（深圳中廣核工程設(shè)計(jì)有限公司，深圳 518100）

0 引言

隨著核電的快速發(fā)展，核安全越來(lái)越受到人們的關(guān)注[1]。作為保障核安全的一項(xiàng)管理工具，經(jīng)驗(yàn)反饋體系在國(guó)內(nèi)外核電行業(yè)中得到了廣泛地應(yīng)用。所謂經(jīng)驗(yàn)反饋，就是對(duì)項(xiàng)目建設(shè)過(guò)程、經(jīng)營(yíng)管理活動(dòng)中產(chǎn)生的經(jīng)驗(yàn)教訓(xùn)進(jìn)行收集、分析、改進(jìn)和應(yīng)用，進(jìn)而避免同類事件重復(fù)發(fā)生的閉環(huán)管理過(guò)程，以及對(duì)項(xiàng)目建設(shè)過(guò)程、經(jīng)營(yíng)管理活動(dòng)中的良好實(shí)踐及經(jīng)驗(yàn)總結(jié)進(jìn)行收集和應(yīng)用的過(guò)程。經(jīng)驗(yàn)反饋的有效開(kāi)展確保了核電的安全、可靠、穩(wěn)定運(yùn)行。在核電設(shè)計(jì)中，經(jīng)驗(yàn)反饋為設(shè)計(jì)人員提供了必要的參考信息，讓他們從設(shè)計(jì)角度查看發(fā)生過(guò)的缺陷，并針對(duì)缺陷采取改進(jìn)行動(dòng)，防止歷史事件的重復(fù)發(fā)生。隨著核電站建設(shè)從大亞灣到紅沿河、陽(yáng)江、寧德等的陸續(xù)開(kāi)展，技術(shù)從引進(jìn)消化吸收到自主研發(fā)，中廣核工程有限公司積累了大量的經(jīng)驗(yàn)反饋信息。在后續(xù)發(fā)展中，經(jīng)驗(yàn)反饋信息的規(guī)模還將繼續(xù)增大。隨著數(shù)據(jù)量的日益龐大，如何充分利用這些寶貴的知識(shí)數(shù)據(jù)，高效地提供給設(shè)計(jì)人員，逐漸成為后續(xù)核電信息化研究的重點(diǎn)。

在互聯(lián)網(wǎng)迅速發(fā)展的今天，信息超載問(wèn)題早已成為一個(gè)重要的研究熱點(diǎn)。為了幫助用戶快速查找有價(jià)值的信息資源，分類目錄、搜索引擎和推薦系統(tǒng)陸續(xù)誕生。分類目錄是將網(wǎng)站按照特定屬性進(jìn)行分類整理，通過(guò)提供網(wǎng)站目錄供用戶查找信息資源，典型的網(wǎng)站有Yahoo、hao123等。搜索引擎是通過(guò)關(guān)鍵字來(lái)查找自己需要的信息，Google、Baidu等主流的搜索引擎已逐漸成為人們?nèi)粘Ｉ钪性L問(wèn)網(wǎng)絡(luò)資源的入口。個(gè)性化推薦系統(tǒng)技術(shù)[2]是另一種信息過(guò)濾的重要手段，能夠根據(jù)用戶的興趣愛(ài)好為用戶推薦感興趣信息。該技術(shù)最典型的應(yīng)用是在電子商務(wù)領(lǐng)域，網(wǎng)上購(gòu)物時(shí)，網(wǎng)站將根據(jù)用戶的注冊(cè)信息、瀏覽或交易記錄等推薦顧客可能感興趣或滿意的商品，幫助顧客在龐大信息面前發(fā)現(xiàn)對(duì)自己有價(jià)值的產(chǎn)品，同時(shí)也提高了網(wǎng)站的銷(xiāo)售量，為顧客用戶和網(wǎng)站之間搭建了橋梁，實(shí)現(xiàn)彼此雙贏。目前，幾乎所有的大型電子商務(wù)系統(tǒng)，如國(guó)外的Amazon、eBay，國(guó)內(nèi)的淘寶、京東、當(dāng)當(dāng)?shù)龋疾煌潭鹊厥褂昧烁鞣N形式的推薦系統(tǒng)。此外，在電影、音樂(lè)、旅游、新聞等多種類型網(wǎng)站中，推薦系統(tǒng)同樣得到了廣泛的應(yīng)用研究。與分類目錄、搜索引擎相比，推薦系統(tǒng)能夠通過(guò)研究用戶的興趣愛(ài)好，發(fā)現(xiàn)用戶的興趣點(diǎn)，進(jìn)行個(gè)性化推薦，引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求[3]。作為解決信息超載問(wèn)題的新興工具，個(gè)性化推薦技術(shù)具有廣泛的研究前景和應(yīng)用空間。

本文通過(guò)研究互聯(lián)網(wǎng)行業(yè)中個(gè)性化推薦系統(tǒng)技術(shù)，研發(fā)出工程經(jīng)驗(yàn)反饋推薦系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了在核電設(shè)備設(shè)計(jì)過(guò)程中的經(jīng)驗(yàn)反饋智能化推薦，為設(shè)計(jì)人員主動(dòng)推送他們所需要的知識(shí)信息，有效地滿足了不同設(shè)計(jì)人員的需求，實(shí)現(xiàn)了經(jīng)驗(yàn)知識(shí)的智能化、自動(dòng)化和個(gè)性化，提高了核電設(shè)備設(shè)計(jì)的效率。

1 個(gè)性化推薦技術(shù)概述

20世紀(jì)90年代，Resnick[2]首次提出了在新聞協(xié)同過(guò)濾方面應(yīng)用的個(gè)性化推薦技術(shù)。個(gè)性化推薦系統(tǒng)[4]通過(guò)分析用戶的興趣愛(ài)好、個(gè)人信息、操作行為以及社會(huì)關(guān)系等信息，主動(dòng)推薦用戶感興趣的內(nèi)容。通用的推薦系統(tǒng)主要包括三個(gè)模塊：用戶建模模塊、推薦算法模塊、推薦對(duì)象模塊[5]。推薦系統(tǒng)首先根據(jù)獲取到的用戶信息創(chuàng)建用戶模型，然后利用該用戶模型采用特定的推薦算法對(duì)推薦對(duì)象進(jìn)行篩選，找到用戶可能感興趣的對(duì)象并推薦給用戶。

目前常用的推薦技術(shù)主要有：基于內(nèi)容的推薦、協(xié)同過(guò)濾推薦、基于關(guān)聯(lián)規(guī)則的推薦、混合推薦等。

1.1 基于內(nèi)容的推薦

基于內(nèi)容的推薦（content-based recommendation）是信息檢索方法的延續(xù)和發(fā)展[6]。該方法通過(guò)計(jì)算推薦對(duì)象與用戶已選擇或收藏對(duì)象之間的相似度，將相似度較高的對(duì)象作為推薦結(jié)果。基于內(nèi)容的推薦方法首先對(duì)用戶的興趣偏好建模創(chuàng)建用戶興趣特征，然后提取推薦對(duì)象的內(nèi)容特征，與用戶模型的興趣特征匹配，最后將匹配度較高的推薦對(duì)象推薦給用戶[3]。

1.2 協(xié)同過(guò)濾推薦

協(xié)同過(guò)濾推薦（collaborative filtering recommendation）是目前推薦系統(tǒng)中研究最早[7～9]，應(yīng)用最成功的技術(shù)之一。該技術(shù)被大量應(yīng)用于電子商務(wù)、新聞、電影、音樂(lè)等各類推薦網(wǎng)站中。根據(jù)協(xié)同對(duì)象，協(xié)同過(guò)濾推薦分為基于用戶、基于物品和混合三種協(xié)同推薦方法。

基于用戶協(xié)同過(guò)濾推薦方法首先通過(guò)最近鄰算法，根據(jù)用戶的歷史興趣偏好得到用戶之間的相似性，然后利用待推薦用戶的最近鄰居用戶對(duì)物品評(píng)價(jià)的加權(quán)評(píng)價(jià)值來(lái)預(yù)測(cè)待推薦用戶對(duì)某未知物品的喜好程度，最后系統(tǒng)根據(jù)這一喜好程度進(jìn)行物品推薦?；谖锲穮f(xié)同過(guò)濾推薦方法建立物品的相似近鄰，利用待推薦用戶對(duì)某物品相似近鄰評(píng)價(jià)的加權(quán)評(píng)價(jià)值來(lái)得到用戶對(duì)該物品的喜好程度，從而進(jìn)行物品推薦。所謂混合協(xié)同推薦方法，主體思路還是基于用戶協(xié)同過(guò)濾推薦方法，但在計(jì)算兩個(gè)用戶相似性時(shí)嵌套了基于物品協(xié)同思想。

1.3 基于關(guān)聯(lián)規(guī)則的推薦

基于關(guān)聯(lián)規(guī)則的推薦（association rule-based recommendation）是通過(guò)數(shù)據(jù)挖掘得到某種關(guān)聯(lián)規(guī)則，以此完成推薦的一種技術(shù)[10]。該技術(shù)首先對(duì)推薦對(duì)象進(jìn)行數(shù)據(jù)分析，找到對(duì)象之間的關(guān)聯(lián)關(guān)系，最后利用該規(guī)則根據(jù)用戶已選擇對(duì)象將有價(jià)值的信息推薦給用戶。比如，買(mǎi)了牛奶的人大多會(huì)購(gòu)買(mǎi)面包，牛奶和面包并不是同類物品，但它們之間卻存在著特定的關(guān)系。顯然，該推薦技術(shù)中關(guān)聯(lián)規(guī)則的確定尤為關(guān)鍵，而且該規(guī)則的分析可在推薦前的離線模式下完成，能夠滿足實(shí)時(shí)推薦的要求。

1.4 混合推薦

各種推薦技術(shù)均有優(yōu)缺點(diǎn)，混合推薦（hybrid recommendation）通過(guò)組合多種推薦方法揚(yáng)長(zhǎng)避短，在實(shí)際中經(jīng)常被采用。其中，研究和應(yīng)用最多的是基于協(xié)同過(guò)濾和基于內(nèi)容的組合[11～13]。文獻(xiàn)[5]根據(jù)組合的思路，將混合推薦分為了三類：后融合、中融合和前融合。后融合通過(guò)某種策略比如加權(quán)等方式直接融合各推薦方法的推薦結(jié)果作為最后的推薦對(duì)象。中融合以某種推薦方法作為框架，融合其他推薦方法，比如在一種推薦方法產(chǎn)生的結(jié)果中進(jìn)一步采用第二種推薦方法來(lái)完成更精確的推薦。前融合則是直接融合各種推薦方法，比如特征的組合擴(kuò)充。

2 工程經(jīng)驗(yàn)反饋推薦系統(tǒng)

2.1 系統(tǒng)背景

在實(shí)際應(yīng)用中，推薦系統(tǒng)主要有兩種模式存在：一種是作為系統(tǒng)模塊依附于某類資源網(wǎng)站，比如購(gòu)物類網(wǎng)站淘寶和京東，其商品推薦系統(tǒng)只是購(gòu)物時(shí)提供幫助的模塊；另一種是作為獨(dú)立的網(wǎng)站，比如豆瓣音樂(lè)，其界面簡(jiǎn)潔，整個(gè)網(wǎng)站是一套完整的音樂(lè)推薦系統(tǒng)。本文的工程經(jīng)驗(yàn)反饋推薦系統(tǒng)則采用第一種模式，集成在中廣核設(shè)計(jì)院自主研發(fā)的設(shè)備專業(yè)協(xié)同設(shè)計(jì)平臺(tái)（以下簡(jiǎn)稱設(shè)備設(shè)計(jì)平臺(tái)）中，以實(shí)現(xiàn)設(shè)計(jì)人員在設(shè)備設(shè)計(jì)過(guò)程中自動(dòng)獲取有價(jià)值的經(jīng)驗(yàn)知識(shí)信息。

本文的工程經(jīng)驗(yàn)反饋推薦系統(tǒng)涉及兩個(gè)平臺(tái)：設(shè)備設(shè)計(jì)平臺(tái)和經(jīng)驗(yàn)反饋平臺(tái)。設(shè)備設(shè)計(jì)平臺(tái)是設(shè)備專業(yè)在設(shè)計(jì)過(guò)程中從業(yè)務(wù)到設(shè)計(jì)流程規(guī)范化的管理平臺(tái)。該平臺(tái)實(shí)現(xiàn)了設(shè)計(jì)流程的規(guī)范統(tǒng)一，設(shè)計(jì)工具的集成調(diào)用，設(shè)計(jì)數(shù)據(jù)的結(jié)構(gòu)化組織。設(shè)計(jì)人員可以通過(guò)設(shè)備設(shè)計(jì)平臺(tái)上的相關(guān)設(shè)計(jì)流程來(lái)完成自己的設(shè)計(jì)分析任務(wù)，包括任務(wù)接收、開(kāi)展和提交。經(jīng)驗(yàn)反饋平臺(tái)是經(jīng)公司質(zhì)保部門(mén)認(rèn)可，保存公司核電經(jīng)驗(yàn)反饋的信息管理平臺(tái)。所有正式的經(jīng)驗(yàn)反饋均需要在此平臺(tái)上進(jìn)行編校審批流程并存檔。

在以往的設(shè)計(jì)過(guò)程中，設(shè)計(jì)人員往往需要登錄公司經(jīng)驗(yàn)反饋平臺(tái)不斷地查找對(duì)設(shè)計(jì)有幫助的經(jīng)驗(yàn)知識(shí)數(shù)據(jù)。設(shè)計(jì)人員根據(jù)自己的設(shè)計(jì)內(nèi)容和經(jīng)驗(yàn)確定自己的需求信息，通過(guò)關(guān)鍵字在經(jīng)驗(yàn)反饋系統(tǒng)中去查找相關(guān)數(shù)據(jù)，每次搜索都是從所有數(shù)據(jù)中進(jìn)行查找，整個(gè)過(guò)程消耗了大量的時(shí)間。此外，個(gè)人語(yǔ)言組織能力、需求不明確和經(jīng)驗(yàn)不足也影響著搜索關(guān)鍵字的確定，進(jìn)而制約了數(shù)據(jù)查找的效率。這種情況下，設(shè)備設(shè)計(jì)過(guò)程和經(jīng)驗(yàn)反饋查找是兩個(gè)彼此獨(dú)立的活動(dòng)，中間缺少必要的關(guān)聯(lián)耦合。工程經(jīng)驗(yàn)反饋推薦系統(tǒng)則作為兩者的橋梁，從經(jīng)驗(yàn)反饋平臺(tái)中獲取數(shù)據(jù)，根據(jù)用戶的需求篩選出對(duì)設(shè)計(jì)有價(jià)值的信息，主動(dòng)推送到設(shè)備設(shè)計(jì)平臺(tái)中，減少了設(shè)計(jì)人員自己查找的中間環(huán)節(jié)，提高了設(shè)計(jì)的效率。

2.2 系統(tǒng)框架

工程經(jīng)驗(yàn)反饋推薦系統(tǒng)通過(guò)建立用戶與經(jīng)驗(yàn)反饋之間的二元關(guān)系，從用戶的人員信息、設(shè)計(jì)信息等方面研究，利用與經(jīng)驗(yàn)反饋的特定相似關(guān)系，挖掘用戶潛在感興趣的經(jīng)驗(yàn)反饋內(nèi)容，進(jìn)行有針對(duì)性的推薦。

圖1 工程經(jīng)驗(yàn)反饋推薦系統(tǒng)流程圖

依據(jù)背景特點(diǎn)，工程經(jīng)驗(yàn)反饋推薦系統(tǒng)被分為四個(gè)模塊：數(shù)據(jù)收集模塊、數(shù)據(jù)分析模塊、用戶分類模塊、信息篩選模塊。各模塊的關(guān)系如圖1所示，其中虛線框內(nèi)為工程經(jīng)驗(yàn)反饋推薦系統(tǒng)范疇。該推薦系統(tǒng)首先從外部經(jīng)驗(yàn)反饋平臺(tái)中獲取經(jīng)驗(yàn)反饋的所有數(shù)據(jù)信息，并保存到設(shè)備設(shè)計(jì)平臺(tái)的數(shù)據(jù)庫(kù)中。然后，在離線狀態(tài)下利用預(yù)先定義的規(guī)則對(duì)數(shù)據(jù)進(jìn)行聚類分析。此外，該系統(tǒng)根據(jù)用戶的人員信息（部門(mén)、專業(yè)等）和設(shè)計(jì)信息（設(shè)計(jì)的內(nèi)容和所屬項(xiàng)目機(jī)組設(shè)備等）將用戶分類。最后，在設(shè)計(jì)過(guò)程中，根據(jù)設(shè)計(jì)人員所屬類別，按照預(yù)先定義的規(guī)則從經(jīng)驗(yàn)反饋中篩選出相似性較高的數(shù)據(jù)并呈現(xiàn)到設(shè)計(jì)界面上，實(shí)現(xiàn)智能推送的目的。

2.3 系統(tǒng)設(shè)計(jì)

2.3.1 數(shù)據(jù)收集模塊

正如前面提到的，本文推薦系統(tǒng)的數(shù)據(jù)來(lái)源于公司的經(jīng)驗(yàn)反饋平臺(tái)。該平臺(tái)為外部系統(tǒng)提供了統(tǒng)一的數(shù)據(jù)訪問(wèn)接口。系統(tǒng)連接采用了標(biāo)準(zhǔn)的xml數(shù)據(jù)接口方式，由經(jīng)驗(yàn)反饋平臺(tái)提供的webservice接口實(shí)現(xiàn)?？紤]到經(jīng)驗(yàn)反饋的標(biāo)題通常呈現(xiàn)了正文的關(guān)鍵信息，在保證推薦效果的前提下為了減少分析時(shí)間，本推薦系統(tǒng)獲取了經(jīng)驗(yàn)反饋數(shù)據(jù)除正文外的其他關(guān)鍵字段，如圖2所示。最后，解析獲取到的xml數(shù)據(jù)，并保存到設(shè)備設(shè)計(jì)平臺(tái)數(shù)據(jù)庫(kù)中進(jìn)行分析。

圖2 獲取的數(shù)據(jù)內(nèi)容

2.3.2 數(shù)據(jù)分析模塊

得到數(shù)據(jù)后，對(duì)數(shù)據(jù)進(jìn)行分析，在離線狀態(tài)下提前確定好數(shù)據(jù)之間的關(guān)系，能夠?yàn)樾畔⒑Y選模塊減少大量時(shí)間。本文推薦系統(tǒng)的數(shù)據(jù)分析是利用預(yù)先定義的規(guī)則建立經(jīng)驗(yàn)反饋數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。數(shù)據(jù)規(guī)則的定義則是通過(guò)與設(shè)計(jì)人員溝通根據(jù)數(shù)據(jù)的應(yīng)用情況確定的，具體內(nèi)容如表1所示。

表1 數(shù)據(jù)處理規(guī)則

數(shù)據(jù)處理方法：首先按照項(xiàng)目和機(jī)組信息將經(jīng)驗(yàn)反饋進(jìn)行聚類，相同核電技術(shù)路線的經(jīng)驗(yàn)反饋定為同類，接著根據(jù)標(biāo)題內(nèi)容，同類核電技術(shù)路線的相同設(shè)備的相似事件的經(jīng)驗(yàn)反饋數(shù)據(jù)劃分在同一數(shù)據(jù)集合。在集合內(nèi)，依次按照重要性分級(jí)、是否反饋、事件類別等屬性將數(shù)據(jù)進(jìn)行排序。

2.3.3 用戶分類模塊

在設(shè)備設(shè)計(jì)平臺(tái)中，當(dāng)管理員為設(shè)計(jì)人員創(chuàng)建用戶并分配許可時(shí)，會(huì)將該人員的部門(mén)、專業(yè)等信息錄入到系統(tǒng)中。若無(wú)這些信息，設(shè)計(jì)人員將無(wú)法在平臺(tái)內(nèi)的項(xiàng)目中開(kāi)展工作。此外，除了用戶的個(gè)人信息外，設(shè)計(jì)人員已開(kāi)展或?qū)㈤_(kāi)展的任務(wù)信息也對(duì)用戶分類至關(guān)重要。利用這些信息對(duì)用戶進(jìn)行分類，相似用戶分為同組。事實(shí)上，近似用戶表示了他們是在同一個(gè)部門(mén)下的相同專業(yè)并做相同設(shè)備設(shè)計(jì)工作的同事，他們的工作內(nèi)容基本相同。比如，用戶A和B均是核島設(shè)備所力學(xué)專業(yè)從事管道力學(xué)分析的同事，則他們通過(guò)該模塊將被分為相同組。

2.3.4 信息篩選模塊

當(dāng)設(shè)計(jì)人員在設(shè)備設(shè)計(jì)平臺(tái)中開(kāi)展工作時(shí)，工程經(jīng)驗(yàn)反饋推薦系統(tǒng)將獲取到該設(shè)計(jì)工作的主要內(nèi)容以及所屬項(xiàng)目、機(jī)組和設(shè)備信息。結(jié)合該設(shè)計(jì)人員的用戶類別，推薦系統(tǒng)能夠基本確定設(shè)計(jì)人員在該設(shè)計(jì)工作中所需經(jīng)驗(yàn)反饋的關(guān)鍵信息：某種核電技術(shù)路線、某設(shè)計(jì)階段、某類設(shè)備、某種設(shè)計(jì)工作等。根據(jù)這些關(guān)鍵信息，按照表1的數(shù)據(jù)處理規(guī)則，對(duì)離線已分析處理過(guò)的數(shù)據(jù)集合進(jìn)行排序（集合內(nèi)部按照原順序）。相似性越高，越有價(jià)值的經(jīng)驗(yàn)反饋數(shù)據(jù)排名就越靠前。最后，選擇相似性較高的前50條數(shù)據(jù)留在界面中。這樣，對(duì)該設(shè)計(jì)工作有幫助的經(jīng)驗(yàn)知識(shí)將被留下，實(shí)現(xiàn)信息推薦。

任何推薦系統(tǒng)都不能保證推薦內(nèi)容完全滿足用戶的興趣，尤其在用戶需求明確時(shí)，推薦列表中并沒(méi)有相關(guān)項(xiàng)，此時(shí)主動(dòng)搜索是必須的。針對(duì)這種情況，本系統(tǒng)集成了全局搜索框來(lái)彌補(bǔ)此問(wèn)題。當(dāng)設(shè)計(jì)人員對(duì)工程經(jīng)驗(yàn)反饋推薦系統(tǒng)所推薦的知識(shí)數(shù)據(jù)不滿意時(shí)，他們可以通過(guò)該搜索框主動(dòng)地、有目的地去搜索自己需要的經(jīng)驗(yàn)反饋，流程圖如圖3所示。

圖3 主動(dòng)搜索的流程圖

3 在核電設(shè)備設(shè)計(jì)中的應(yīng)用

設(shè)備設(shè)計(jì)平臺(tái)是基于達(dá)索公司的ENOVIA平臺(tái)配置開(kāi)發(fā)的，該平臺(tái)基于Java語(yǔ)言和oracle數(shù)據(jù)庫(kù)技術(shù)實(shí)現(xiàn)。因此，本文的工程經(jīng)驗(yàn)反饋推薦系統(tǒng)是按照第2部分介紹的思路方法采用與設(shè)備設(shè)計(jì)平臺(tái)相同的語(yǔ)言數(shù)據(jù)庫(kù)技術(shù)完成的。

3.1 應(yīng)用實(shí)例展示

圖4 工程經(jīng)驗(yàn)反饋推薦系統(tǒng)應(yīng)用界面

圖4展示了某用戶在陽(yáng)江核電項(xiàng)目5/6號(hào)機(jī)組換熱器力學(xué)分析流程中的推薦實(shí)例。工程經(jīng)驗(yàn)反饋推薦系統(tǒng)根據(jù)用戶的人員和設(shè)計(jì)流程信息，推薦了同樣采用CPR1000技術(shù)的換熱器相關(guān)經(jīng)驗(yàn)反饋知識(shí)數(shù)據(jù)。

在未得到有價(jià)值的推薦內(nèi)容或目標(biāo)較明確的情況下，用戶可點(diǎn)擊搜索按鈕，啟動(dòng)主動(dòng)搜索界面，如圖5所示。在該界面中通過(guò)填寫(xiě)相關(guān)信息來(lái)完成在全局經(jīng)驗(yàn)反饋數(shù)據(jù)中的定向搜索。

圖5 主動(dòng)搜索界面

3.2 應(yīng)用效果評(píng)價(jià)

當(dāng)用戶查看感興趣的經(jīng)驗(yàn)反饋時(shí)，系統(tǒng)將通過(guò)標(biāo)題鏈接跳轉(zhuǎn)到對(duì)應(yīng)的公司經(jīng)驗(yàn)反饋平臺(tái)的頁(yè)面。然而，經(jīng)驗(yàn)反饋平臺(tái)提供的數(shù)據(jù)訪問(wèn)接口有限，無(wú)法直接從該平臺(tái)中獲取用戶查看記錄，因此很難對(duì)推薦效果進(jìn)行直接評(píng)估。經(jīng)過(guò)研究，本文采用了兩種特別的方法來(lái)驗(yàn)證工程經(jīng)驗(yàn)反饋推薦系統(tǒng)的有效性。

評(píng)價(jià)方法一是對(duì)設(shè)計(jì)人員進(jìn)行線下問(wèn)卷調(diào)查。通過(guò)設(shè)計(jì)人員的反饋，了解本文推薦系統(tǒng)是否對(duì)他們的設(shè)計(jì)提供了幫助，能否提高設(shè)計(jì)效率。調(diào)查結(jié)果顯示，設(shè)計(jì)人員對(duì)經(jīng)驗(yàn)反饋推薦系統(tǒng)的推薦內(nèi)容比較滿意，一致認(rèn)為該系統(tǒng)為設(shè)計(jì)活動(dòng)提供了便利，肯定了該系統(tǒng)的研發(fā)。該評(píng)價(jià)方法存在主觀性和隨意性，為了更加客觀地評(píng)估該系統(tǒng)，本文又提出另外一種評(píng)價(jià)方法。

第二種評(píng)價(jià)方法是在標(biāo)題鏈接和搜索按鈕中設(shè)置觸發(fā)器，通過(guò)統(tǒng)計(jì)平臺(tái)一段時(shí)間內(nèi)某設(shè)計(jì)流程中標(biāo)題鏈接和搜索按鈕的點(diǎn)擊次數(shù)來(lái)評(píng)估。當(dāng)推薦系統(tǒng)所推薦的內(nèi)容無(wú)法滿足設(shè)計(jì)需求時(shí)，設(shè)計(jì)人員將利用搜索功能完成經(jīng)驗(yàn)反饋的查找，通過(guò)統(tǒng)計(jì)直接查看和搜索查詢的次數(shù)可有效地評(píng)估系統(tǒng)的推薦效果。如表2所示，以一周時(shí)間為限，對(duì)正在開(kāi)展的陽(yáng)江核電項(xiàng)目5/6號(hào)機(jī)組兩個(gè)典型設(shè)備的五個(gè)設(shè)計(jì)流程進(jìn)行統(tǒng)計(jì)，結(jié)果表明，無(wú)論設(shè)備設(shè)計(jì)復(fù)雜與否，該系統(tǒng)均能夠?yàn)樵O(shè)計(jì)工作主動(dòng)推送有價(jià)值的經(jīng)驗(yàn)反饋數(shù)據(jù)。

表2 經(jīng)驗(yàn)反饋查看次數(shù)統(tǒng)計(jì)

通過(guò)以上兩種評(píng)價(jià)方法的粗略評(píng)估，驗(yàn)證了該工程經(jīng)驗(yàn)反饋推薦系統(tǒng)的有效性，主動(dòng)推送設(shè)計(jì)人員所需要的經(jīng)驗(yàn)反饋數(shù)據(jù)，減少了直接在經(jīng)驗(yàn)反饋系統(tǒng)中查找數(shù)據(jù)的中間環(huán)節(jié)，節(jié)省了查找的時(shí)間，提高了核電設(shè)備設(shè)計(jì)的效率。

4 結(jié)束語(yǔ)

個(gè)性化推薦系統(tǒng)是互聯(lián)網(wǎng)應(yīng)用技術(shù)中解決信息量大實(shí)現(xiàn)個(gè)性化服務(wù)的一項(xiàng)新興技術(shù)，本文通過(guò)對(duì)個(gè)性化推薦系統(tǒng)技術(shù)的深入研究，研發(fā)了適應(yīng)于核電設(shè)備設(shè)計(jì)的工程經(jīng)驗(yàn)反饋系統(tǒng)。通過(guò)效果驗(yàn)證，該系統(tǒng)能夠在設(shè)備設(shè)計(jì)過(guò)程中為設(shè)計(jì)人員主動(dòng)推送有價(jià)值的經(jīng)驗(yàn)反饋信息，縮短設(shè)計(jì)周期，提高設(shè)備設(shè)計(jì)效率，得到了設(shè)計(jì)人員的肯定。此外，該系統(tǒng)的研發(fā)也為個(gè)性化推薦理念在核電其他系統(tǒng)的推廣奠定了基礎(chǔ)，為核電發(fā)展過(guò)程中信息量激增所帶來(lái)的問(wèn)題提供了一種有效的解決方案。

[1]楊湘山,呂焱,李冰,等.新形勢(shì)下的核安全與輻射安全對(duì)策[J].中國(guó)安全科學(xué)學(xué)報(bào),2005,15(7):44-47.

[2]Resnick P.Grouplens: An Open Architecture for Collaborative Filtering of NetNews[A].Proceedings of CSCW 94.Chaple Hill:NC[C],1994:175-186.

[3]王國(guó)霞,劉賀平.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(7):66-76.

[4]盧志翔.網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)個(gè)性化實(shí)時(shí)推薦策略研究[J].重慶科技學(xué)院學(xué)報(bào):自然科學(xué)版,2015,17(3):80-84.

[5]許海玲,吳瀟,李曉東,等.互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J].軟件學(xué)報(bào),2009,20(2):350-362.

[6]RicardoBaeza-Yates,BerthierRibeiro-Neto, Baeza-Yates, et al.Modern Information Retrieval[M].機(jī)械工業(yè)出版社,2006.

[7]Rich E. User modeling via stereotypes[J].Cognitive Science, 1979,3(4):329-354.

[8]Goldberg D, Nichols D, Oki B M, et al.Using collaborative filtering to weave an information tapestry[J].Communications of the Acm,1992,35(12):61-70.

[9]Konstan J A,Miller B N, Maltz D, et al. GroupLens: applying collaborative filtering to Usenet news[J].Communications of the Acm,1997,40(3):77-87.

[10]Fu X, Budzik J, Hammond K J. Mining Navigation History for Recommendation[A].International Conference on Intelligent User Interfaces[C].2000:106-112.

[11]Balabanovi, Marko,Shoham Y. Fab: content-based, collaborative recommendation[J].Communications of the Acm,1997,40(3):66-72.

[12]Basu C,Hirsh H, Cohen W. Recommendation as classification:using social and content-based information in recommendation[A].Fifteenth National/tenth Conference on Artificial Intelligence/innovative Applications of Artificial Intelligence. American Association for Artificial Intelligence[C],2000:714-720.

[13]Pazzani M J. A Framework for Collaborative,Content-Based and Demographic Filtering[J].Artificial Intelligence Review,1999,13(5):393-408.