jìn)行定制、呈現(xiàn)。近年來，個性化閱讀的互聯(lián)網(wǎng)產(chǎn)品發(fā)展很快，許多新聞客戶端、新聞網(wǎng)站或者商業(yè)網(wǎng)站，甚至瀏覽器、搜索引擎都引入了個性化閱讀功能。

音樂、和視頻是現(xiàn)代生活中不可或缺的娛樂內(nèi)容，在線音頻、視頻服務(wù)商也開始利用推薦系統(tǒng)為用戶進(jìn)行歌曲、視頻內(nèi)容的定制。根據(jù)用戶在平臺上選擇的“看（聽）過”、“想看（聽）”、“喜歡的明星”、風(fēng)格等信息，為用戶推送個性化的音樂和視頻內(nèi)容。

三、個性化推薦系統(tǒng)面臨的問題

目前，雖然個性化推薦系統(tǒng)在眾多領(lǐng)域得到了廣泛應(yīng)用，但也面臨許多急需解決的問題。

（一）隱私保護(hù)問題

建立個性化推薦系統(tǒng)需要收集用戶的個人基本信息和歷史活動信息，要達(dá)到較好的推薦效果，收集的信息化就會越多、越全面，這些信息大多涉及用戶的個人隱私，一旦泄露，后果不堪設(shè)想。另方面，對隱私泄露的擔(dān)憂會使用戶不愿甚至拒絕提供個人信息，缺乏足夠的信息又會導(dǎo)致推薦系統(tǒng)準(zhǔn)確性的下降，使用戶和平臺陷入兩難的境地。近幾年，移動互聯(lián)網(wǎng)的快速發(fā)展和普及，使得個性化系統(tǒng)中隱私保護(hù)問題越來越迫切。

（二）數(shù)據(jù)稀疏問題

對于電子商務(wù)平臺來說，其產(chǎn)品和用戶基數(shù)屬于甚至超過千萬等級，而其中被用戶打分的產(chǎn)品比例很低，一般不足1%，這就導(dǎo)致了數(shù)據(jù)稀疏性問題，特別是對采用了基于協(xié)同過濾算法的推薦系統(tǒng)，數(shù)據(jù)稀疏問題最為突出。一般來說，數(shù)據(jù)規(guī)模越大，數(shù)據(jù)就越稀疏，針對這個問題學(xué)者們提出了許多解決方案，如擴(kuò)散算法、添加缺省打分等，但從本質(zhì)上說，稀疏問題很難克服，因而人們更傾向于使用能夠處理數(shù)據(jù)稀疏問題的推薦算法。

（三）多樣性與精確性的矛盾

推薦系統(tǒng)的多樣性是指推薦系統(tǒng)需要滿足用戶不同的興趣。對商家而言，希望提高系統(tǒng)的多樣性來覆蓋更多的商品品類，激發(fā)用戶的購買欲。為保證推薦的多樣性，系統(tǒng)往往通過為用戶制定更大的推薦列表，但結(jié)果包含的內(nèi)容越多，用戶會認(rèn)為推薦的個性化程度不夠，進(jìn)而導(dǎo)致推薦的準(zhǔn)確性下降。一般來說，推薦系統(tǒng)的多樣性和準(zhǔn)確性不能同時得到優(yōu)化，提高某一方面就會導(dǎo)致另一方面的下降，二者相互制約。

此外，推薦系統(tǒng)還面臨冷啟動、大數(shù)據(jù)計(jì)算以及在移動終端服務(wù)的時效性等問題，這些問題有的是伴隨推薦系統(tǒng)產(chǎn)生就有的，有的是推薦系統(tǒng)發(fā)展到一定階段才有的，但都不可避免地制約著推薦系統(tǒng)的發(fā)展與應(yīng)用。

四、結(jié)語

本文詳細(xì)論述了推薦系統(tǒng)的原理及其在電子商務(wù)、社交網(wǎng)絡(luò)以及信息內(nèi)容方面的應(yīng)用現(xiàn)狀，分析了推薦系統(tǒng)需要解決的隱私保護(hù)、數(shù)據(jù)稀疏等問題。作為一個新興領(lǐng)域，推薦系統(tǒng)幫助用戶快速、準(zhǔn)確的找到自己需要的信息，架起了用戶和信息提供者之間的橋梁，相信在未來，推薦系統(tǒng)的進(jìn)一步發(fā)展將會給人們的生活帶來更大的便利。