大數(shù)據(jù)背景下基于用戶特征庫的個性化資源推薦技術(shù)探討

馮麗丹

（柳州鐵道職業(yè)技術(shù)學(xué)院 廣西 柳州 545616）

1 引言

當(dāng)前，大數(shù)據(jù)信息技術(shù)和移動網(wǎng)絡(luò)通信技術(shù)發(fā)展趨勢迅猛，互聯(lián)網(wǎng)用戶對于數(shù)據(jù)的需求特點(diǎn)逐漸趨于復(fù)雜化，是一個動態(tài)變化狀態(tài)。因此，為便于用戶高效利用資源，節(jié)約時間，根據(jù)用戶的需求特點(diǎn)實(shí)現(xiàn)個性化推薦至關(guān)重要。這就要求相關(guān)領(lǐng)域?qū)W者投入精力研究如何從海量數(shù)據(jù)資源中挖掘并向特定用戶推薦有價值的資源。本文旨在研究大數(shù)據(jù)背景下基于用戶特征庫的個性化資源推薦技術(shù)相關(guān)內(nèi)容，分析發(fā)展現(xiàn)狀并展望未來趨勢，以期凸顯大數(shù)據(jù)背景下資源共享的優(yōu)勢，為廣大互聯(lián)網(wǎng)用戶的生產(chǎn)生活提供便利，推動互聯(lián)網(wǎng)技術(shù)進(jìn)一步發(fā)展。

2 大數(shù)據(jù)用戶特征庫與個性化推薦概述

2.1 大數(shù)據(jù)

隨著時代的進(jìn)步和社會經(jīng)濟(jì)的發(fā)展，包括互聯(lián)網(wǎng)、物聯(lián)網(wǎng)和人工智能等在內(nèi)的現(xiàn)代化科技高速發(fā)展，由此造成的網(wǎng)絡(luò)數(shù)據(jù)噴涌而出并持續(xù)積壓形成龐大的數(shù)據(jù)庫。這顯然為人們?nèi)媪私夂蜕钊虢鉀Q某些問題提供了有力支撐，但是這一切的前提是解決用戶如何從海量的數(shù)據(jù)中找到自己需要的有價值的數(shù)據(jù)的問題。現(xiàn)階段已有大量有關(guān)數(shù)據(jù)分析和數(shù)據(jù)挖掘等數(shù)據(jù)處理技術(shù)的研究，但是隨著互聯(lián)網(wǎng)的應(yīng)用范圍進(jìn)一步擴(kuò)展，處理海量數(shù)據(jù)也面臨越來越多的新問題，相關(guān)技術(shù)的深入研究迫在眉睫。

隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，與學(xué)習(xí)相關(guān)的資源個性化推薦逐漸成為其主要研究方向之一。相關(guān)研究包括：探討在互聯(lián)網(wǎng)大數(shù)據(jù)的背景下如何通過變革資源服務(wù)模式實(shí)現(xiàn)更高效的學(xué)習(xí)方式；分析探討大數(shù)據(jù)背景下國內(nèi)外先進(jìn)資源推薦技術(shù)應(yīng)用的實(shí)例，尤其是在與教育資源相關(guān)的適應(yīng)性教學(xué)和精細(xì)化教學(xué)管理等方面；當(dāng)前國內(nèi)外大數(shù)據(jù)應(yīng)用相關(guān)的工作熱點(diǎn)傾向于管理與決策工作方面，具體表現(xiàn)為要求信息化平臺結(jié)合用戶需求進(jìn)行后臺分析，據(jù)此制定切合用戶群體特征的個性化資源服務(wù)策略。

2.2 用戶特征庫

用戶特征庫具體包括不同用戶的各類信息包括興趣愛好、專業(yè)領(lǐng)域等的整合，以期通過收集整理用戶的不同方面的特征來獲取他們對于資源需求的偏向，從而對用戶進(jìn)行精準(zhǔn)分析，建立用戶標(biāo)簽，最終形成個性化用戶檔案模型。在信息化管理及應(yīng)用平臺中，利用基于用戶特征庫的個性化資源推薦技術(shù)，可以獲得用戶對資源信息的屬性關(guān)聯(lián)性信息，實(shí)現(xiàn)平臺資源信息的高匹配度的個性化推薦，不但為用戶提供有價值的數(shù)據(jù)資源服務(wù)，還能有效節(jié)約用戶在海量數(shù)據(jù)資源中挖掘有用資源的時間和金錢成本，具有重要的現(xiàn)實(shí)意義。

2.3 個性化推薦

在當(dāng)前大數(shù)據(jù)背景下，個性化推薦技術(shù)是處理海量互聯(lián)網(wǎng)數(shù)據(jù)應(yīng)用最廣的數(shù)據(jù)處理技術(shù)，對解決互聯(lián)網(wǎng)數(shù)據(jù)過度積壓問題起到至關(guān)重要的作用。

個性化資源推送服務(wù)目前的研究覆蓋領(lǐng)域已經(jīng)達(dá)到相對全面的狀態(tài)，包括動態(tài)過程、靜態(tài)過程以及應(yīng)用更廣的兩者結(jié)合的過程分析方法。其中，采用靜態(tài)數(shù)據(jù)分析方法的具體方式表現(xiàn)為綜合線上線下對用戶的受教育程度，對新技術(shù)的可接受性和適應(yīng)性等的調(diào)研結(jié)果，分析不同用戶各項(xiàng)指標(biāo)間的差異，并用數(shù)據(jù)形式表現(xiàn)出來。而動態(tài)數(shù)據(jù)分析方法的應(yīng)用則表現(xiàn)為在實(shí)際資源推送服務(wù)中系統(tǒng)根據(jù)用戶在尋求資源的過程中表現(xiàn)出的不同行為習(xí)慣和興趣愛好等方面的差異及變化及時做出相應(yīng)的調(diào)整，從而完成高效的個性化資源推薦服務(wù)[1]。

在實(shí)現(xiàn)個性化資源推送的算法中，目前主流的算法主要有以下幾種：（1）基于內(nèi)容的推薦；（2）基于關(guān)聯(lián)的推薦；（3）基于項(xiàng)目的協(xié)同過濾；（4）基于模型的協(xié)同過濾。

3 基于用戶特征庫的個性化推薦技術(shù)研究思路

研究從主流推薦算法入手，通過幾種推薦算法的組合使用，從大數(shù)據(jù)中分析及構(gòu)建用戶特征，建立用戶狀態(tài)數(shù)據(jù)庫、網(wǎng)絡(luò)交互關(guān)系庫和特征模型庫，基于此設(shè)計個性化的資源推送服務(wù)框架，并提出個性化資源推送的實(shí)施策略，使信息化平臺能夠?qū)崿F(xiàn)更精準(zhǔn)的個性化智能推送服務(wù)。

3.1 用戶特征庫的構(gòu)建

研究立足于靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)相結(jié)合的方法來分析用戶特征。在實(shí)際應(yīng)用中采取將動態(tài)數(shù)據(jù)分析方法作為主導(dǎo)，靜態(tài)數(shù)據(jù)分析方法作為補(bǔ)充的方案，面向的用戶群體為尚未參與學(xué)習(xí)平臺資源推薦活動的用戶，將各項(xiàng)調(diào)查結(jié)果作為輔助參考依據(jù)。獲取的工具主要利用Felder-Silverman學(xué)習(xí)風(fēng)格量表來進(jìn)行。動態(tài)數(shù)據(jù)獲取適合于有學(xué)習(xí)行為發(fā)生的用戶，數(shù)據(jù)獲取方式主要是從教育大數(shù)據(jù)中進(jìn)行挖掘和分析。

3.2 個性化資源推送服務(wù)框架設(shè)計和構(gòu)建

在分析和構(gòu)建了用戶特征模型之后，為了進(jìn)一步有效地實(shí)現(xiàn)教育大數(shù)據(jù)中用戶個性化學(xué)習(xí)資源推送的目標(biāo)，基于用戶特征模型構(gòu)建用戶個性化學(xué)習(xí)資源推送框架的構(gòu)建參照Map Reduce數(shù)據(jù)處理框架進(jìn)行設(shè)計，主要包括數(shù)據(jù)收集層、數(shù)據(jù)處理層、數(shù)據(jù)分析層和數(shù)據(jù)呈現(xiàn)層四個方面。

數(shù)據(jù)收集層主要收集用戶的靜態(tài)數(shù)據(jù)和動態(tài)學(xué)習(xí)行為數(shù)據(jù)。數(shù)據(jù)收集層還具備存儲其采集到的大量數(shù)據(jù)的功能，這些數(shù)據(jù)的處理工作主要由數(shù)據(jù)處理層完成，數(shù)據(jù)處理包括提取數(shù)據(jù)的關(guān)鍵詞，并依據(jù)關(guān)鍵詞進(jìn)行分類整理，降低重復(fù)率，綜合過濾無用的數(shù)據(jù)信息等。

3.3 個性化資源推送的實(shí)施策略

個性化資源推送的實(shí)施策略主要有兩個步驟：第一步，對知識點(diǎn)內(nèi)容進(jìn)行資源特征標(biāo)記，存儲在資源特征庫中；第二步，結(jié)合用戶特征與資源庫的資源特征，考慮個性化學(xué)習(xí)資源如何推送給相應(yīng)的用戶。在推送過程中，可以依照前期學(xué)習(xí)風(fēng)格量表的調(diào)查分析用戶特征，依據(jù)不同學(xué)習(xí)風(fēng)格特征的用戶對于資源的偏好完成資源類型的個性化推薦，即基于內(nèi)容的資源推薦。

3.4 關(guān)鍵環(huán)節(jié)

3.4.1 建立用戶狀態(tài)數(shù)據(jù)庫、網(wǎng)絡(luò)交互關(guān)系庫和特征模型庫

在建立用戶特征模型之前需要判斷用戶是否首次進(jìn)入信息化平臺學(xué)習(xí)，并據(jù)此進(jìn)行相應(yīng)的后續(xù)操作：如果是，用靜態(tài)數(shù)據(jù)獲取的方式建立用戶特征模型；如果不是，則需要結(jié)合首次進(jìn)入獲取的靜態(tài)數(shù)據(jù)和學(xué)習(xí)行為發(fā)生后獲取的動態(tài)數(shù)據(jù)進(jìn)行對比，確認(rèn)用戶模型。用戶模型分析中需要利用數(shù)據(jù)存儲層存儲的數(shù)據(jù)，然后在分析層對用戶的個體特征、學(xué)習(xí)狀態(tài)、偏好類型、學(xué)習(xí)路徑、交互關(guān)系等進(jìn)行分析，建立用戶狀態(tài)數(shù)據(jù)庫、網(wǎng)絡(luò)交互關(guān)系庫和特征模型庫。此外，還需要考慮是否存在某一方面具有相似特征的用戶，利用Pearson相關(guān)分析方法分析用戶之間是否具有相似性。

3.4.2 個性化資源推送實(shí)現(xiàn)路徑中，基于特征匹配的資源推送

這一步驟的實(shí)現(xiàn)需要結(jié)合用戶的特征及資源的差異性兩者之間的聯(lián)系程度，兩者聯(lián)系越密切，存在的相同或相似之處越多，則系統(tǒng)針對用戶特征選擇某一特定資源的可能性就越大。這一具體過程通常采用用戶之間相似度計算方法，在進(jìn)行相似度匹配時還可以利用歐式距離計算其相似度的大小。

4 大數(shù)據(jù)背景下個性化推薦技術(shù)發(fā)展面臨的挑戰(zhàn)

4.1 用戶的隱形喜好

基于用戶特征庫的個性化推薦技術(shù)通常是基于搜集用戶在互聯(lián)網(wǎng)上表現(xiàn)出來的對某類資源的喜好程度實(shí)現(xiàn)的。但是在實(shí)際的互聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境下，這種簡單直接的方法的可操作性難以達(dá)到期望值，因?yàn)橄啾扔谟脩舯憩F(xiàn)出來的顯性喜好，用戶往往還存在許多未表現(xiàn)出來的隱形喜好，將這些以其他隱性形式表達(dá)的用戶喜好納入個性化資源推薦系統(tǒng)是該系統(tǒng)發(fā)展面臨的挑戰(zhàn)之一。

4.2 大數(shù)據(jù)的處理擴(kuò)展

基于用戶特征庫的個性化推薦系統(tǒng)在設(shè)計完成后投入實(shí)際應(yīng)用場景時仍然會面臨問題。這是由于系統(tǒng)在試用時通常是基于一個較小規(guī)模的數(shù)據(jù)實(shí)現(xiàn)，但是在實(shí)際的互聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境中，系統(tǒng)需要處理的數(shù)據(jù)量巨大且數(shù)據(jù)結(jié)構(gòu)也處于動態(tài)變化的狀態(tài)，因此實(shí)際應(yīng)用的效果通常并不理想[2]。

5 結(jié)語

隨著社會經(jīng)濟(jì)的高速發(fā)展，互聯(lián)網(wǎng)普及和技術(shù)發(fā)展為人們的工作學(xué)習(xí)生活都提供了巨大的便利，但是大數(shù)據(jù)背景下海量數(shù)據(jù)的積壓也為人們獲取有價值的資源造成負(fù)擔(dān)。如何從海量數(shù)據(jù)中挖掘出用戶需要的有價值的數(shù)據(jù)逐漸成為當(dāng)前的研究熱點(diǎn)，因此，基于用戶特征庫的個性化推薦技術(shù)的研究具有重要的現(xiàn)實(shí)意義。