李耀貴
(廣東理工學(xué)院,廣東 肇慶 526100)
機(jī)器人作為現(xiàn)代科技的產(chǎn)物,在信息化技術(shù)快速發(fā)展的時(shí)代背景下已不僅僅局限于工業(yè)領(lǐng)域,通過與智能化技術(shù)的深度融合,逐漸滲透至各個(gè)行業(yè)領(lǐng)域,廣泛地應(yīng)用于參觀、商品導(dǎo)購、游覽、家政服務(wù)等各個(gè)行業(yè),并取得了較好的成效。然而,隨著大數(shù)據(jù)時(shí)代的到來以及海量數(shù)據(jù)的積累,智能機(jī)器人在應(yīng)用中逐漸出現(xiàn)操作“失誤”現(xiàn)象,主要表現(xiàn)為具體操作內(nèi)容不符合用戶需求或與用戶需求指令出現(xiàn)明顯偏差等。綜合來看,引發(fā)這些問題的根本原因與推薦算法識(shí)別模糊有著莫大關(guān)聯(lián)。
剖析智能機(jī)器人結(jié)構(gòu),無論哪種機(jī)器人結(jié)構(gòu)的核心組成都離不開核心算法,即“機(jī)器學(xué)習(xí)”和“個(gè)性化推薦”,是一種通過對(duì)客戶需求或用戶個(gè)性特征、行為習(xí)慣、個(gè)人偏好等進(jìn)行分析,以協(xié)同過濾算法為基礎(chǔ),精準(zhǔn)地向用戶推送感興趣的信息和服務(wù)的推薦技術(shù)[1]。因此,只有完善核心算法,提出較為“智能”的計(jì)算模型才能真正保障智能機(jī)器人在服務(wù)方面的功能作用。
本文從機(jī)器人及個(gè)性化推薦系統(tǒng)的概念入手,首先論述二者的發(fā)展歷程、融合趨勢;其次綜合大數(shù)據(jù)背景下海量數(shù)據(jù)引發(fā)的信息缺失、冷啟動(dòng)等問題,提出了以協(xié)同過濾推薦技術(shù)為基礎(chǔ),構(gòu)建個(gè)性化智能推薦機(jī)器人的設(shè)計(jì)方案,并應(yīng)用于實(shí)踐;最終完成個(gè)性化智能推薦機(jī)器人的研究設(shè)計(jì)。
隨著社會(huì)的發(fā)展及科學(xué)的進(jìn)步,科技產(chǎn)品逐漸成為人類生活中不可或缺的一部分,機(jī)器人是現(xiàn)代科技的產(chǎn)物,并逐步發(fā)展成為工業(yè)領(lǐng)域主要的“生產(chǎn)力”。21 世紀(jì)初,在互聯(lián)網(wǎng)、信息技術(shù)的突破性發(fā)展下,機(jī)器人逐漸“智能化”,并快速得到社會(huì)認(rèn)可,成為當(dāng)下人類衣、食、住、行的重要元素。
智能機(jī)器人是機(jī)械技術(shù)、電子技術(shù)、信息技術(shù)有機(jī)結(jié)合的產(chǎn)物,近年來,隨著人工智能技術(shù)的不斷成熟,機(jī)器人應(yīng)用逐漸從工業(yè)制造、航空航天、交通礦業(yè)等領(lǐng)域向商業(yè)、安全、生活等領(lǐng)域擴(kuò)展。機(jī)器人笨拙、緩慢、智能程度不高等缺點(diǎn)逐步得到克服,并形成了模擬人類的行為但不需要大量計(jì)算的控制方法。
個(gè)性化推薦系統(tǒng)誕生于20 世紀(jì)末,它伴隨著計(jì)算機(jī)技術(shù)產(chǎn)生,并且在全球商業(yè)經(jīng)濟(jì)發(fā)展的大趨勢下逐步成熟。
最初的個(gè)性化推薦系統(tǒng)就是利用互聯(lián)網(wǎng)平臺(tái)向消費(fèi)者提供商品的信息以及消費(fèi)建議,同時(shí)模擬銷售人員輔助消費(fèi)者購買商品。20 世紀(jì)末期,隨著機(jī)器人在制造業(yè)的廣泛應(yīng)用,生產(chǎn)力大幅提升,物品短缺現(xiàn)象不復(fù)存在;相反,加快產(chǎn)品銷售,提高企業(yè)資金流動(dòng)活躍程度成為商業(yè)發(fā)展的核心理念。在此背景下,越來越多的企業(yè)摒棄傳統(tǒng)的產(chǎn)品信息化宣傳,開始向產(chǎn)品個(gè)性化推薦銷售模式轉(zhuǎn)變,而推薦系統(tǒng)也成為企業(yè)發(fā)展的新領(lǐng)域。21 世紀(jì)初期,隨著互聯(lián)網(wǎng)的發(fā)展,大數(shù)據(jù)時(shí)代到來。面對(duì)海量的消費(fèi)數(shù)據(jù),如何推動(dòng)商品銷售,穩(wěn)固客戶群體成為企業(yè)生存、發(fā)展的關(guān)鍵。因此,個(gè)性化推薦系統(tǒng)迅速發(fā)展,并促使企業(yè)銷售方式轉(zhuǎn)變[2]。
2015 年前后,“第四次科技革命”即人工智能科技變革,正悄然發(fā)軔興起。在工業(yè)、科技的雙重推動(dòng)下,機(jī)器人、計(jì)算機(jī)領(lǐng)域的人機(jī)交互、機(jī)器人視覺、機(jī)器人觸覺核心技術(shù)加速發(fā)展,谷歌、微軟、Broad Vision、IBM、Serve Robotics 以及國內(nèi)的小米、華為等科技企業(yè)陸續(xù)推出智能機(jī)器人,傳統(tǒng)機(jī)器人不斷向智能化演變。與此同時(shí),在日漸激烈的商業(yè)競爭態(tài)勢下,推薦技術(shù)應(yīng)用領(lǐng)域不斷擴(kuò)展,推薦方法的多樣化、成熟化使得個(gè)性化推薦系統(tǒng)被快速應(yīng)用于新聞、資訊、音樂、社交網(wǎng)站中,甚至在科普學(xué)習(xí)、青少年社會(huì)活動(dòng)等領(lǐng)域也有應(yīng)用[3]。由此,也逐漸演變出智能機(jī)器人與個(gè)性化推薦系統(tǒng)的融合發(fā)展,形成了以產(chǎn)品推薦為主的“智能推薦機(jī)器人”類目。這些公司憑借堅(jiān)實(shí)的科研實(shí)力以及充足的資金支持,形成了比較成熟的個(gè)性化智能推薦機(jī)器人產(chǎn)品。
從當(dāng)前已有的個(gè)性化智能推薦機(jī)器人應(yīng)用情況來看,宏觀層面上,個(gè)性化智能推薦機(jī)器人的發(fā)展首先歸功于機(jī)器人人工智能技術(shù)的發(fā)展。進(jìn)入21 世紀(jì)后,企業(yè)為降低成本、提升生產(chǎn)力,積極研發(fā)、使用機(jī)器人代替人工作業(yè),在信息化技術(shù)的推動(dòng)下,機(jī)器人趨于智能化且應(yīng)用范圍不斷擴(kuò)展。例如,通過智能控制方法加強(qiáng)機(jī)器人的操控靈活性,提高了機(jī)器人的作業(yè)速度及精度;通過豐富的軟硬件程序,靈活的API 方法,加強(qiáng)機(jī)器人的二次開發(fā),實(shí)現(xiàn)人機(jī)之間的準(zhǔn)確交互和溝通等。
中觀層面上,依賴于計(jì)算機(jī)技術(shù)創(chuàng)新,隨著互聯(lián)網(wǎng)技術(shù)及網(wǎng)絡(luò)基礎(chǔ)設(shè)施的不斷完善、升級(jí),一方面加速推動(dòng)了計(jì)算機(jī)算法的發(fā)展,促進(jìn)個(gè)性化推薦系統(tǒng)更高效地幫助企業(yè)識(shí)別“海量數(shù)據(jù)”;另一方面,在更為便捷的互聯(lián)網(wǎng)生產(chǎn)模式下,企業(yè)更需精準(zhǔn)投放產(chǎn)品信息,找到消費(fèi)者群體。
微觀層面上,在世界生產(chǎn)力普遍提高以及全球嚴(yán)峻的競爭態(tài)勢下,企業(yè)需要重新審視消費(fèi)鏈條,而這個(gè)鏈條當(dāng)中,個(gè)性化推薦系統(tǒng)可以實(shí)現(xiàn)“海量分析,精準(zhǔn)推薦”。
個(gè)性化智能推薦機(jī)器人具有多種技術(shù)體系,且每類技術(shù)都面臨更新?lián)Q代速度不斷加快、技術(shù)生命周期日益縮短的時(shí)代問題,然而不論如何變化,個(gè)性化智能推薦機(jī)器人的核心算法始終繞不開“信息感知、數(shù)據(jù)分析”,這就是“機(jī)器學(xué)習(xí)”的根本內(nèi)容,也是人們把“會(huì)感知,能思考”作為智能機(jī)器人與機(jī)器人區(qū)別界定的原因[4]。因此,如何保證機(jī)器人能夠感知消費(fèi)者信息并完成準(zhǔn)確分析,從而推動(dòng)企業(yè)產(chǎn)品銷售,搶占市場,加速企業(yè)發(fā)展,是這類產(chǎn)品的核心價(jià)值。
在個(gè)性化智能推薦機(jī)器人的核心價(jià)值之下,完善核心算法,形成精準(zhǔn)、有效的算法設(shè)計(jì)是當(dāng)前個(gè)性化智能推薦機(jī)器人的重要目標(biāo)。雖然目前根據(jù)用戶行為推薦產(chǎn)品的個(gè)性化推薦系統(tǒng)較為豐富,具有個(gè)性化推薦功能的其他系統(tǒng)也比比皆是。但總體而言,以上產(chǎn)品的開發(fā)主要以協(xié)同過濾技術(shù)為主,特別是電子商務(wù)領(lǐng)域尤為明顯。推薦中的協(xié)同過濾技術(shù)主要通過對(duì)消費(fèi)者使用產(chǎn)品的用后評(píng)價(jià)、滿意度反饋等信息進(jìn)行統(tǒng)計(jì),完成用戶分類,并在此基礎(chǔ)上,尋找與用戶興趣、喜好相似的“消費(fèi)鄰居群”,然后對(duì)“消費(fèi)鄰居群”中的用戶其他商品的購買狀況作出評(píng)價(jià),預(yù)測用戶對(duì)這些商品的感興趣程度,最后完成推薦。
個(gè)性化推薦技術(shù)總體以協(xié)同過濾技術(shù)為主,邏輯較為清晰,運(yùn)行相對(duì)簡單高效。但隨著快節(jié)奏的生活學(xué)習(xí),消費(fèi)者往往在消費(fèi)、購物后不對(duì)產(chǎn)品做出評(píng)價(jià)。同時(shí),還有部分消費(fèi)者屬于盲目消費(fèi)、無目的消費(fèi),導(dǎo)致消費(fèi)信息無法反映消費(fèi)者需求或出現(xiàn)“信息迷霧”問題,使得基于數(shù)據(jù)的協(xié)同過濾算法失誤。此外,還有一種現(xiàn)象就是某一產(chǎn)品的消費(fèi)評(píng)價(jià)過少。根據(jù)當(dāng)前的技術(shù)手段,當(dāng)售出產(chǎn)品的評(píng)價(jià)數(shù)量少于售出總量的1%時(shí),就會(huì)出現(xiàn)數(shù)據(jù)稀疏性、冷啟動(dòng)等問題[5]。在此情況下,協(xié)同過濾技術(shù)要尋找“消費(fèi)鄰居群”時(shí),就需要此前三倍以上的時(shí)間進(jìn)行計(jì)算,造成大量的服務(wù)器端資源消耗。
為提高商品推薦結(jié)果的準(zhǔn)確度、可靠度,增強(qiáng)推薦實(shí)時(shí)性,本文設(shè)計(jì)的個(gè)性化智能推薦機(jī)器人系統(tǒng)以海量數(shù)據(jù)庫為基礎(chǔ),通過數(shù)據(jù)挖掘延伸技術(shù),實(shí)現(xiàn)高級(jí)智能推薦,進(jìn)而幫助企業(yè)為消費(fèi)者個(gè)性化決策提供支持和信息服務(wù)[6]。根據(jù)目標(biāo),本系統(tǒng)在構(gòu)建過程中遵循以下設(shè)計(jì)原則,如表1所示。
表1 個(gè)性化智能推薦機(jī)器人設(shè)計(jì)原則
本文所設(shè)計(jì)的個(gè)性化智能推薦機(jī)器人的推薦系統(tǒng)算法部分采用Java 語言建設(shè),編程部分采用MyEclipse 工具;硬件方面,機(jī)器人設(shè)施需具有人機(jī)交互、語音識(shí)別、智能識(shí)別等功能,傳感器應(yīng)包括光強(qiáng)檢測、超聲波測距、紅外避險(xiǎn)等功能,同時(shí)配有10.1英寸、1 280*800 屏幕分辨率的電容觸摸屏,方便推薦,具體如表2所示。
表2 個(gè)性化智能推薦機(jī)器人硬件設(shè)計(jì)
依據(jù)協(xié)同過濾推薦系統(tǒng)運(yùn)行機(jī)理,本設(shè)計(jì)選擇首先構(gòu)建基于消費(fèi)者的協(xié)同過濾推薦引擎,具體步驟包括:收集消費(fèi)者數(shù)據(jù)、尋找消費(fèi)鄰居用戶、尋找匹配結(jié)果、實(shí)現(xiàn)最終推薦。
在此基礎(chǔ)上,首先創(chuàng)建Java 類文件,并加代碼完成實(shí)驗(yàn)數(shù)據(jù)集構(gòu)建。具體為:private static Map
new HashMap
static {
Map
map = new HashMap
map.put(''Lady'', 3.0f);
map.put(''Snakes'', 4.0f);
map.put(''Dupree'', 3.5f);
map.put(''Superman'', 5.0f);
map.put(''Listener'', 3.0f);
critics.put(''Jack'', map);
…
}
其次,在HashMap 中設(shè)定評(píng)價(jià)體系,以輔助推薦匹配環(huán)節(jié)。評(píng)價(jià)體系可以1~5 作為標(biāo)準(zhǔn),用來代表消費(fèi)者對(duì)某一產(chǎn)品的喜好程度,這樣就形成了一個(gè)消費(fèi)者對(duì)商品評(píng)分的數(shù)據(jù)集。隨后,根據(jù)1~5 的等級(jí),需要設(shè)定表達(dá)方式,因此,分別用數(shù)字-1、0、1 來表示“不喜歡”“一般”“喜歡”。以上步驟可以在多種環(huán)境使用,如購物推薦、新聞評(píng)論網(wǎng)等,具體如表3所示。
表3 消費(fèi)者評(píng)分對(duì)應(yīng)關(guān)系表
在實(shí)現(xiàn)消費(fèi)者評(píng)價(jià)信息收集,獲得可識(shí)別的偏好信息的數(shù)據(jù)后,以個(gè)人與其他人進(jìn)行對(duì)比,計(jì)算消費(fèi)者間的相似度評(píng)價(jià)值,以此來判斷消費(fèi)者對(duì)某種商品的喜好相似程度。此處,采用皮爾遜相關(guān)系數(shù)來判斷用戶之間的相似度評(píng)價(jià)值,部分代碼實(shí)現(xiàn)具體如下[7]。
// 返回p1,p2 的皮爾遜相關(guān)系數(shù),p1,p2 為評(píng)價(jià)用戶
p u b l i c d o u b l e s i m P e a r s o n(M a p>
prefs, String p1,String p2) {
...
// 計(jì)算皮爾遜相關(guān)系數(shù)
double num = pSum - (sum1 * sum2 / n);
double den = Math.sqrt((sum1Sq - Math.
pow(sum1, 2) / n)
* (s u m 2 S q - M a t h.
pow(sum2, 2) / n));
if (den == 0) {
return 0;
}return num / den;
}
所獲結(jié)果將介于-1 與1 之間,皮爾遜相關(guān)系數(shù)值越大,證明兩個(gè)用戶之間的相似度越高,反之則越低。當(dāng)值為1 時(shí),表示兩個(gè)消費(fèi)者對(duì)每一樣物品均有著一致的喜好評(píng)價(jià),構(gòu)建數(shù)據(jù)集,數(shù)據(jù)使用simPearson 函數(shù)進(jìn)行處理后,在MyEclipse 中的運(yùn)行結(jié)果如圖1所示[8]。
圖1 皮爾遜相關(guān)算法運(yùn)行結(jié)果圖
最終運(yùn)行結(jié)果中的數(shù)值0.381 246 425 831 511 64即利用皮爾遜相關(guān)系數(shù)算法得出的兩個(gè)用戶的相似度,通過算出的相似度數(shù)值大小,設(shè)定相似度閾值標(biāo)準(zhǔn),可以找出目標(biāo)用戶的“最近鄰居群”[9-10]。通過相似度計(jì)算方法,得到了兩個(gè)用戶的相似程度評(píng)價(jià)值,接下來就可以指定相應(yīng)的人員對(duì)每個(gè)用戶進(jìn)行評(píng)分,找出與目標(biāo)用戶最接近的匹配結(jié)果。針對(duì)此數(shù)據(jù)集,可以找出與目標(biāo)用戶有相似偏好的消費(fèi)者,然后就可以為目標(biāo)用戶預(yù)測偏好,推薦產(chǎn)品,獲取的Top-N 列表圖如圖2所示。
圖2 獲取的Top-N列表圖
以上運(yùn)行結(jié)果是在構(gòu)造的數(shù)據(jù)集中,假設(shè)目標(biāo)用戶Toby的匹配結(jié)果,根據(jù)消費(fèi)者的相似程度不同,形成由高到低的排列順序。結(jié)果顯示:Toby和Lisa對(duì)某一件產(chǎn)品的喜好相似度為0.991 240 707 161 929 9,對(duì)比其他用戶,Lisa 與Toby 的喜好相似度最高。所以,當(dāng)智能機(jī)器人要向Toby推薦相關(guān)商品時(shí),應(yīng)首先參考Lisa所感興趣的內(nèi)容。
本設(shè)計(jì)在當(dāng)前的市場中具有較強(qiáng)的可操作性,且投入成本較低,但是隨著智慧時(shí)代的到來以及智能機(jī)器人應(yīng)用趨勢的擴(kuò)大,也必將面臨技術(shù)迭代和技術(shù)周期問題。但是,應(yīng)明確認(rèn)識(shí)到,隨著商業(yè)范圍的不斷擴(kuò)大,智能商業(yè)化機(jī)器人無疑將是機(jī)器人發(fā)展的一個(gè)主要方向,這是世界經(jīng)濟(jì)與科技的重要發(fā)展趨勢,任何企業(yè)都無法忽視這一特征。當(dāng)前,根據(jù)用戶行為推薦產(chǎn)品的個(gè)性化推薦系統(tǒng)以及具有推薦功能的設(shè)計(jì)已不勝枚舉,但市場仍舊積極投資開發(fā)更為高端的“個(gè)性化推薦智能機(jī)器”。因此,企業(yè)應(yīng)當(dāng)積極做出相應(yīng)的調(diào)整,才能跟上新時(shí)代的發(fā)展步伐,實(shí)現(xiàn)轉(zhuǎn)型升級(jí)。