中國聯(lián)合網(wǎng)絡(luò)通信有限公司 河南分公司 王 方

河南工程學(xué)院 蘇玉召

河南日報報業(yè)集團 大河網(wǎng) 黃文睿

數(shù)據(jù)驅(qū)動與目標(biāo)驅(qū)動的個性化比較

中國聯(lián)合網(wǎng)絡(luò)通信有限公司 河南分公司 王 方

河南工程學(xué)院 蘇玉召

河南日報報業(yè)集團 大河網(wǎng) 黃文睿

最近很多關(guān)于個性化研究和開發(fā)的科技創(chuàng)新，在商業(yè)，公共服務(wù)業(yè)，搜索引擎和電子服務(wù)網(wǎng)站等領(lǐng)域都有了全新的發(fā)展。但是個性化是一個快速發(fā)展的領(lǐng)域，對于個性化概念的認(rèn)識，不同的研究者和開發(fā)者對個性化的理解也各不相同，所持觀點也各不盡同。

本文，筆者對幾種關(guān)于個性化的重要觀點進(jìn)行了總結(jié)歸納。一般來說，個性化定制某些供應(yīng)功能，通過這些功能呈現(xiàn)給用戶，能夠根據(jù)用戶的需要和目的等滿足用戶的需要。提供給用戶的功能包括內(nèi)容，服務(wù)，產(chǎn)品推薦，交流和電子商務(wù)交互。這些服務(wù)的提供者可以是電子商務(wù)網(wǎng)站，搜索引擎和公共服務(wù)網(wǎng)站等類似的站點，用戶可以是網(wǎng)上購物者和訪問網(wǎng)站者。

設(shè)計個性化過程最常用的方法稱為“數(shù)據(jù)驅(qū)動”，也稱為“向前”方法。這種方法的特點是：先收集所需的數(shù)據(jù)，然后建立用戶模型，再使用數(shù)據(jù)挖掘算法，最后評價個性化的影響。但是，人們更喜歡“向后”的方法設(shè)計個性化過程，也稱為“目標(biāo)驅(qū)動”，這是因為人們預(yù)先設(shè)定了目標(biāo)，然后再設(shè)計個性化的每個階段。相比較而言，后者是前者的反過程。

一、個性化過程

個性化組成過程大致可以分為5個階段：用戶信息收集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘、個性化推薦和用戶評價。在個性化開發(fā)的具體階段，可以進(jìn)行功能的細(xì)化。同時，個性化在應(yīng)用過程中，根據(jù)用戶的評價，調(diào)整個性化策略，從而改進(jìn)個性化質(zhì)量。根據(jù)個性化方案的不同設(shè)計思想，可以有多種形式的個性化過程。本文，筆者重點討論基于數(shù)據(jù)驅(qū)動和目標(biāo)驅(qū)動的個性化過程，個性化過程如圖1所示。

1.數(shù)據(jù)驅(qū)動的個性化過程。數(shù)據(jù)驅(qū)動的個性化采用“自底向上”的設(shè)計思想，如圖1（a）所示。

（1）從不同的交互渠道收集用戶信息開始個性化過程。比如通過Web，電話和直接發(fā)送郵件等。也可以通過各種各樣的數(shù)據(jù)源獲取每個用戶盡可能全的信息。

（2） 一旦用戶信息收集完畢，就要對收集的信息進(jìn)行清理，也就是把一些冗余的，與用戶個性化不相關(guān)的數(shù)據(jù)清除，使數(shù)據(jù)格式規(guī)范化。

（3） 在開發(fā)用戶個性化應(yīng)用中一個關(guān)鍵問題時，經(jīng)過數(shù)據(jù)預(yù)處理的數(shù)據(jù)，識別用戶的興趣愛好生成用戶模型，并按照一定的格式存儲起來。

（4）用戶模型構(gòu)建完成后，進(jìn)行數(shù)據(jù)挖掘為每個用戶匹配合適的內(nèi)容和服務(wù)。進(jìn)行數(shù)據(jù)挖掘的技術(shù)包括：推薦系統(tǒng)，基于統(tǒng)計學(xué)的預(yù)測方法，基于規(guī)則的系統(tǒng)，專家指導(dǎo)發(fā)送內(nèi)容和服務(wù)的管理規(guī)則。

（5）在完成數(shù)據(jù)挖掘后，個性化信息將被發(fā)送到每一個用戶?？梢圆捎靡韵聨追N方法發(fā)送個性化信息：可視化，相關(guān)性有序列表和可選擇無序列表等。

（6）個性化呈現(xiàn)的效果評價可采用的方法包括：精度，用戶生命期，用戶忠誠度和購買的商品。個性化評估結(jié)果的好壞，依賴于個性化過程前5個階段采用技術(shù)的復(fù)雜程度。

（7）個性化系統(tǒng)對用戶的評價進(jìn)行反饋，可以用于調(diào)整并改進(jìn)前6個階段的功能。反饋決定是否需要收集更多的用戶信息，在數(shù)據(jù)預(yù)處理時候是否對冗余數(shù)據(jù)進(jìn)行清理，如何建立更好的用戶模型，如何選擇或開發(fā)更好的數(shù)據(jù)挖掘算法，如何對用戶的信息進(jìn)行優(yōu)化，或者采用更多和更復(fù)雜的評價方法。如果反饋階段能夠恰當(dāng)?shù)丶傻絺€性化過程中，與每個用戶交互的質(zhì)量逐步得到提高，個性化將會進(jìn)入良性循環(huán)。

2.目標(biāo)驅(qū)動的個性化過程。目標(biāo)驅(qū)動的個性化過程采用“自頂向下”的設(shè)計方法，之所以稱為“目標(biāo)驅(qū)動”，這是因為需要預(yù)先設(shè)定目標(biāo)，然后再設(shè)計個性化的每個階段。而“數(shù)據(jù)驅(qū)動”是先收集數(shù)據(jù)，然后再建立用戶模型。這和商業(yè)管理的思想相一致：即我們無法管理不能預(yù)測的事情。換言之，我們設(shè)計個性化首先要確定目標(biāo)，然后開始下一階段工作的實施。目標(biāo)驅(qū)動與數(shù)據(jù)驅(qū)動個性化的階段類似，但過程相反。

（1）設(shè)定個性化評價指標(biāo)，明確哪些因素會對個性化服務(wù)質(zhì)量起到關(guān)鍵性作用。個性化系統(tǒng)可以采用1種或者多種評價指標(biāo)，比如，用戶滿意度，用戶生命期，用戶忠誠度和購買的商品。從這些評價指標(biāo)中可以分析用戶的興趣愛好。

（2）設(shè)定了個性化評價指標(biāo)后，圍繞這些指標(biāo)選擇采用哪些內(nèi)容，以何種方式推薦呈現(xiàn)給用戶?？梢圆捎脦追N方法呈現(xiàn)個性化信息，包括：可視化，相關(guān)性有序列表和選擇性無序列表等。用戶興趣愛好也體現(xiàn)在推薦呈現(xiàn)內(nèi)容與方式上。

（3）根據(jù)推薦呈現(xiàn)內(nèi)容，選擇合適的數(shù)據(jù)挖掘算法。與數(shù)據(jù)驅(qū)動個性化過程類似，可以采用的數(shù)據(jù)挖掘技術(shù)包括推薦系統(tǒng)，基于統(tǒng)計學(xué)的預(yù)測方法，基于規(guī)則的系統(tǒng)，專家指導(dǎo)發(fā)送內(nèi)容和服務(wù)的管理規(guī)則等。

（4）數(shù)據(jù)挖掘所需的數(shù)據(jù)由用戶模型所提供。

（5）數(shù)據(jù)預(yù)處理的結(jié)果用于生成用戶模型。

（6）用戶信息收集。這一步與數(shù)據(jù)驅(qū)動個性化過程的最大不同就是根據(jù)預(yù)先設(shè)定的目標(biāo)是逐步向下推移，直到最后發(fā)現(xiàn)需要收集哪些數(shù)據(jù)。這樣做的優(yōu)點是能夠避免做無用功，要做到“有的放矢”。

（7）在個性化應(yīng)用完成后，根據(jù)用戶評價結(jié)果，把反饋調(diào)整策略集成到個性化的前6個階段。與數(shù)據(jù)驅(qū)動個性化過程所不同的是，目標(biāo)驅(qū)動是根據(jù)需要預(yù)先設(shè)定各個階段需要的技術(shù)，然后再實施到個性化的每個階段中，最后根據(jù)用戶評價結(jié)果，把反饋調(diào)整策略集成到個性化的各個階段。數(shù)據(jù)驅(qū)動采用的是“推演技術(shù)”，從收集用戶信息開始，一直到用戶評價結(jié)束，進(jìn)而反饋調(diào)整個性化每個階段的策略。

3.二者比較。目標(biāo)驅(qū)動的個性化過程從指定用于決定個性化影響的用戶評價開始，選擇的評價指標(biāo)決定將要推薦呈現(xiàn)給用戶的個性化內(nèi)容屬于哪種類型。推薦呈現(xiàn)給用戶的個性化內(nèi)容，又決定了采用的數(shù)據(jù)挖掘技術(shù)如何挖掘來自用戶模型的數(shù)據(jù)。用戶模型的生成，決定了用戶信息預(yù)處理所采取的技術(shù)，判斷哪些數(shù)據(jù)是冗余的，哪些數(shù)據(jù)是必需的。最后，建立全面的用戶模型決定了需要收集哪些用戶信息，以及如何收集需要的信息。很顯然，在這個過程中，有一些階段采用的技術(shù)針對性較強，需要額外處理的步驟會減少很多。

數(shù)據(jù)驅(qū)動的個性化過程從用戶信息收集開始個性化過程，由于無法確定哪些信息是必需的，所以，應(yīng)盡可能多的收集。如果收集太多的信息，則會造成2點麻煩：一是加重服務(wù)器負(fù)擔(dān)，例如收集信息時間過長將影響系統(tǒng)性能；二是收集太多的冗余數(shù)據(jù)會給數(shù)據(jù)預(yù)處理階段帶來困難。用戶模型生成后，經(jīng)過數(shù)據(jù)挖掘技術(shù)處理，推薦呈現(xiàn)給用戶的內(nèi)容可能不是用戶感興趣和愛好的項目，這會使得個性化系統(tǒng)進(jìn)行較大的調(diào)整，可能需要重新從策略上調(diào)整個性化過程中每個階段的技術(shù)。因此，數(shù)據(jù)驅(qū)動的個性化過程比目標(biāo)驅(qū)動的個性化過程要復(fù)雜得多。

由于目標(biāo)驅(qū)動方法，從一開始就要預(yù)定目標(biāo)，所以，與數(shù)據(jù)驅(qū)動方法相比較而言，其優(yōu)點是能夠讓個性化實現(xiàn)“良性循環(huán)”，從而為投資者帶來更多的收益。然而，目標(biāo)驅(qū)動方法在個性化文獻(xiàn)研究中從來沒有出現(xiàn)過，筆者的推測有待在未來的研究中證實。此外，其他影響個性化過程設(shè)計的因素還包括可信度和個性化過程中潛在的干擾等。這些情況也是有待于在個性化過程中進(jìn)行研究。

目標(biāo)驅(qū)動的個性化過程能夠更好地實現(xiàn)良性循環(huán)，其優(yōu)點也是不言而喻：一方面，如果商業(yè)網(wǎng)站個性化實現(xiàn)了良性循環(huán)，將會為商家?guī)聿粩嘣鲩L的利潤。如果公共服務(wù)網(wǎng)站個性化實現(xiàn)了良性循環(huán)，將會為公眾提供及時，快捷的便民服務(wù)；另一方面，良性循環(huán)對于個性化系統(tǒng)適應(yīng)不斷變化的環(huán)境和提高個性化服務(wù)也至關(guān)重要。

良性循環(huán)的對立面是去個性化過程。從開始時，用戶對供應(yīng)的結(jié)果不滿意便會發(fā)生去個性化情況。如果這種情況一直發(fā)展下去，或是系統(tǒng)沒能及時做出調(diào)整，用戶就不愿意繼續(xù)使用個性化系統(tǒng)。去個性化在很大程度上影響著工程是否成功。因此，個性化開發(fā)者面臨的一個巨大挑戰(zhàn)就是如何實現(xiàn)良性循環(huán)。

二、目標(biāo)驅(qū)動的個性化集成

目前，大部分個性化只是實現(xiàn)了前面5個階段的功能，再復(fù)雜一些的系統(tǒng)也只是實現(xiàn)了個性化用戶評價功能，還沒有很好地實現(xiàn)反饋循環(huán)。因此，當(dāng)前個性化急待解決的問題是如何研究好的評價方法，個性化策略調(diào)整方法和合適的反饋循環(huán)。實現(xiàn)個性化良性循環(huán)依賴于2個關(guān)鍵步驟：個性化過程中6個階段的每1個階段都要選擇最好的技術(shù)；個性化過程的每1個不同階段集成時都要有充分的原則依據(jù)。本節(jié)，筆者討論通過目標(biāo)驅(qū)動設(shè)計原理，分析個性化過程的幾個關(guān)鍵技術(shù)及其特點。

1.評價個性化。評價個性化最常用的方法是采用精度來度量，也就是說，通過精度和推薦的相關(guān)性能反映出喜歡或者不喜歡為其推薦商品的程度。但是基于精度的度量方法不能反映出更復(fù)雜和微妙的個性化，所以，一些研究者建議采用一些更有效、更全面的個性化度量方法。

2.推薦呈現(xiàn)。個性化系統(tǒng)提供不同的呈現(xiàn)方式，由用戶根據(jù)其各自的職業(yè)，習(xí)慣和年齡等特點進(jìn)行選擇。電子商務(wù)系統(tǒng)為用戶推薦呈現(xiàn)個性化信息的方式通常有：描述，相關(guān)性列表，可選集合和可視化等類型。有一種發(fā)送方法就是著名的“拉、推”方法。“拉”是通知用戶有一些可用的個性化信息，但是沒有顯示處來，需要用戶主動發(fā)送請求?！巴啤笔前研畔l(fā)送給沒有使用個性化的用戶。

3.數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是從數(shù)據(jù)源發(fā)現(xiàn)不明顯的，潛在有用的和以前未知的信息，通過數(shù)據(jù)挖掘為用戶生成個性化推薦。根據(jù)推薦方法的不同可分為：基于內(nèi)容的推薦，協(xié)作推薦和混合推薦等。

（1）基于內(nèi)容的推薦。系統(tǒng)為用戶推薦的是用戶過去愛好的項目，例如內(nèi)容、服務(wù)和商品。這種基于內(nèi)容的推薦，分析用戶對某些點擊率高的項目的共性，只有與用戶過去喜歡的項目類似時才會推薦給用戶。

（2）協(xié)作推薦。當(dāng)系統(tǒng)推薦的項目與用戶的興趣和愛好相似時，才被推薦給用戶。

（3）混合推薦。綜合基于內(nèi)容和協(xié)作的推薦可以有以下2種方法：一種方法是分離基于內(nèi)容和協(xié)作過濾的方法，單獨建立系統(tǒng)，然后把2個系統(tǒng)產(chǎn)生的結(jié)果綜合起來，形成最終的推薦結(jié)果；另外一種方法是，把基于內(nèi)容和協(xié)作的技術(shù)綜合到1個獨立的推薦系統(tǒng)中產(chǎn)生推薦結(jié)果，而不是把2種技術(shù)建立的系統(tǒng)分離開來。

4.生成用戶模型。用戶信息的收集可以通過多種渠道來實現(xiàn)，例如Web，電話和郵件等。可以通過調(diào)查的方式顯示收集，也可以通過人口統(tǒng)計學(xué)原理和心理行為學(xué)收集用戶信息。這些信息收集完成后，可以進(jìn)行處理和清洗，并存儲到數(shù)據(jù)倉庫中以便進(jìn)一步分析使用。