机会发现理论对推荐系统的改进.pdfVIP

理论研究 http: // 机会发现理论对推荐系统的改进 □ 裴倩 / 西南科技大学经济管理学院 绵阳 621010 王玉平 / 西南科技大学图书馆 绵阳 621010 摘要：文章分析推荐系统的现状和存在问题，引入关注动态变化、发现隐性关联和弱信号的机会发现理 论，依次从收集用户信息、掌握用户兴趣变化和匹配资源方面，探讨机会发现理论对推荐系统的改进。通过 改进兴趣模型、建立自适应推荐模块、提供集成推荐等措施，提升推荐系统效率。 关键词：机会，机会发现，推荐系统 DOI ：10.3772/j .issn .1673—2286.2012.03.011 随着Web 2 .0理念的深入，社 一些新的罕见的事件或状态，因为 始机会发现在本领域的研究。 交网络、Blog、微博等异军突起，去 这些事件或状态将会对决策的制 机会发现是对机会的重要性产 中心化催生大量文本、图片、视频 定产生影响。他将这种事件或状态 生认识或解释，特别是机会很少出 等信息，信息质量良莠不齐，大量 定义为机会，并将发现、处理机会 现并且它的重要性没有被注意到的 冗余、无用、重复信息的存在导致 的过程定义为机会发现 （Ch a n c e 时候，提供一种思路和手段。通过 [3,4] 信息更为琐碎、同质，使得个人面临 Discovery） 。从信息推荐的目标 某个事件的执行来达到更好地支 的选择越来越多。以有哪些信誉好的足球投注网站引擎和推 来讲，机会发现将弱信号的小众需 持决策，其目标是关注机会，为将 荐系统为代表的信息过滤机制随之 求和隐性相关资源建立联系，深 来的创新和存活提供手段，不是预 应运而生，通过统计用户记录，对 入挖掘用户潜在需求和偏好，在智 测机会。 用户、信息（或商品）分组的关联和 能、精准的基础上扩大用户视野， 相似度给出推荐。 从而改善推荐质量。 1.2 机会发现的工具 目前的推荐系统中，数量较 少、小众需求的弱信号往往当作 1 机会发现 1.2.1 双螺旋模型 [ 1] 噪声过滤或忽视 。对于人追求新 鲜、期待惊喜的本性，现有的依靠 1.1 机会发现的定义 Oh saw a提出的双螺旋模型[5 ] 内容、对象关联的过滤机制给出的 （见图1）描述了数据挖掘和人对机 往往是一些相似的东西，无法制造 2000年，日本学者Yukio Ohsawa 会的把握两个并行上升分支间的人 惊喜。相比在卓越、当当里接受一 针对于决策与任务的实际需求差 机交互促进了机会的发现。数据挖 些流行热卖的相似图书的推荐，很 距提出了机会发现，其主旨是在 掘部分对数据进行统计、分析、清理 [2] 多人更愿意逛书店 。同时对于竞 动态未知预测环境中，发现对主 和转换，生成可利用的知识，人通 争者来讲，大量同质的信息是没有 体决策具有重要影响的事件或状 过不断关注外界的动态变化，理解 价值的，一定是稀有潜在偶然的信 态，对于那些有利于主体的机遇 并预测机会事件，进而影响决策。 息才能支持决策，比如专利和竞争 （opp or t u n it y）加以利用，对那些 人对机会事件关注、分析、判断的 情报。 不利于主体的风险（r isk ）加以规避 过程中，数据挖掘模块中不断有新 日本学者Yukio Ohsawa认为， [3,4] 。继而，人工智能、心理学、经济 的数据产生，数据挖掘也被反复执 在这个瞬息万变的社会中，应关