大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)社交平臺(tái)個(gè)性化推薦發(fā)展創(chuàng)新*

蘭州工業(yè)學(xué)院計(jì)算機(jī)與人工智能學(xué)院 張?jiān)铺?陳娜

隨著國(guó)民經(jīng)濟(jì)的不斷增長(zhǎng)，科學(xué)技術(shù)的不斷創(chuàng)新，我國(guó)大數(shù)據(jù)領(lǐng)域建設(shè)發(fā)展水平得到了顯著提升。在大數(shù)據(jù)時(shí)代發(fā)展背景下，網(wǎng)絡(luò)社交平臺(tái)要高度重視科學(xué)結(jié)合用戶行為與興趣愛好，加強(qiáng)對(duì)他們的個(gè)性化推薦服務(wù)工作，促使他們能夠在最短時(shí)間內(nèi)獲取到自身需求的網(wǎng)絡(luò)信息資源，從而增加對(duì)自家網(wǎng)絡(luò)社交平臺(tái)的認(rèn)可度和支持度。本文將進(jìn)一步對(duì)大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)社交平臺(tái)個(gè)性化推薦發(fā)展創(chuàng)新展開分析與探討。

當(dāng)前是一個(gè)大數(shù)據(jù)信息時(shí)代，人們無(wú)時(shí)無(wú)刻不再與信息數(shù)據(jù)打交道，網(wǎng)絡(luò)社交媒體平臺(tái)要想為網(wǎng)絡(luò)用戶提供個(gè)性化的優(yōu)質(zhì)服務(wù)，就必須結(jié)合用戶日常行為習(xí)慣和需求，合理推薦其感興趣的信息內(nèi)容，最大程度滿足用戶的網(wǎng)絡(luò)個(gè)性化體驗(yàn)需求。個(gè)性化推薦服務(wù)的創(chuàng)新要以市場(chǎng)用戶興趣需求為核心導(dǎo)向，網(wǎng)絡(luò)社交平臺(tái)要積極推出個(gè)性化的定制服務(wù)，注重提升平臺(tái)用戶推送內(nèi)容的準(zhǔn)確率，促使能夠有效提升用戶對(duì)平臺(tái)的粘性度，創(chuàng)造出更多的經(jīng)濟(jì)效益。

1 基于大數(shù)據(jù)網(wǎng)絡(luò)社交平臺(tái)的個(gè)性化推薦系統(tǒng)框架

伴隨著現(xiàn)代互聯(lián)網(wǎng)信息技術(shù)的不斷創(chuàng)新完善，傳統(tǒng)的推薦系統(tǒng)已經(jīng)無(wú)法滿足網(wǎng)絡(luò)用戶的個(gè)性化體驗(yàn)服務(wù)需求，其存在著推薦效率低、計(jì)算耗時(shí)等弊端，難以幫助網(wǎng)絡(luò)社交平臺(tái)不斷提升的用戶體驗(yàn)服務(wù)水平。因此，網(wǎng)絡(luò)社交平臺(tái)需要基于大數(shù)據(jù)背景科學(xué)打造出個(gè)性化推薦系統(tǒng)。比如，在針對(duì)網(wǎng)絡(luò)用戶登錄使用社交平臺(tái)產(chǎn)生大量數(shù)據(jù)的安全儲(chǔ)存問(wèn)題，平臺(tái)可以基于Hadoop分布式計(jì)算平臺(tái)大數(shù)據(jù)生態(tài)系統(tǒng)去有效解決大量數(shù)據(jù)存儲(chǔ)問(wèn)題，并且還可以讓數(shù)據(jù)并行計(jì)算處理分析變得更加簡(jiǎn)單，大大提升數(shù)據(jù)信息推薦過(guò)程的運(yùn)算工作效率。基于大數(shù)據(jù)技術(shù)應(yīng)用輔助下，網(wǎng)絡(luò)社交平臺(tái)的個(gè)性化體檢系統(tǒng)可以分為四個(gè)不同層，分別是數(shù)據(jù)源層、存儲(chǔ)層、推薦模型生成層以及推薦結(jié)果展示層。(1)數(shù)據(jù)源層的搭建主要起到采集推薦系統(tǒng)需求數(shù)據(jù)、優(yōu)化處理原始數(shù)據(jù)以及傳遞存儲(chǔ)數(shù)據(jù)的作用，其可以科學(xué)細(xì)分為數(shù)據(jù)采集層和數(shù)據(jù)預(yù)處理層，能夠幫助網(wǎng)絡(luò)社交平臺(tái)科學(xué)高效進(jìn)行海量用戶有價(jià)值數(shù)據(jù)信息的采集和處理。經(jīng)過(guò)數(shù)據(jù)源層采集處理后的數(shù)據(jù)會(huì)存儲(chǔ)在實(shí)現(xiàn)設(shè)計(jì)好的存儲(chǔ)層，當(dāng)前主流的存儲(chǔ)層包括了Hive、HDFS以及HBase等；(2)推薦模型生成層的搭建則是作為大數(shù)據(jù)推薦系統(tǒng)的核心模塊，其起到的作用是通過(guò)在存儲(chǔ)層獲取目標(biāo)數(shù)據(jù)，運(yùn)行高級(jí)先進(jìn)推薦算法，完成對(duì)用戶需求興趣內(nèi)容的處理分析，以此來(lái)幫助網(wǎng)絡(luò)社交平臺(tái)提高對(duì)用戶推薦的準(zhǔn)確率[1]?；诖髷?shù)據(jù)的網(wǎng)絡(luò)社交平臺(tái)個(gè)性化推薦系統(tǒng)設(shè)計(jì)框架如圖1所示。(3)推薦結(jié)果展示層是最終與用戶有直接或者間接交互關(guān)系的展示模塊，最終的推薦內(nèi)容展示結(jié)果是基于用戶日常瀏覽行為習(xí)慣，而持續(xù)更新推薦模型生成層的模型參數(shù)，為市場(chǎng)目標(biāo)用戶推送他們所需求愛好的服務(wù)產(chǎn)品或者信息。

圖1 基于大數(shù)據(jù)的網(wǎng)絡(luò)社交平臺(tái)個(gè)性化推薦系統(tǒng)設(shè)計(jì)框架Fig.1 Design framework of personalized recommendation system for network social platform based on big data

2 基于大數(shù)據(jù)網(wǎng)絡(luò)社交平臺(tái)的個(gè)性化推薦算法

2.1 基于協(xié)同過(guò)濾的個(gè)性化推薦算法

協(xié)同過(guò)濾下的個(gè)性化推薦算法是一種找到與目標(biāo)用戶興趣接近的用戶集合，或者與相似用戶所選擇的模式的物品的集合；協(xié)同過(guò)濾一種被廣泛應(yīng)用在網(wǎng)絡(luò)社交平臺(tái)、電子商務(wù)平臺(tái)的技術(shù)，其核心是表示網(wǎng)絡(luò)用戶對(duì)于項(xiàng)目操作行為，科學(xué)運(yùn)用先進(jìn)數(shù)理統(tǒng)計(jì)的方法，高效準(zhǔn)確得出最近鄰居，以此來(lái)完成最終的推薦協(xié)調(diào)過(guò)濾。為用戶提供其所需的個(gè)性化推薦服務(wù)信息或者產(chǎn)品內(nèi)容。伴隨著現(xiàn)代互聯(lián)網(wǎng)的不斷發(fā)展，社交網(wǎng)絡(luò)平臺(tái)為人們學(xué)習(xí)生活提供了極大的便利之處，用戶隨時(shí)隨刻可以利用移動(dòng)設(shè)備進(jìn)行網(wǎng)絡(luò)交流、檢索獲取信息以及瀏覽購(gòu)買自身需求產(chǎn)品。網(wǎng)絡(luò)社交平臺(tái)可以基于平臺(tái)用戶與用戶、用戶與信息服務(wù)之間的關(guān)聯(lián)關(guān)系，創(chuàng)新推出與熱度影響力和社交網(wǎng)絡(luò)相關(guān)的個(gè)性化推薦算法。例如，我們想聽好聽的歌曲時(shí)，會(huì)向朋友詢問(wèn)，有什么好聽的歌。這時(shí)朋友就會(huì)進(jìn)行一些推薦，這就是現(xiàn)實(shí)生活中的個(gè)性化推薦。之所以我們會(huì)詢問(wèn)好友，是基于對(duì)對(duì)方的信任以及共同的興趣。因此，基于協(xié)同過(guò)濾的個(gè)性化推薦算法主要包括兩個(gè)步驟：首先，社交網(wǎng)絡(luò)平臺(tái)的技術(shù)人員可以通過(guò)科學(xué)有效構(gòu)建出用戶與信息服務(wù)間的異構(gòu)網(wǎng)絡(luò)圖，并結(jié)合平臺(tái)用戶之間的內(nèi)外部因素相似度。接著，有效應(yīng)用基于關(guān)注熱度的傳播概率模型去科學(xué)模擬出在社交網(wǎng)絡(luò)平臺(tái)上，不同用戶之間的影響擴(kuò)散過(guò)程，結(jié)合不同用戶之間的跟隨概率系統(tǒng)展開排序并篩選出與目標(biāo)用戶相似的鄰居。這樣一來(lái)推薦算法系統(tǒng)就可以根據(jù)最近鄰中用戶的實(shí)際評(píng)分情況，合理為目標(biāo)用戶推薦其感興趣的信息服務(wù)內(nèi)容或者產(chǎn)品集合，促使用戶在本平臺(tái)上能夠及時(shí)瀏覽到自身需求的信息或者產(chǎn)品[2]。

2.2 混合推薦方法

在網(wǎng)絡(luò)社交平臺(tái)推薦應(yīng)用中混合推薦是一種較為普遍的推薦方法之一，其有效結(jié)合了各種推薦算法的優(yōu)勢(shì)，能夠充分保障推薦效果，促使用戶滿意平臺(tái)的個(gè)性化推薦服務(wù)?；旌贤扑]方法的應(yīng)用涵蓋了三種不同方式，分別是前融合、中融合以及后融合。前融合是基于將各種先進(jìn)推薦算法優(yōu)化集中到同一個(gè)推薦模型中，接著采用不同種類的樣本展開訓(xùn)練。而中融合則是一種推薦算法作為核心框架，然后在該框架下滲透另外一種算法。最后一種的后融合方式則是以線性組合、投標(biāo)機(jī)制作為基礎(chǔ)，有效將兩個(gè)以上的推薦算法產(chǎn)生的結(jié)果進(jìn)行優(yōu)化組合，最終生成理想的推薦結(jié)果[3]。值得注意的是，網(wǎng)絡(luò)社交平臺(tái)在應(yīng)用該種推薦方法為用戶提供個(gè)性化服務(wù)時(shí)，需要提升混合推薦的有效性和可拓展性，確保能夠?yàn)閺V大用戶全面提供各項(xiàng)深度特征，因此需要進(jìn)行對(duì)混合推薦算法進(jìn)行創(chuàng)新完善。網(wǎng)絡(luò)社交平臺(tái)為了豐富個(gè)性化推薦結(jié)構(gòu)，可以通過(guò)在構(gòu)建平臺(tái)用戶興趣模型時(shí)，科學(xué)采用領(lǐng)域本體，即在獲取用戶本體集過(guò)程中合理采用本體的集成語(yǔ)義展開相似度計(jì)算，接著基于不同層次展開聚類處理，最終有效建立起用戶語(yǔ)義興趣結(jié)構(gòu)，并明確出具有高度多樣性的用戶作為可信鄰居，這種混合推薦模型最為顯著的特征就是多樣性以及準(zhǔn)確性，能夠幫助網(wǎng)絡(luò)社交平臺(tái)大大提升用戶個(gè)性化推薦質(zhì)量，贏得廣大用戶的認(rèn)可和支持。

2.3 基于圖的社會(huì)化推薦算法

近年來(lái)社交網(wǎng)絡(luò)已經(jīng)走進(jìn)了人們的生活，受到了網(wǎng)民的關(guān)注與歡迎。社交網(wǎng)站能夠讓用戶創(chuàng)建個(gè)人頁(yè)面用于自我介紹，且會(huì)以默認(rèn)的形式公開用戶的好友。社交網(wǎng)站的優(yōu)勢(shì)在于能夠緩解信息過(guò)載的情況。在社交網(wǎng)絡(luò)中，人們往往只關(guān)注自己的好友以及自己感興趣的話題，閱讀好友分享的內(nèi)容、發(fā)布的信息。因此可以過(guò)濾一系列與自己無(wú)關(guān)的信息。且社交網(wǎng)絡(luò)中的個(gè)性化推薦算法能夠通過(guò)顯性以及隱性的用戶社交網(wǎng)絡(luò)數(shù)據(jù)來(lái)開展信息過(guò)濾，以便找到自己感興趣的好友或話題。社會(huì)化推薦的優(yōu)勢(shì)主要表現(xiàn)在好友推薦可以提升推薦的信任度，且解決冷啟動(dòng)的問(wèn)題。網(wǎng)絡(luò)社交平臺(tái)上通常存在著兩種關(guān)系，一種是用戶之間的社交網(wǎng)絡(luò)關(guān)系，一種則是用戶對(duì)物品的興趣關(guān)系。如微信平臺(tái)中，人們的好友大部分為現(xiàn)實(shí)生活中的好友，且好友關(guān)系都需要雙方確認(rèn)的；又如微博平臺(tái)則是以相似的興趣愛好建立的好友關(guān)系，可為單向的關(guān)注關(guān)系。微信平臺(tái)與微博平臺(tái)的社交網(wǎng)絡(luò)分別稱為社交圖譜與興趣圖譜。社交網(wǎng)絡(luò)平臺(tái)技術(shù)人員可以基于圖模型去科學(xué)呈現(xiàn)出這兩種關(guān)系，這樣有利于輔助平臺(tái)更好進(jìn)行對(duì)每個(gè)用戶的個(gè)性化推薦，促使他們能夠獲取到自身感興趣的用戶或者產(chǎn)品?；谏缃痪W(wǎng)絡(luò)圖去呈現(xiàn)出平臺(tái)用戶之間的社交關(guān)系，用戶物品二分圖科學(xué)描述用戶對(duì)產(chǎn)品的行為，然后將其二者有機(jī)結(jié)合在一起形成一個(gè)完整圖形[4]。如圖2所示，為社交網(wǎng)絡(luò)圖和用戶產(chǎn)品二分圖的結(jié)合，圓圈代表不同用戶，而方塊則是代表不同產(chǎn)品，兩者之間交叉形成關(guān)系圖。在網(wǎng)絡(luò)社交平臺(tái)上，除了基本的用戶之間關(guān)系，還有一種就是多個(gè)用戶屬于同一社群的關(guān)系。如圖3所示，為融合兩種社交網(wǎng)絡(luò)信息的圖模型，最左邊的六邊框代表著社群，如果社交平臺(tái)上的某個(gè)用戶屬于其中某個(gè)社群，就在圖模型中利用一條邊聯(lián)系用戶多對(duì)應(yīng)的和社群對(duì)應(yīng)的節(jié)。

圖2 社交網(wǎng)絡(luò)圖和用戶產(chǎn)品二分圖的結(jié)合Fig.2 The combination of social network graph and user product bipartite graph

圖3 融合兩種社交網(wǎng)絡(luò)信息的圖模型Fig.3 Graphical model integrating two kinds of social network information

3 大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)社交平臺(tái)個(gè)性化推薦創(chuàng)新發(fā)展趨勢(shì)

3.1 網(wǎng)絡(luò)社交平臺(tái)用戶數(shù)據(jù)的精準(zhǔn)深度挖掘

現(xiàn)代網(wǎng)絡(luò)社交平臺(tái)要想吸引培養(yǎng)更多的忠實(shí)用戶，就必須加強(qiáng)對(duì)用戶的個(gè)性化推薦服務(wù)工作，創(chuàng)新完善個(gè)性化推薦服務(wù)系統(tǒng)，促使能夠最大程度滿足不同層次用戶的網(wǎng)站體驗(yàn)服務(wù)需求，獲取到自身愛好需求的網(wǎng)絡(luò)信息資源和產(chǎn)品。在大數(shù)據(jù)時(shí)代發(fā)展背景下，無(wú)論是線上企業(yè)，還是線下企業(yè)都開始越來(lái)越關(guān)注到市場(chǎng)用戶消費(fèi)行為模式與偏好度的分析，只有真正了解到用戶的實(shí)際需求情況和消費(fèi)特點(diǎn)，才能夠有針對(duì)性的推送信息內(nèi)容與產(chǎn)品服務(wù)。網(wǎng)絡(luò)社社交平臺(tái)要想做到優(yōu)質(zhì)的個(gè)性化推薦服務(wù)，除了要搭建起專業(yè)完善的推薦系統(tǒng)，綜合運(yùn)用各種先進(jìn)的推薦算法，采集到更多具有價(jià)值的用戶數(shù)據(jù)信息進(jìn)行分析處理，最后生成有效的推薦成果。在這個(gè)過(guò)程中，不僅要綜合考慮到平臺(tái)用戶的日常興趣愛好表現(xiàn)和消費(fèi)行為特點(diǎn)，還需要做到為用戶及時(shí)推薦所需的各項(xiàng)信息內(nèi)容和產(chǎn)品。

3.2 網(wǎng)絡(luò)社交平臺(tái)用戶反饋機(jī)制的創(chuàng)新構(gòu)建

基于大數(shù)據(jù)時(shí)代背景下，網(wǎng)絡(luò)社交平臺(tái)工作人員要正確意識(shí)到個(gè)性化推薦的目的是為了消除信息過(guò)載，從中深入挖掘利用具有價(jià)值的用戶數(shù)據(jù)信息，結(jié)合用戶實(shí)際需求和行為特點(diǎn)，為期推送其所需的產(chǎn)品和服務(wù)[5]。然而，實(shí)際情況是當(dāng)前大多數(shù)網(wǎng)絡(luò)社交平臺(tái)對(duì)于用戶個(gè)性化推薦的研究，更多只是單一集中在提升推薦速度和推薦算法質(zhì)量上，一定程度忽視了平臺(tái)不同用戶的切身體驗(yàn)感受，未能夠創(chuàng)新構(gòu)建出完善的用戶反饋機(jī)制，及時(shí)全面掌握了解到用戶的各項(xiàng)反饋意見信息。針對(duì)于此，各大社交平臺(tái)的管理人員要科學(xué)設(shè)置起具有高度人性化的反饋機(jī)制，拉進(jìn)平臺(tái)與用戶之間的關(guān)系，在實(shí)時(shí)接收每個(gè)用戶反饋過(guò)來(lái)的信息基礎(chǔ)上，展開對(duì)平臺(tái)個(gè)性化推薦系統(tǒng)的優(yōu)化調(diào)整，促使能夠?yàn)閺V大用戶提供更為優(yōu)質(zhì)的個(gè)性化體驗(yàn)服務(wù)，增加用戶對(duì)平臺(tái)的使用粘性。

4 結(jié)語(yǔ)

綜上所述，現(xiàn)代網(wǎng)絡(luò)社交平臺(tái)在建設(shè)運(yùn)營(yíng)工作中要高度重視用戶的個(gè)性化推薦服務(wù)，平臺(tái)要積極主動(dòng)引進(jìn)應(yīng)用先進(jìn)的推薦算法，構(gòu)建出完善的數(shù)據(jù)分析模型，加強(qiáng)對(duì)用戶海量數(shù)據(jù)信息的采集、處理分析以及安全存儲(chǔ)，基于用戶的興趣愛好和行為習(xí)慣特點(diǎn)，為其推送其所需的相關(guān)服務(wù)信息和產(chǎn)品。