孫雨生??于凡 孫肖妹 郝麗靜

〔摘要〕本文用內(nèi)容分析法歸納了197篇文獻(xiàn)內(nèi)容，揭示了基于大數(shù)據(jù)的個(gè)性化服務(wù)內(nèi)涵、核心內(nèi)容及研究框架，并從架構(gòu)體系、關(guān)鍵技術(shù)兩方面闡述了國(guó)內(nèi)基于大數(shù)據(jù)的個(gè)性化服務(wù)研究進(jìn)展：架構(gòu)體系包括體系結(jié)構(gòu)、功能模塊和運(yùn)行機(jī)理；關(guān)鍵技術(shù)包括信息推薦、搜索引擎、大數(shù)據(jù)等。

〔關(guān)鍵詞〕大數(shù)據(jù)；個(gè)性化服務(wù)；數(shù)據(jù)可視化；信息推薦；數(shù)據(jù)挖掘

DOI：10.3969/j.issn.1008-0821.2018.02.026

〔中圖分類號(hào)〕TP399；G202〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2018）02-0171-07

Research Development of Personalized Service Based on Big Data in China

——Architecture System and Key Technology

Sun Yusheng1，2Yu Fan1Sun Xiaomei1Hao Lijing1

（1.School of Economics and Management，Hubei University of Technology，Wuhan 430068，China；

2.Information Technology Support Center，Institute of Scientific & Technical Information of China，

Beijing 100038，China）

〔Abstract〕Using the content analysis method，the paper summed up the contents of the 197 articles，revealed the connotation，core content and research framework of personalized service based on big data，and expounded its research development in China from two aspects of architecture system and key technology.The architecture system included architecture，function module and operation mechanism.The key technologies included information recommendation，search engine，big data，and so on.

〔Key words〕big data；personalized service；data visualization；information recommendation；data mining

伴隨大數(shù)據(jù)時(shí)代到來，海量、異構(gòu)、動(dòng)態(tài)信息資源與有限用戶信息認(rèn)知能力間矛盾致使信息過載、迷航問題凸顯[1]，如何基于用戶需求、興趣及行為模式提供其感興趣信息成為亟待解決問題。傳統(tǒng)個(gè)性化服務(wù)類型豐富度、內(nèi)容準(zhǔn)確度、服務(wù)差異化均無(wú)法滿足大數(shù)據(jù)環(huán)境下用戶個(gè)性化[2]、知識(shí)化、專業(yè)化、智能化信息需求，甚至引起其厭煩[3]。因此，研究大數(shù)據(jù)環(huán)境下個(gè)性化服務(wù)問題有重要意義。

本文首先以知網(wǎng)、萬(wàn)方的學(xué)位論文庫(kù)、期刊論文庫(kù)及維普的期刊論文庫(kù)為信息源，以“大數(shù)據(jù)”和“個(gè)性化”為關(guān)鍵詞組合在題名中檢索相關(guān)文獻(xiàn)（截至2017年8月19日，從知網(wǎng)獲碩博論文10篇、期刊論文159篇；從萬(wàn)方獲碩博論文12篇（新發(fā)現(xiàn)3篇）、期刊論文172篇（新發(fā)現(xiàn)23篇）、從維普獲期刊論文186篇（新發(fā)現(xiàn)2篇）；合計(jì)197篇）；其次，詳讀197篇文獻(xiàn)歸納出基于大數(shù)據(jù)的個(gè)性化服務(wù)內(nèi)涵、核心內(nèi)容及研究框架、架構(gòu)體系及關(guān)鍵技術(shù)并根據(jù)提及頻次、內(nèi)容質(zhì)量詳細(xì)標(biāo)注，本著最大限度反映國(guó)內(nèi)基于大數(shù)據(jù)的個(gè)性化服務(wù)架構(gòu)體系、關(guān)鍵技術(shù)研究進(jìn)展重要文獻(xiàn)、優(yōu)中選優(yōu)（剔除標(biāo)注次數(shù)少、與其他標(biāo)注文獻(xiàn)內(nèi)容重復(fù)文獻(xiàn)）原則選出45篇參考文獻(xiàn)（內(nèi)容覆蓋197篇文獻(xiàn)）；最后從架構(gòu)體系、關(guān)鍵技術(shù)兩方面闡述國(guó)內(nèi)基于大數(shù)據(jù)的個(gè)性化服務(wù)研究進(jìn)展。

2018年2月第38卷第2期現(xiàn)代情報(bào)Journal of Modern InformationFeb.，2018Vol38No2

2018年2月第38卷第2期國(guó)內(nèi)基于大數(shù)據(jù)的個(gè)性化服務(wù)研究進(jìn)展

Feb.，2018Vol38No2

1基于大數(shù)據(jù)的個(gè)性化服務(wù)簡(jiǎn)介

11定義及內(nèi)涵

楊亮等[4]、馬曉亭[5]認(rèn)為基于大數(shù)據(jù)的個(gè)性化服務(wù)面向大數(shù)據(jù)環(huán)境，以用戶為中心[4，6]，按需求相似性分類用戶[7]，在滿足共性需求前提下基于用戶特征與個(gè)性需求、興趣或行為模式構(gòu)建并進(jìn)化用戶興趣模型，動(dòng)態(tài)匹配信息并個(gè)性化主動(dòng)提供服務(wù)[1]，實(shí)現(xiàn)服務(wù)時(shí)空、方式、內(nèi)容個(gè)性化[1，4，5，8]，服務(wù)資源配置、效率與收益[2，6，7，9]、用戶體驗(yàn)最優(yōu)化，成本最低化、模式最簡(jiǎn)化，以高效協(xié)同用戶、資源、服務(wù)并形成數(shù)據(jù)集成、價(jià)值挖掘、分析決策完整生命周期[6]，呈現(xiàn)重視用戶交互、服務(wù)方式多樣且安全可控等特點(diǎn)[1]，與傳統(tǒng)個(gè)性化服務(wù)對(duì)比見表1。此外，陳臣[9]、潘玉辰[10]認(rèn)為基于大數(shù)據(jù)的個(gè)性化服務(wù)是通過統(tǒng)一封裝、配置、管理、調(diào)用服務(wù)資源、知識(shí)、技術(shù)、能力、過程，個(gè)性化完成服務(wù)交付、共享、使用、交易的知識(shí)服務(wù)模式。

12核心內(nèi)容與研究框架

分析現(xiàn)有文獻(xiàn)，筆者認(rèn)為基于大數(shù)據(jù)個(gè)性化服務(wù)核心研究用戶興趣建模、服務(wù)模式、信息資源管理、關(guān)鍵技術(shù)等，研究框架見圖1。

2基于大數(shù)據(jù)的個(gè)性化服務(wù)研究進(jìn)展

縱觀現(xiàn)有研究成果，國(guó)內(nèi)基于大數(shù)據(jù)的個(gè)性化服務(wù)研究整體處起步階段但發(fā)展迅猛，相關(guān)文獻(xiàn)最早是湯銘2012年發(fā)表的《大數(shù)據(jù)需要個(gè)性化營(yíng)銷》?，F(xiàn)有學(xué)術(shù)研究集中在用戶興趣建模[2]、服務(wù)模式、信息資源管理[4，6，15]、用戶隱私與數(shù)據(jù)安全[11，18]等方面[3]，應(yīng)用領(lǐng)域涉及圖書館[4-6，9，12，14，19-20]、教育[21-22]、電子商務(wù)[3，8]、醫(yī)療[9]等。

21架構(gòu)體系

211體系結(jié)構(gòu)

1）基于大數(shù)據(jù)的圖書館個(gè)性化服務(wù)系統(tǒng)

陳臣[7，9]、秦帥[23]提出圖書館個(gè)性化[9]智慧[7，23]服務(wù)體系，分平臺(tái)層（涉及應(yīng)用與管理平臺(tái)[7，23]、智慧化服務(wù)平臺(tái)、數(shù)據(jù)基礎(chǔ)平臺(tái)[23]、數(shù)據(jù)中心等[7]，包含應(yīng)用層[7，23]（分決策層（服務(wù)提供、系統(tǒng)管理、決策）、分析層（數(shù)據(jù)挖掘、統(tǒng)計(jì)分析）[9，23]、組織層（處理并描述數(shù)據(jù)結(jié)構(gòu)特征）[9]）、存儲(chǔ)層[9]等）、傳輸層（涉及光纖、無(wú)線、網(wǎng)絡(luò)傳輸?shù)萚7]，傳輸感知層所采集數(shù)據(jù)到數(shù)據(jù)中心[23]）、感知層（涉及（系統(tǒng)、網(wǎng)絡(luò)[23]）監(jiān)控器、傳感器[7]、RFID[7，23]等）；陳臣[11]提出圖書館個(gè)性化服務(wù)安全體系，分安全大數(shù)據(jù)挖掘分析層（明確安全需求、事件影響力、策略可用性）、安全大數(shù)據(jù)采集存儲(chǔ)層、安全大數(shù)據(jù)互聯(lián)平臺(tái)層（互聯(lián)圖書館安全管理系統(tǒng)）、系統(tǒng)平臺(tái)安全管理層（基于數(shù)據(jù)流安全管理應(yīng)用系統(tǒng)）、大數(shù)據(jù)資源安全管理層（數(shù)據(jù)采集、提取、存儲(chǔ)）、硬件設(shè)備安全防護(hù)層（機(jī)房環(huán)境、硬件、數(shù)據(jù)傳輸）；李艷等[20]提出高校圖書館大數(shù)據(jù)挖掘體系：輔助決策層（用數(shù)據(jù)挖掘技術(shù)采集、融合、挖掘、分析數(shù)據(jù)并呈現(xiàn)為動(dòng)態(tài)多維報(bào)表、圖形以便決策）、大數(shù)據(jù)分析層（基于Hadoop虛擬化技術(shù)離線批量、實(shí)時(shí)流式完成樣例分析、建模、多維數(shù)據(jù)抽取、規(guī)則庫(kù)定義和遞歸優(yōu)化）、大數(shù)據(jù)存儲(chǔ)交換層（基于業(yè)務(wù)間公共數(shù)據(jù)池、數(shù)據(jù)字典、數(shù)據(jù)接口、分布式流式Hadoop）、外部數(shù)據(jù)挖掘?qū)樱ù肢@取、清洗、人工審核并實(shí)時(shí)檢索、語(yǔ)義分析、智能挖掘Web信息）。

2）基于大數(shù)據(jù)的教育個(gè)性化服務(wù)系統(tǒng)

于凱等[16]基于顯式、隱式用戶反饋構(gòu)建個(gè)性化教學(xué)推薦體系，分效用評(píng)價(jià)層（實(shí)時(shí)精確、多樣新穎）、推薦生成層（基于隱式反饋）、數(shù)據(jù)預(yù)處理層（獲取用戶興趣）、源數(shù)據(jù)采集層；楊雪等[22]、高艷艷[24]、馬相春等[25]提出個(gè)性化自適應(yīng)[25]學(xué)習(xí)[22，25]、中小學(xué)生輔導(dǎo)[24]體系，分用戶層（家長(zhǎng)、學(xué)生、家教、管理者）[24]、支撐層（微信，前后臺(tái)交互界面[24]，呈現(xiàn)學(xué)習(xí)內(nèi)容、工具、情景、策略[25]）、應(yīng)用服務(wù)層[22]、信息層（涉及平臺(tái)信息庫(kù)[22]，學(xué)生基本、行為、情感信息庫(kù)，規(guī)則庫(kù)[25]）、（基礎(chǔ)[22]）數(shù)據(jù)層（存儲(chǔ)感知層所獲結(jié)構(gòu)化、半結(jié)構(gòu)化原始學(xué)習(xí)數(shù)據(jù)）、感知層（涉及應(yīng)用終端、采集硬件、物聯(lián)設(shè)備）[25]，其中，應(yīng)用服務(wù)層[22]又稱控制層[25]，基于學(xué)生特征、領(lǐng)域模型提供個(gè)性化學(xué)習(xí)服務(wù)（教輔資源、輔導(dǎo)[24]），基于服務(wù)評(píng)價(jià)更新引擎規(guī)則[25]，分個(gè)性化服務(wù)層[24]、業(yè)務(wù)應(yīng)用層[24-25]（診斷學(xué)習(xí)問題[24]，分統(tǒng)計(jì)描述層（挖掘?qū)W習(xí)數(shù)據(jù)）、教育測(cè)評(píng)層[22]）；周進(jìn)[26]提出大數(shù)據(jù)時(shí)代高校個(gè)性化教育支持框架由監(jiān)測(cè)預(yù)警系統(tǒng)（通過儀表盤、可視化報(bào)告動(dòng)態(tài)呈現(xiàn)監(jiān)測(cè)過程，基于評(píng)估結(jié)果干預(yù)行為、改進(jìn)效果）、數(shù)據(jù)分析系統(tǒng)（基于數(shù)據(jù)挖掘工具）、服務(wù)支持系統(tǒng)（基于共性、個(gè)性需求設(shè)計(jì)課程體系）、目標(biāo)支持系統(tǒng)（診斷人才培養(yǎng)、個(gè)性化教育目標(biāo)）、數(shù)據(jù)倉(cāng)儲(chǔ)系統(tǒng)（統(tǒng)一并基于數(shù)據(jù)標(biāo)準(zhǔn)構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)且注重信息管理）。

3）基于大數(shù)據(jù)的電子商務(wù)個(gè)性化服務(wù)系統(tǒng)

陳玉兆[27]、鄧玉林[28]提出基于Hadoop、B/S架構(gòu)個(gè)性化推薦系統(tǒng)體系，分推薦終端（含移動(dòng)端、PC端、電視）和終端應(yīng)用（界面表示層，方便用戶交互，結(jié)果展示、分類、管理，用戶注冊(cè)、登錄[28]）層[27]、業(yè)務(wù)層（涉及推薦后臺(tái)、推薦引擎，用基于Mahout協(xié)同過濾、基于內(nèi)容推薦算法等處理離線數(shù)據(jù)并將結(jié)果存入數(shù)據(jù)庫(kù)（常結(jié)合用戶行為在線推薦），輔以基于文本相似度熱點(diǎn)推薦算法、自定義算法；分應(yīng)用功能層（支持檢索、推薦及其管理、數(shù)據(jù)采集、用戶興趣分析）、公共服務(wù)提供層、數(shù)據(jù)訪問層（預(yù)處理并持久化數(shù)據(jù)）[28]）[27]、數(shù)據(jù)資源層（基于HDFS或NoSQL存儲(chǔ)，基于Hive、Pig-Latin等ETL、管理用戶及商品[28]數(shù)據(jù)等）、基礎(chǔ)設(shè)施層（分基于Hadoop協(xié)同過濾集群、基于內(nèi)容計(jì)算集群，基于MapReduce分布式應(yīng)用架構(gòu)橫向擴(kuò)展集群）。

此外，潘玉辰[10]提出大數(shù)據(jù)環(huán)境下戰(zhàn)略新興產(chǎn)業(yè)個(gè)性化服務(wù)體系，分應(yīng)用層（包括個(gè)性化定制、導(dǎo)航、推送、檢索、社區(qū)服務(wù)）、平臺(tái)層（提供統(tǒng)一服務(wù)接口、空間，處理用戶需求，涉及人員、技術(shù)、資源、服務(wù)、流程要素）、資源存儲(chǔ)層（組織處理（清洗、轉(zhuǎn)換、加載）資源、用戶基于API按需使用）、基礎(chǔ)技術(shù)架構(gòu)層（網(wǎng)絡(luò)、云計(jì)算、大數(shù)據(jù)等技術(shù)及相應(yīng)管理機(jī)制）；孫笑宇[29]提出基于大數(shù)據(jù)車聯(lián)網(wǎng)個(gè)性化服務(wù)平臺(tái)分車輛接入平臺(tái)、服務(wù)平臺(tái)（分服務(wù)訪問層、集成層、管理層、服務(wù)總線模塊）、服務(wù)后臺(tái)。

212功能模塊

1）基于大數(shù)據(jù)的圖書館個(gè)性化服務(wù)系統(tǒng)

夏秀雙[1]、欒旭倫[2]認(rèn)為分10模塊：用戶接口、用戶評(píng)價(jià)（優(yōu)化用戶興趣模型、數(shù)據(jù)挖掘算法[1]）、信息推送（用Agent進(jìn)行基于跟蹤挖掘動(dòng)態(tài)推薦、基于定制推送）、信息匹配（二次匹配用戶需求與過濾結(jié)果）、信息過濾（過濾檢索結(jié)果[1]）、信息檢索（用Agent檢索館藏，若匹配則輸出，否則匹配Web信息并保存結(jié)果到本地再反饋）、數(shù)據(jù)分析（結(jié)構(gòu)化數(shù)據(jù)（識(shí)別用戶相似性、不同時(shí)段行為差異性）、日志（獲取實(shí)時(shí)需求、預(yù)測(cè)潛在需求）、特殊信息分析（基于其他用戶獲取信息，構(gòu)建用戶興趣模型[2]））、數(shù)據(jù)集成（邏輯集成用戶行為數(shù)據(jù)[2]）、數(shù)據(jù)規(guī)范化（合成、規(guī)約、優(yōu)化、轉(zhuǎn)換）、用戶信息庫(kù)[1]。

2）基于大數(shù)據(jù)的教育個(gè)性化服務(wù)系統(tǒng)

牟智佳[30]認(rèn)為個(gè)性化學(xué)生評(píng)價(jià)系統(tǒng)分可視化反饋（基于Weka、Gephi、Google Chart、R語(yǔ)言等）、個(gè)性化評(píng)價(jià)（基于個(gè)性化學(xué)習(xí)評(píng)價(jià)模型、層次塔評(píng)價(jià)學(xué)習(xí)過程、結(jié)果）、數(shù)據(jù)分析處理（清洗、提取、加工、挖掘）、信息采集（基于云存儲(chǔ)池中數(shù)據(jù)庫(kù)采集鍵擊層、回答層、學(xué)生層數(shù)據(jù)）模塊并通過云管理層調(diào)控教育云服務(wù)、云計(jì)算、云存儲(chǔ)平臺(tái)；周清清等[31]認(rèn)為個(gè)性化學(xué)習(xí)平臺(tái)分個(gè)性化評(píng)價(jià)、干預(yù)、答疑咨詢、個(gè)性化預(yù)測(cè)，個(gè)性化學(xué)習(xí)計(jì)劃制定、測(cè)評(píng)、實(shí)時(shí)反饋，數(shù)據(jù)庫(kù)（涉及學(xué)生模型庫(kù)、答疑庫(kù)、知識(shí)庫(kù)、課程庫(kù)、資源庫(kù)、試題庫(kù)）等模塊；高艷艷[24]提出個(gè)性化輔導(dǎo)平臺(tái)分交互（學(xué)生與平臺(tái)、家教、心理師）、干預(yù)（可視化診斷結(jié)果給家長(zhǎng)、家教、管理者并個(gè)性化推送資源）、診斷（基于注意力、情緒情感、學(xué)習(xí)方法、知識(shí)漏洞建模）、學(xué)習(xí)資源模塊；孟楊[32]提出個(gè)性化錯(cuò)題推薦系統(tǒng)分用戶登錄、學(xué)習(xí)報(bào)表（反映學(xué)生知識(shí)點(diǎn)掌握度及班級(jí)排名）、錯(cuò)題分析、錯(cuò)題個(gè)性化推薦、錯(cuò)題本（記錄并排序錯(cuò)題）模塊。

3）基于大數(shù)據(jù)的電子商務(wù)個(gè)性化服務(wù)系統(tǒng)

嚴(yán)克文[33]提出物流個(gè)性化推薦系統(tǒng)分用戶行為記錄（更新、查詢、標(biāo)記）、用戶興趣模型管理（基于用戶相異度矩陣構(gòu)建、局部進(jìn)化）、推薦算法模塊；陳玉兆[27]、鄧玉林[28]、賈利娟[34]、陳玉[35]提出個(gè)性化推薦系統(tǒng)分渠道[34]管理、輸出[35]（結(jié)果展示及管理[28]）、在線推薦[35]（基于HDFS需求按日期、行為次序分類數(shù)據(jù)并計(jì)算用戶商品興趣度[27]以分析其興趣[28]偏好[34]，基于日志分析用戶行為構(gòu)建興趣相似群組[27]，基于協(xié)同推薦[28]、用戶瀏覽商品特征優(yōu)化老用戶推薦列表[27]，基于內(nèi)容[27-28，34]向新用戶推薦[27]）、離線計(jì)算[35]（預(yù)處理[28，34]（數(shù)據(jù)標(biāo)準(zhǔn)化、有效化（基于ETL）[27]、擴(kuò)展，計(jì)算用戶、項(xiàng)目TF-IDF以構(gòu)建特征向量[28]），基于規(guī)則庫(kù)、集成分類器、雙層關(guān)聯(lián)規(guī)則分類并Web挖掘[34]）、輸（接[34]）入[35]（采集[28]用戶行為（點(diǎn)擊、收藏、購(gòu)物車、購(gòu)買[27]）、商品特征）模塊，此外，陳玉兆[27]認(rèn)為離線計(jì)算模塊包括混合協(xié)同推薦與內(nèi)容推薦向老用戶推薦、基于文本相似度向新用戶推薦熱點(diǎn)，分計(jì)算層（選取推薦算法進(jìn)行推薦）、數(shù)據(jù)層，由腳本程序控制運(yùn)行、推薦程序基于MapReduce分布式處理HDFS中數(shù)據(jù)（Application Master節(jié)點(diǎn)監(jiān)督程序運(yùn)行狀況并定時(shí)反饋給主節(jié)點(diǎn)、重啟（提交）失敗節(jié)點(diǎn)任務(wù)，在Reduce階段匯總推薦項(xiàng)目形成原始推薦列表）并將結(jié)果存入關(guān)系數(shù)據(jù)庫(kù)。

此外，劉譯璟等[36]提出百分點(diǎn)推薦引擎由場(chǎng)景引擎（計(jì)算用戶意圖）、展示引擎、規(guī)則引擎（根據(jù)用戶意圖向算法引擎請(qǐng)求推薦數(shù)據(jù)，向展示引擎請(qǐng)求展示方式）、算法引擎構(gòu)成；康海燕[18]提出基于大數(shù)據(jù)、用戶興趣個(gè)性化檢索模型分用戶興趣模型、檢索代理（預(yù)處理、整合用戶請(qǐng)求（分詞、調(diào)整、反饋等）并返回結(jié)果）、搜索引擎模塊。

213運(yùn)行機(jī)理

1）基于大數(shù)據(jù)的圖書館個(gè)性化服務(wù)系統(tǒng)

馬曉亭[5]提出圖書館個(gè)性化閱讀推薦流程：基于圖書館大數(shù)據(jù)資源庫(kù)（涉及文件、音視頻、圖像），經(jīng)噪聲過濾、標(biāo)準(zhǔn)化與匹配、挖掘、價(jià)值提取、整合等處理形成個(gè)性化閱讀決策支持大數(shù)據(jù)，基于大數(shù)據(jù)分析決策（數(shù)據(jù)相關(guān)性分析、關(guān)鍵讀者發(fā)現(xiàn)與ID匹配）、服務(wù)質(zhì)量評(píng)估反饋發(fā)現(xiàn)讀者個(gè)性閱讀需求（含閱讀情緒），智能匹配資源并定制個(gè)性化閱讀服務(wù)內(nèi)容、方式、模式且智能精準(zhǔn)、實(shí)時(shí)安全推薦，基于質(zhì)量智能評(píng)估（QoS評(píng)估、服務(wù)總收益率）、用戶反饋智能優(yōu)化讀者需求發(fā)現(xiàn)過程、個(gè)性化閱讀推薦流程；陳臣[17]提出基于HDFS、Hbase圖書館大數(shù)據(jù)檢索流程：以網(wǎng)絡(luò)、第三方數(shù)據(jù)庫(kù)、大數(shù)據(jù)平臺(tái)、論壇博客、APP應(yīng)用為數(shù)據(jù)源，經(jīng)爬取、過濾、索引、摘要、分類等提供導(dǎo)航、搜索、索引、定制、價(jià)值提取等服務(wù)。

2）基于大數(shù)據(jù)的教育個(gè)性化服務(wù)系統(tǒng)

余小高[21]、尤海浪等[37]提出相似個(gè)性化微課[21]、游戲[37]推薦流程：數(shù)據(jù)獲取存儲(chǔ)、數(shù)據(jù)清洗挖掘（用Hadoop計(jì)算資源相似度矩陣并存入Redis）、服務(wù)提供（客戶端接受并發(fā)送用戶請(qǐng)求至后臺(tái)，基于資源相似度矩陣、用戶相似度矩陣、當(dāng)前訪問資源ID、歷史訪問資源ID（根據(jù)用戶ID獲?。┯猛扑]算法進(jìn)行Top-N推薦）；周清清[31]、裴瑩[38]提出個(gè)性化學(xué)習(xí)流程：基于學(xué)習(xí)數(shù)據(jù)庫(kù)收集學(xué)習(xí)軌跡（測(cè)試[31]）數(shù)據(jù)傳給分析系統(tǒng)（大數(shù)據(jù)技術(shù)預(yù)處理、分析數(shù)據(jù)）生成可視化學(xué)習(xí)行為分析報(bào)告，自適應(yīng)系統(tǒng)修改報(bào)告、評(píng)估學(xué)習(xí)過程發(fā)現(xiàn)潛在問題并智能干預(yù)（引導(dǎo)學(xué)生適應(yīng)性修正學(xué)習(xí)內(nèi)容），教師整合基礎(chǔ)數(shù)據(jù)、教學(xué)經(jīng)驗(yàn)和分析系統(tǒng)所得結(jié)論并通過干預(yù)系統(tǒng)人為干預(yù)學(xué)習(xí)路徑、優(yōu)化教學(xué)方案、個(gè)性化[31]預(yù)測(cè)未來學(xué)習(xí)情況（模式）以個(gè)性化教育（推薦資源并接收反饋[31]）。

3）基于大數(shù)據(jù)的電子商務(wù)個(gè)性化服務(wù)系統(tǒng)

嚴(yán)克文[33]、鄧玉林[28]提出電子商務(wù)[28]、物流[33]個(gè)性化推薦流程：采集用戶數(shù)據(jù)（檢索日志[28]、服務(wù)評(píng)分[33]）并存于數(shù)據(jù)庫(kù)，預(yù)處理（標(biāo)準(zhǔn)化、擴(kuò)展）數(shù)據(jù)后基于潛在語(yǔ)義分析、分片聚類分別分析用戶長(zhǎng)期、短期興趣[28]，基于相異度矩陣構(gòu)建用戶興趣模型[33]并結(jié)合推薦算法推薦，基于用戶選擇評(píng)價(jià)以增量更新局部進(jìn)化用戶興趣模型[33]。

此外，潘玉辰[10]提出戰(zhàn)略性新興產(chǎn)業(yè)個(gè)性化檢索流程：加工處理、采集分析信息資源并構(gòu)建索引，基于關(guān)鍵詞、主題詞形成索引數(shù)據(jù)庫(kù)，與用戶請(qǐng)求匹配并以個(gè)性化定制、智能代理、垂直門戶和智能導(dǎo)航方式提供檢索服務(wù)。

22關(guān)鍵技術(shù)

基于大數(shù)據(jù)的個(gè)性化服務(wù)涉及多種技術(shù)[4，19]，核心是信息推薦（適合需求不明確用戶，基于用戶興趣、行為）[39]、搜索引擎、大數(shù)據(jù)，此外，還涉及用戶興趣建模、RSS[8]、社會(huì)網(wǎng)絡(luò)、云計(jì)算（實(shí)現(xiàn)大數(shù)據(jù)統(tǒng)一管理、高效流通、實(shí)時(shí)分析[15]）、云存儲(chǔ)（多用NoSQL[14]）、Web數(shù)據(jù)庫(kù)、Agent、本體、虛擬化[14]、物聯(lián)網(wǎng)（解決平臺(tái)支撐薄弱、服務(wù)水平低等問題）等。

221信息推薦

1）簡(jiǎn)介

陳澤[39]、鄭杰輝[40]提出推薦引擎以黑盒方式接受用戶基本、交互信息（顯式（評(píng)分、評(píng)論）、隱式（項(xiàng)目偏好））、源項(xiàng)目數(shù)據(jù)（項(xiàng)目元數(shù)據(jù)（名稱、ID））進(jìn)行推薦[39]，面臨實(shí)時(shí)性、新穎性（推薦流行、得分高項(xiàng)目最保險(xiǎn)但用戶體驗(yàn)不一定好（可能已知））、增量計(jì)算（基于增量數(shù)據(jù)運(yùn)算已計(jì)算推薦模型并實(shí)時(shí)反饋，部分基于隱式反饋數(shù)據(jù)算法系統(tǒng)架構(gòu)和開發(fā)約束更大）、大數(shù)據(jù)（數(shù)據(jù)利用不充分（數(shù)據(jù)積累、針對(duì)性、結(jié)構(gòu)化、共享性差，無(wú)法二次挖掘[41]））挑戰(zhàn)。

2）推薦算法

陳澤[39]、陳玉兆[27]認(rèn)為基于數(shù)據(jù)挖掘個(gè)性化推薦包括學(xué)習(xí)（又稱數(shù)據(jù)預(yù)處理，挖掘原始結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)并構(gòu)建推薦模型）、使用（基于用戶行為、推薦算法生成推薦并實(shí)時(shí)導(dǎo)向用戶）兩階段，常用算法有協(xié)同推薦[14，21，27，37，39]（基于項(xiàng)目（如Slope One（易計(jì)算但不精確））、基于用戶）、基于內(nèi)容推薦[27]、SVD（奇異值分解，提取龐大稀疏矩陣特征值并分析主成分因子以降維提速但需較大空間）、組合算法[27]（含加權(quán)混合（加權(quán)多種算法結(jié)果后排序）、變換混合（按推薦場(chǎng)景選擇算法）、分區(qū)混合（多種算法結(jié)果各取前幾個(gè)）、分層混合（前一算法推薦結(jié)果傳給下一算法篩選）[8，21，37，39]）等。此外，還包括基于關(guān)聯(lián)規(guī)則推薦[27]、基于模型協(xié)同推薦（用數(shù)據(jù)挖掘算法基于用戶歷史交互信息構(gòu)建推薦模型，按用戶請(qǐng)求預(yù)測(cè)推薦、挖掘潛在興趣）[39]；嚴(yán)克文[33]提出基于增量更新用戶協(xié)同推薦算法、基于增量更新用戶相異度的Slope One算法以基于用戶相異度矩陣模型選擇最近鄰（相異度小、同現(xiàn)次數(shù)多）進(jìn)行用戶協(xié)同推薦；陳玉[35]基于FCM（模糊C-均值聚類）改進(jìn)基于用戶協(xié)同推薦算法；賈利娟[34]提出基于偏好雙層關(guān)聯(lián)規(guī)則內(nèi)容推薦算法（包括用戶偏好分析（基于DPI表所含用戶訪問內(nèi)容、行為信息（訪問量、流量、活躍度））、雙層關(guān)聯(lián)規(guī)則挖掘流程（預(yù)處理用戶日志、平臺(tái)訪問數(shù)據(jù)并基于基礎(chǔ)內(nèi)容、內(nèi)容類型兩層挖掘關(guān)聯(lián)規(guī)則）、主流程（基于用戶偏好類型關(guān)聯(lián)、內(nèi)容規(guī)則匹配并推薦））；陳澤[39]提出基于加權(quán)兩層圖推薦算法（用項(xiàng)目類別、用戶評(píng)分矩陣基于內(nèi)容、協(xié)同過濾計(jì)算并優(yōu)化項(xiàng)目間相似度，構(gòu)建基于用戶項(xiàng)目的加權(quán)兩層圖并考慮其全局關(guān)系、結(jié)合隨機(jī)游走算法推薦）；馬相春等[25]提出基于多種群選擇的學(xué)習(xí)路徑推薦算法（基于蟻群算法、學(xué)生所屬群體同伴評(píng)分及其權(quán)值進(jìn)行推薦）。

3）其他

丁然[42]基于云計(jì)算分布式并行處理大數(shù)據(jù)集、推薦計(jì)算以個(gè)性化推薦；尤海浪等[37]、余小高[21]提出相似度改進(jìn)算法（依次為基本計(jì)算、余弦相似度計(jì)算、余弦相似度a計(jì)算、改進(jìn)余弦相似度計(jì)算、改進(jìn)余弦相似度歸一化）、算法評(píng)價(jià)指標(biāo)（涉及精度（召回率/準(zhǔn)確度）、覆蓋率（推薦列表中包含項(xiàng)目比例）、多樣性（推薦列表中項(xiàng)目間相異性））。

222搜索引擎

基于大數(shù)據(jù)的個(gè)性化搜索用大數(shù)據(jù)技術(shù)[17]提高搜索（匹配模型、排序算法等）準(zhǔn)確率、個(gè)性化[1，10]、安全性（保護(hù)用戶隱私[3]）、功能擴(kuò)展性、經(jīng)濟(jì)性[3]、實(shí)時(shí)性[1]、智能性[1，3]、兼容性（支持大數(shù)據(jù)平臺(tái)、容錯(cuò)性高、數(shù)據(jù)接口開放并向下兼容）、交互性[1，10]、靈活性[10]、可用性（易操作維護(hù)），改善用戶體驗(yàn)。具體結(jié)合搜索需求、大數(shù)據(jù)環(huán)境，通過技術(shù)革新（核心是智能信息技術(shù)（如聚合搜索、時(shí)效搜索、框計(jì)算[6]、云計(jì)算[14]等）、SOA架構(gòu)[3]）定制搜索引擎參數(shù)、與第三方服務(wù)商聯(lián)盟[3，17]進(jìn)行即時(shí)深度個(gè)性化搜索（智能分析大數(shù)據(jù)蘊(yùn)涵[6]用戶特征、服務(wù)需求、行為[1]，預(yù)測(cè)判斷用戶搜索步驟、內(nèi)容、需求和情緒特征并在系統(tǒng)空閑時(shí)預(yù)搜、分析、整合、存儲(chǔ)數(shù)據(jù)[19]）。

223大數(shù)據(jù)

大數(shù)據(jù)技術(shù)是以數(shù)據(jù)為研究方法、工具，通過數(shù)學(xué)算法發(fā)現(xiàn)知識(shí)、挖掘價(jià)值、預(yù)測(cè)趨勢(shì)、提升智能、創(chuàng)造價(jià)值[11，15，40，42]，以大數(shù)據(jù)應(yīng)用和服務(wù)為核心實(shí)現(xiàn)產(chǎn)品即服務(wù)、技術(shù)即服務(wù)、意識(shí)即服務(wù)的個(gè)性化智慧服務(wù)理念[7]，以啟發(fā)或激勵(lì)行為（形成更多待挖掘數(shù)據(jù)），為資源層提供技術(shù)支持[10]。究其內(nèi)涵，葉娟[15]、陳玉兆[27]、牟智佳[30]、馬曉亭[43]、潘玉辰[10]認(rèn)為包括數(shù)據(jù)顯示（仿真及可視化[10]輸出）和應(yīng)用[30]、數(shù)據(jù)分析與挖掘[1，10，27]（關(guān)聯(lián)規(guī)則學(xué)習(xí)、分類與聚類、情感分析、合成學(xué)習(xí)、基因算法、異常探測(cè)、預(yù)測(cè)建模[15]）、分布緩存與計(jì)算（涉及Hadoop[29]、Mahout（實(shí)現(xiàn)擴(kuò)展性良好機(jī)器學(xué)習(xí)算法且可擴(kuò)展到云中）、云計(jì)算等）[1，27]、數(shù)據(jù)存儲(chǔ)[1，27，30]（索引、存儲(chǔ)、分享、歸檔）[30]與管理（基于數(shù)據(jù)庫(kù)）[10]、數(shù)據(jù)處理（自然語(yǔ)言處理、模式識(shí)別、A/B測(cè)試[15]、機(jī)器學(xué)習(xí)、數(shù)據(jù)聚合[10，15]）、數(shù)據(jù)預(yù)處理（辨析、抽取、清洗）、數(shù)據(jù)感知采集[1，10，27]；夏秀雙[1]、陳玉兆[27]認(rèn)為涵蓋可視化分析、預(yù)測(cè)分析（核心價(jià)值）、語(yǔ)義引擎、數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理（核心是數(shù)據(jù)存儲(chǔ)）等主題；胡一[8]、孫笑宇[29]認(rèn)為包括MPP（并行處理機(jī)）、MapReduce（計(jì)算海量數(shù)據(jù)[29]）、NoSQL；此外，陳玉兆[27]提出大數(shù)據(jù)處理與傳統(tǒng)數(shù)據(jù)處理區(qū)別：基于全數(shù)據(jù)集分析、效率高、挖掘相關(guān)性；董燕[44]以大數(shù)據(jù)為數(shù)據(jù)收集方法。

1）數(shù)據(jù)可視化

通過API耦合相關(guān)系統(tǒng)，依據(jù)分析對(duì)象數(shù)據(jù)總量、類型和決策需求，通過關(guān)聯(lián)分析、時(shí)序分析、列表分析、路徑分析和群組分析等方法，結(jié)合大數(shù)據(jù)統(tǒng)計(jì)、計(jì)算機(jī)圖形學(xué)及仿真學(xué)等技術(shù)，有效組織、分析發(fā)現(xiàn)并直觀呈現(xiàn)[44]大數(shù)據(jù)價(jià)值和數(shù)據(jù)間隱藏關(guān)系，降低應(yīng)用難度，如過程與結(jié)果聯(lián)系、數(shù)據(jù)庫(kù)分布、模塊間聯(lián)系、領(lǐng)域動(dòng)向，常見技術(shù)有基于集合可視化、基于圖標(biāo)、圖像可視化[8]；楊雪等[22]提出標(biāo)簽云、歷史流、空間信息流等技術(shù)；董燕[44]認(rèn)為數(shù)據(jù)可視化須用統(tǒng)一數(shù)據(jù)平臺(tái)、規(guī)范化接口保證數(shù)據(jù)來源真實(shí)、快捷、規(guī)范，據(jù)實(shí)確定數(shù)據(jù)處理方法（企業(yè)多用多維業(yè)態(tài)模式）。

2）大數(shù)據(jù)分析平臺(tái)

大數(shù)據(jù)分析平臺(tái)基于用戶行為分析生命周期規(guī)律，保證其在數(shù)據(jù)采集、存儲(chǔ)、組織、整合、計(jì)算、分析[43]、知識(shí)發(fā)現(xiàn)、決策方面可擴(kuò)展性、動(dòng)態(tài)性[3-4]。鄧玉林[28]提出此類開源平臺(tái)代表為Hadoop（基于HDFS可靠共享存儲(chǔ)、MapReduce處理數(shù)據(jù)機(jī)制及Hive數(shù)據(jù)倉(cāng)庫(kù)工具等處理海量非結(jié)構(gòu)化數(shù)據(jù)）；馬曉亭[43]認(rèn)為應(yīng)加強(qiáng)平臺(tái)架構(gòu)科學(xué)性、開放性、透明性、異構(gòu)性、智能性（最優(yōu)配置資源），優(yōu)化數(shù)據(jù)存儲(chǔ)與傳輸效率、數(shù)據(jù)分析（影響算法有效性與可擴(kuò)展性、過程可視化、整體優(yōu)化）、智能計(jì)算（計(jì)算資源管理與分配、機(jī)器學(xué)習(xí)，根據(jù)分析對(duì)象、內(nèi)容變化智能調(diào)整與優(yōu)化算法和過程）、低碳運(yùn)營(yíng)、安全穩(wěn)定，此外，還應(yīng)構(gòu)建有序、動(dòng)態(tài)、系統(tǒng)運(yùn)行管理機(jī)制，設(shè)立標(biāo)準(zhǔn)保證平臺(tái)實(shí)用。

3）數(shù)據(jù)挖掘

又稱知識(shí)發(fā)現(xiàn)[32]。通過算法（主要有NaiveBayes、K-Means、SVM）、工具（Mahout等[1，27]）計(jì)算數(shù)據(jù)，基于項(xiàng)目、用戶、歷史訪問挖掘信息間、用戶間關(guān)聯(lián)、用戶興趣模式，從大數(shù)據(jù)中提取有效數(shù)據(jù)發(fā)現(xiàn)隱含、有意義知識(shí)，支持個(gè)性化服務(wù)[8，13-14，42]，關(guān)鍵是結(jié)合業(yè)務(wù)流程、促進(jìn)挖掘者和用戶間通信[40]，分?jǐn)?shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示三階段[14]，前沿是基于本體、個(gè)性化推薦的語(yǔ)義Web挖掘。李雪芳等[13]、孟楊[32]認(rèn)為包括問題定義[13]、數(shù)據(jù)準(zhǔn)備（數(shù)據(jù)清洗（除噪聲、臟數(shù)據(jù)）、集成、選擇（提取、分析）、變換（匯聚以統(tǒng)一成適合挖掘形式）[32]）、模型構(gòu)造[13]、數(shù)據(jù)挖掘（智能提取數(shù)據(jù)模式[32]）、評(píng)估優(yōu)化（興趣度量、模式評(píng)估[32]）、知識(shí)應(yīng)用（表示）（結(jié)果可視化[32]），過程包括將數(shù)據(jù)分份，主控程序分配Map（過濾數(shù)據(jù)，由工作機(jī)讀取數(shù)據(jù)分片并分配）、Reduce任務(wù)（聚集數(shù)據(jù)，按方式分類排列數(shù)據(jù)）；鄧玉林[28]認(rèn)為包括數(shù)據(jù)再利用（挖掘用戶數(shù)據(jù)）、重組、擴(kuò)展、廢氣利用（錯(cuò)誤數(shù)據(jù)）、開放（用戶數(shù)據(jù)）。丁然[42]認(rèn)為相關(guān)技術(shù)包括自動(dòng)預(yù)測(cè)趨勢(shì)和行為、關(guān)聯(lián)分析、聚類分類[8，14，45]分析（基于Hadoop的Mahout利用MapReduce分布式協(xié)同過濾機(jī)制[45]）、概念描述（旨在得出共同特征，分特征描述、區(qū)別描述（有遺傳算法、決策樹法））、偏差檢測(cè)（尋找參照值與觀測(cè)結(jié)果間有意義區(qū)別，包括不滿足規(guī)則特例、分類中反常實(shí)例、量值隨時(shí)間變化、觀測(cè)結(jié)果與模型預(yù)測(cè)值偏差）；胡一[8]、韓翠峰等[14]認(rèn)為還包括回歸分析、Web挖掘（分內(nèi)容、結(jié)構(gòu)、使用挖掘[8]）及神經(jīng)網(wǎng)絡(luò)。

3結(jié)束語(yǔ)

本文揭示了基于大數(shù)據(jù)的個(gè)性化服務(wù)內(nèi)涵、核心內(nèi)容及研究框架，并從架構(gòu)體系、關(guān)鍵技術(shù)兩方面闡述了國(guó)內(nèi)基于大數(shù)據(jù)的個(gè)性化服務(wù)研究進(jìn)展：架構(gòu)體系包括體系結(jié)構(gòu)、功能模塊、運(yùn)行機(jī)理；關(guān)鍵技術(shù)包括信息推薦、搜索引擎、大數(shù)據(jù)等。

參考文獻(xiàn)

[1]夏秀雙.大數(shù)據(jù)環(huán)境下高校圖書館個(gè)性化信息服務(wù)研究[D].曲阜：曲阜師范大學(xué)，2015.

[2]欒旭倫.大數(shù)據(jù)環(huán)境下高校圖書館個(gè)性化信息服務(wù)系統(tǒng)研究[J].圖書館學(xué)刊，2014，（8）：118-121.

[3]王茜，錢力.大數(shù)據(jù)環(huán)境下電子商務(wù)個(gè)性化推薦服務(wù)發(fā)展動(dòng)向探析[J].商業(yè)研究，2014，（8）：150-154.

[4]楊亮，雷智雁.大數(shù)據(jù)環(huán)境下圖書館個(gè)性化服務(wù)研究[J].現(xiàn)代情報(bào)，2014，34（4）：74-77.

[5]馬曉亭.基于情景大數(shù)據(jù)的圖書館個(gè)性化服務(wù)推薦系統(tǒng)研究[J].現(xiàn)代情報(bào)，2016，36（4）：90-94.

[6]馬曉亭.基于可信大數(shù)據(jù)的圖書館個(gè)性化服務(wù)平臺(tái)構(gòu)建[J].圖書館理論與實(shí)踐，2015，（1）：85-88.

[7]陳臣.基于大數(shù)據(jù)的圖書館個(gè)性化智慧服務(wù)體系構(gòu)建[J].情報(bào)資料工作，2013，（6）：75-79.

[8]胡一.基于大數(shù)據(jù)的電子商務(wù)個(gè)性化信息推薦服務(wù)模式研究[D].長(zhǎng)春：吉林大學(xué)，2015.

[9]陳臣.大數(shù)據(jù)時(shí)代一種基于用戶行為分析的圖書館個(gè)性化智慧服務(wù)模式[J].圖書館理論與實(shí)踐，2015，（2）：96-99.

[10]潘玉辰.基于大數(shù)據(jù)下戰(zhàn)略性新興產(chǎn)業(yè)個(gè)性化信息資源服務(wù)模式研究[J].開發(fā)研究，2016，（3）：20-25.

[11]陳臣.基于大數(shù)據(jù)的圖書館個(gè)性化服務(wù)安全體系構(gòu)建研究[J].新世紀(jì)圖書館，2014，（11）：47-51.

[12]黃志鵬，余慶，劉捷.大數(shù)據(jù)時(shí)代的圖書館個(gè)性化信息服務(wù)探討[J].青春歲月，2015，（6）：551-551.

[13]李雪芳，陳希文.大學(xué)生個(gè)性化職業(yè)指導(dǎo)大數(shù)據(jù)挖掘模型[J].亞太教育，2016，（10）：231-232.

[14]韓翠峰，韓禮紅.大數(shù)據(jù)思維下多技術(shù)融合的圖書館個(gè)性化信息服務(wù)平臺(tái)研究[J].社科縱橫，2015，30（8）：92-94.

[15]葉娟.探析大數(shù)據(jù)在高職教育中的個(gè)性化應(yīng)用[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2014，（3）：91-92.

[16]于凱，吳蕾.大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)在個(gè)性化教學(xué)中的應(yīng)用研究[J].福建電腦，2015，（8）：46-47，75.

[17]陳臣.大數(shù)據(jù)時(shí)代基于個(gè)性化服務(wù)的數(shù)字圖書館數(shù)據(jù)搜索引擎設(shè)計(jì)[J].圖書館理論與實(shí)踐，2015，（4）：91-94.

[18]康海燕，XIONG Li.面向大數(shù)據(jù)的個(gè)性化檢索中用戶匿名化方法[J].西安電子科技大學(xué)學(xué)報(bào)，2014，41（5）：148-154，160.

[19]陳臣.一種大數(shù)據(jù)時(shí)代基于讀者體驗(yàn)視角的數(shù)字圖書館個(gè)性化搜索引擎[J].四川圖書館學(xué)報(bào)，2013，（6）：27-30.

[20]李艷，呂鵬，李瓏.基于大數(shù)據(jù)挖掘與決策分析體系的高校圖書館個(gè)性化服務(wù)研究[J].圖書情報(bào)知識(shí)，2016，（2）：60-68.

[21]余小高.大數(shù)據(jù)環(huán)境下管理信息系統(tǒng)個(gè)性化學(xué)習(xí)研究[J].軟件導(dǎo)刊，2015，14（5）：17-20.

[22]楊雪，姜強(qiáng)，趙蔚.大數(shù)據(jù)學(xué)習(xí)分析支持個(gè)性化學(xué)習(xí)研究——技術(shù)回歸教育本質(zhì)[J].現(xiàn)代遠(yuǎn)距離教育，2016，（4）：71-78.

[23]秦帥.基于大數(shù)據(jù)的圖書館個(gè)性化智慧服務(wù)體系構(gòu)建探討[J].佳木斯職業(yè)學(xué)院學(xué)報(bào)，2017，（6）：472-472.

[24]高艷艷.基于大數(shù)據(jù)分析的中小學(xué)生個(gè)性化學(xué)習(xí)診斷模型研究[D].石家莊：河北師范大學(xué)，2016.

[25]馬相春，鐘紹春，徐妲.大數(shù)據(jù)視角下個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)支撐模型及實(shí)現(xiàn)機(jī)制研究[J].中國(guó)電化教育，2017，（4）：97-102.

[26]周進(jìn).大數(shù)據(jù)時(shí)代的高校個(gè)性化教育：一種過程支持框架[J].高教探索，2016，（5）：11-15，20.

[27]陳玉兆.大數(shù)據(jù)下的個(gè)性化推薦研究與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2014.

[28]鄧玉林.基于Hadoop大數(shù)據(jù)框架的個(gè)性化推薦系統(tǒng)研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2016.

[29]孫笑宇.大數(shù)據(jù)環(huán)境下車聯(lián)網(wǎng)個(gè)性化信息服務(wù)模式研究[D].長(zhǎng)春：吉林大學(xué)，2016.

[30]牟智佳.電子書包中基于教育大數(shù)據(jù)的個(gè)性化學(xué)習(xí)評(píng)價(jià)模型與系統(tǒng)設(shè)計(jì)[J].遠(yuǎn)程教育雜志，2014，（5）：90-96.

[31]周清清，佘航，平萍.基于大數(shù)據(jù)評(píng)價(jià)的個(gè)性化學(xué)習(xí)平臺(tái)模式構(gòu)建研究[J].中國(guó)教育信息化，2016，（15）：13-15.

[32]孟楊.基于大數(shù)據(jù)的個(gè)性化學(xué)習(xí)推薦服務(wù)研究[D].新鄉(xiāng)：河南師范大學(xué)，2016.

[33]嚴(yán)克文.大數(shù)據(jù)環(huán)境下電子商務(wù)個(gè)性化推薦算法應(yīng)用研究[D].合肥：合肥工業(yè)大學(xué)，2016.

[34]賈利娟.一種基于運(yùn)營(yíng)商大數(shù)據(jù)的內(nèi)容個(gè)性化推薦模型[J].信息技術(shù)，2017，41（3）：147-150.

[35]陳玉.大數(shù)據(jù)背景下電商用戶需求挖掘的個(gè)性化推薦方法研究[J].信息與電腦，2016，（17）：88-89.

[36]劉譯璟，張函.百分點(diǎn)大數(shù)據(jù)與個(gè)性化實(shí)踐[J].程序員，2013，（2）：52-56.

[37]尤海浪，錢鋒，黃祥為，等.基于大數(shù)據(jù)挖掘構(gòu)建游戲平臺(tái)個(gè)性化推薦系統(tǒng)的研究與實(shí)踐[J].電信科學(xué)，2014，30（10）：27-32.

[38]裴瑩.基于教育大數(shù)據(jù)的個(gè)性化學(xué)習(xí)模式分析[J].教學(xué)與管理，2016，（27）：101-103.

[39]陳澤.個(gè)性化推薦算法研究及“大數(shù)據(jù)”下的系統(tǒng)開發(fā)[D].重慶：重慶郵電大學(xué)，2013.

[40]鄭杰輝.大數(shù)據(jù)環(huán)境下個(gè)性化服務(wù)實(shí)現(xiàn)的案例分析[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2015，（3）：51-51，53.

[41]朱星華.大數(shù)據(jù)時(shí)代的個(gè)性化醫(yī)療——政府科研管理改革的國(guó)外經(jīng)驗(yàn)與思考[J].中國(guó)科技財(cái)富，2015，（2）：86-88.

[42]丁然.大數(shù)據(jù)時(shí)代電子商務(wù)個(gè)性化推薦發(fā)展趨勢(shì)[J].電子商務(wù)，2015，（4）：5，7.

[43]馬曉亭.基于個(gè)性化服務(wù)需求的圖書館大數(shù)據(jù)分析平臺(tái)構(gòu)建研究[J].新世紀(jì)圖書館，2014，（6）：20-23.

[44]董燕，高健飛.大數(shù)據(jù)時(shí)代下如何打造個(gè)性化的商務(wù)智能實(shí)踐[J].科技資訊，2015，（27）：18-19.

[45]李建新，唐小燕.基于大數(shù)據(jù)的高職學(xué)生個(gè)性化培養(yǎng)應(yīng)用研究[J].科教文匯，2015，（33）：77-78.

（責(zé)任編輯：郭沫含）