劉子赫

摘 要：隨著大數(shù)據(jù)技術(shù)的發(fā)展，推薦算法為人們享受網(wǎng)絡(luò)便利提供了很多幫助。隨著推薦算法的不斷進(jìn)步，個(gè)性化推薦算法逐漸受到了用戶的青睞。本文介紹了個(gè)性化基本算法的其中三種：基于內(nèi)容的推薦算法、構(gòu)建知識(shí)網(wǎng)絡(luò)、基于社交應(yīng)用的個(gè)性化推薦。同時(shí)介紹了個(gè)性化推薦算法與其他技術(shù)的聯(lián)系、運(yùn)作流程和應(yīng)用等，從實(shí)際出發(fā)，以解決實(shí)際問題為目的，闡述應(yīng)用具體形式。此外，本文也闡述了亟待解決的難點(diǎn)和問題。

關(guān)鍵詞：推薦算法;個(gè)性化;知識(shí)網(wǎng)絡(luò)

中圖分類號(hào)：TP391.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2020）06-0039-02

0引言

隨著數(shù)據(jù)體量過載時(shí)代的到來(lái)，面對(duì)信息過載問題，如何在短時(shí)間得到具有針對(duì)性的數(shù)據(jù)已經(jīng)是現(xiàn)代人主要面臨的問題。本文介紹了個(gè)性化推薦基本算法和未來(lái)主要應(yīng)用和應(yīng)用形式、階段優(yōu)勢(shì)和長(zhǎng)遠(yuǎn)發(fā)展優(yōu)勢(shì)，結(jié)合生活實(shí)際和現(xiàn)有技術(shù)提出下一階段發(fā)展趨勢(shì)和具體應(yīng)用，也針對(duì)數(shù)據(jù)使用者的角色進(jìn)行了分析。

1個(gè)性化推薦算法介紹

1.1 基于內(nèi)容的推薦算法

此算法是個(gè)性化推薦中最為重要的一種思想，簡(jiǎn)單直接，通過分析用戶的歷史行為記錄和相關(guān)興趣記錄（如用戶自身填寫的興趣），形成用戶的興趣偏好向量，再對(duì)已有的項(xiàng)目進(jìn)行分類，分析項(xiàng)目的屬性特征，提取出項(xiàng)目屬性向量，通過計(jì)算用戶興趣偏好向量與項(xiàng)目自身向量進(jìn)行相似度計(jì)算，得出用戶對(duì)于此項(xiàng)目的接受可能性大小或者top-N推薦。

此算法簡(jiǎn)單直觀，對(duì)于單個(gè)屬性比較有效準(zhǔn)確，個(gè)性化強(qiáng)不受任何干擾。但是缺點(diǎn)也比較明顯，項(xiàng)目、用戶冷處理冷啟動(dòng)，復(fù)雜項(xiàng)目的屬性提取和權(quán)重分配，數(shù)據(jù)過于稀疏無(wú)法處理計(jì)算[1]。

1.2 構(gòu)建知識(shí)網(wǎng)絡(luò)

利用現(xiàn)代大數(shù)據(jù)的關(guān)聯(lián)性和人工構(gòu)建的知識(shí)網(wǎng)絡(luò)可以進(jìn)行相關(guān)知識(shí)的推薦，利用這一方法收集用戶的直接需求和可能出現(xiàn)的相關(guān)需求，這也是個(gè)性化推薦的重要組成部分和未來(lái)的發(fā)展趨勢(shì)。比如在自學(xué)技能的領(lǐng)域，相關(guān)的知識(shí)點(diǎn)需要利用知識(shí)結(jié)構(gòu)，既可以從問題入手，向四周延伸，學(xué)習(xí)相關(guān)的技能點(diǎn)和關(guān)鍵要素，還可以從已知點(diǎn)出發(fā)，進(jìn)行更深層次的學(xué)習(xí)，在推薦的過程中，根據(jù)相關(guān)聯(lián)的內(nèi)容進(jìn)行學(xué)習(xí)，有助于系統(tǒng)掌握整個(gè)知識(shí)框架。

此算法關(guān)聯(lián)性強(qiáng)、推薦知識(shí)相近、接受程度高，有助于用戶拓展相關(guān)興趣?，F(xiàn)階段制約其發(fā)展的主要問題有：知識(shí)網(wǎng)絡(luò)的構(gòu)建、構(gòu)建結(jié)構(gòu)、優(yōu)先推薦權(quán)重、范圍有一定限制。盡管現(xiàn)階段還有不足，未來(lái)一定可以引入AI，智能連接相關(guān)知識(shí)，不再需要人工特意維護(hù)和手動(dòng)架構(gòu)，發(fā)展前景比較廣大[2]。

1.3 基于社交應(yīng)用的個(gè)性化推薦

就目前來(lái)講，手機(jī)中必不可缺的是相關(guān)的社交和娛樂app，相較于電腦，手機(jī)的及時(shí)性、快速性和短時(shí)性與pc端比較更適合個(gè)性化推薦算法應(yīng)用，而且受眾面更廣有助于豐富個(gè)性推薦算法。在這里的社交app不僅僅是微信、QQ等聊天的app，還有支付寶等支付app，一些短視頻網(wǎng)站等，因?yàn)檫@些都是有比較明顯的用戶歷史記錄，所以比較好挖掘用戶行為習(xí)慣，用戶特征比較明顯，易于進(jìn)行個(gè)性推薦，提高推薦命中率。用戶的關(guān)注人、關(guān)注事件、搜索記錄、使用時(shí)間、關(guān)注類型、共同好友、發(fā)布動(dòng)態(tài)、購(gòu)買相關(guān)物品等記錄，全方位綜合分析用戶行為習(xí)慣，可以大體猜測(cè)用戶的職業(yè)興趣等綜合信息，結(jié)合知識(shí)框架，得到入手點(diǎn)和適合的推薦算法，提高準(zhǔn)確率[3]。同樣，結(jié)合共同的興趣特點(diǎn)，對(duì)于一些行為特征相近的用戶可以計(jì)算出相似的推薦內(nèi)容，節(jié)省一定成本。還可以分析用戶所關(guān)注的事物的屬性向用戶統(tǒng)一推薦。此算法優(yōu)缺點(diǎn)比較突出，準(zhǔn)確率高，全面、普及率高、維護(hù)成本低，但綜合性強(qiáng)，算法不易統(tǒng)一，容易涉及到用戶隱私等法律問題等。

2個(gè)性化推薦算法聯(lián)系

2.1 與AI的聯(lián)系——相輔相成

對(duì)于AI來(lái)說(shuō)，一個(gè)學(xué)習(xí)型的算法是非常重要的，就目前而言，個(gè)人用AI主要是被動(dòng)接受并加以學(xué)習(xí)模仿，貼和日常的用戶的個(gè)人習(xí)慣，對(duì)于主動(dòng)出擊進(jìn)行推薦的能力還不夠強(qiáng)，或者說(shuō)無(wú)法滿足需求，無(wú)法達(dá)到替代一部分人工的作用，所以對(duì)于AI，個(gè)性化推薦的算法更加有助于他的發(fā)展。而對(duì)于個(gè)性化算法來(lái)說(shuō)，他比AI的收集范圍要廣，利用知識(shí)的聯(lián)系性，不僅僅應(yīng)用搜索引擎，在搜索引擎中尋找符合用需要的內(nèi)容，依據(jù)用戶的愛好和行為喜歡等等，個(gè)性化推薦各類內(nèi)容，而引入AI可以更貼和用戶習(xí)慣，在合適的時(shí)間，以合適的方式推薦給用戶并且讓用戶自行選擇，再通過用戶所選的內(nèi)容，進(jìn)行學(xué)習(xí)，決定下一次的推薦方式并修改個(gè)性化推薦算法，達(dá)到個(gè)性化效果。中短期來(lái)說(shuō)個(gè)性化算法無(wú)法被AI替代，同時(shí)也可以作為AI發(fā)展的素材。也可以將AI引入個(gè)性化算法，將所計(jì)算出的數(shù)據(jù)結(jié)合用戶的選擇得要結(jié)論，使AI進(jìn)行學(xué)習(xí)，相輔相成，或者在個(gè)性化推薦算法的平臺(tái)的UI引入AI，作為學(xué)習(xí)模式，使用戶更容易接受。長(zhǎng)期來(lái)說(shuō)，既可以獨(dú)立存在，也可以融合，這對(duì)于兩者有著很高的要求。

2.2 與大數(shù)據(jù)的運(yùn)用

盡管是個(gè)性化推薦算法，但是個(gè)體離不開整體，大數(shù)據(jù)的應(yīng)用對(duì)于個(gè)性化推薦算法還是很必要的。當(dāng)用戶的行為習(xí)慣大致相同，可以從數(shù)據(jù)庫(kù)中提取類似計(jì)算的結(jié)果，減少計(jì)算時(shí)間成本;收集普遍性和增長(zhǎng)趨勢(shì)規(guī)律，掌握需求走向，提供給其他供應(yīng)商，從而對(duì)用戶提高針對(duì)性，減少成本[4]。

3 個(gè)性化推薦算法流程

本章將以半開源多樣化的數(shù)據(jù)處理平臺(tái)為例，介紹個(gè)性化推薦算法的流程。

3.1 概念介紹

通過半開源的數(shù)據(jù)分析處理平臺(tái)，用戶可以自主選擇數(shù)據(jù)處理方式和種類，即可引用與一般出具處理如簡(jiǎn)單函數(shù)計(jì)算，也可以用于互聯(lián)網(wǎng)搜索，用戶可以操作算法，自主選擇算法。而對(duì)于用戶來(lái)說(shuō)如何錄入需求就是問題，這就需要一個(gè)平臺(tái)，可以是網(wǎng)站或者是手機(jī)app，在界面中用戶選取數(shù)據(jù)對(duì)象、數(shù)據(jù)類型、要求、范圍、偏好等要求，經(jīng)過個(gè)性化推薦算法得出相關(guān)結(jié)論。

3.2 數(shù)據(jù)類型

個(gè)性化算法的最大優(yōu)勢(shì)在于它可以推薦各類數(shù)據(jù)，不僅僅應(yīng)用搜索引擎簡(jiǎn)單的關(guān)鍵字和標(biāo)簽等簡(jiǎn)單搜索方式，運(yùn)用個(gè)性化算法中的知識(shí)結(jié)構(gòu)，從各類網(wǎng)站入手，多種渠道多種數(shù)據(jù)形式，依靠知識(shí)網(wǎng)絡(luò)加強(qiáng)對(duì)于數(shù)據(jù)聯(lián)系性的考察，以知識(shí)結(jié)構(gòu)為起點(diǎn)搜索多種數(shù)據(jù)格式如：視頻、文字、表格、甚至社交平臺(tái)可以得到的留言帖子等等，全方位滿足用戶需求。此外，多種數(shù)據(jù)形式對(duì)于知識(shí)結(jié)構(gòu)和數(shù)據(jù)關(guān)聯(lián)性篩選的算法有著極高的要求，這是急需解決的問題。

3.3 算法流程介紹

首先收集用戶需求，如：價(jià)格、問題、意見、學(xué)習(xí)內(nèi)容。確定搜索范圍：如：相關(guān)網(wǎng)站、百度經(jīng)驗(yàn)、視頻網(wǎng)站、相關(guān)論壇、貼吧等。調(diào)查對(duì)應(yīng)目標(biāo)主體的相關(guān)數(shù)據(jù)要求并需要用戶進(jìn)行進(jìn)一步選擇，具體步驟如下：

（1）尋找主要相關(guān)聯(lián)數(shù)據(jù);

（2）根據(jù)用戶行為習(xí)慣知識(shí)關(guān)聯(lián)性主動(dòng)過濾;

（3）選取關(guān)聯(lián)性最強(qiáng)，重復(fù)檢索次數(shù)最多，較權(quán)威的數(shù)據(jù);

（4）AI過濾;

（5）整理數(shù)據(jù)，分類;

（6）用戶主觀選擇。

3.4應(yīng)用形式

該平臺(tái)既可以采取會(huì)員制，也可以采用一次性購(gòu)買制度，平臺(tái)結(jié)合數(shù)據(jù)流通形式定期更新和完善提供算法，提供計(jì)算的服務(wù)器。

4 個(gè)性化推薦算法應(yīng)用

4.1數(shù)據(jù)篩選推薦

現(xiàn)在用Python等軟件進(jìn)行智能檢索已經(jīng)是提高效率的好方法，但是在一些情況下，對(duì)于一般人來(lái)說(shuō)稍微復(fù)雜的數(shù)據(jù)處理使用Python的及時(shí)性不夠高，同時(shí)學(xué)習(xí)Python并且熟練應(yīng)用的過程也需要時(shí)間，在急需數(shù)據(jù)的情況和未接觸過Python的人可以使用這個(gè)平臺(tái)，圈定范圍、大小、參數(shù)、類型等并導(dǎo)入數(shù)據(jù)在平臺(tái)內(nèi)獨(dú)立運(yùn)算，再根據(jù)用戶自己的限制進(jìn)行過濾，算出所需要的數(shù)據(jù)。總體來(lái)說(shuō)就是Python的編程模板的整合。

此外，個(gè)性推薦可以用于商業(yè)伙伴的選擇和自身的內(nèi)部檢查，有點(diǎn)類似于現(xiàn)在的天眼查，引入了個(gè)性推薦和用戶自身加以編輯限制的算法，使結(jié)果更符合公司需要。

4.2 學(xué)習(xí)內(nèi)容推薦

技術(shù)的掌握已經(jīng)成為各大公司職位的挑選依據(jù)之一，如：經(jīng)濟(jì)領(lǐng)域的員工需要一定簡(jiǎn)單Python基礎(chǔ)和運(yùn)用技能，互聯(lián)網(wǎng)企業(yè)需要員工會(huì)運(yùn)用PS、PR、AE等軟件。

現(xiàn)在，我們百度相關(guān)問題，基本上都會(huì)有教程，但是這些教程終究只針對(duì)一個(gè)問題，無(wú)法系統(tǒng)的學(xué)習(xí);而只理論學(xué)習(xí)不操作實(shí)操中會(huì)遇到更多的問題。這時(shí)也可以運(yùn)用個(gè)性化算法推薦，從這個(gè)問題作為出發(fā)點(diǎn)，搜索各大論壇和視頻網(wǎng)站，整合相關(guān)問題，在解決對(duì)應(yīng)問題時(shí)，向外延伸，推薦其他問題解決方案，相關(guān)系統(tǒng)學(xué)習(xí)視頻，整合論壇相關(guān)留言帖子，從中學(xué)習(xí)未涉及的問題和疑難雜癥，綜合得出當(dāng)前問題的解決方法、相關(guān)問題、可能出現(xiàn)的情況、疑難雜癥、相關(guān)推薦學(xué)習(xí)資料等。

4.3 網(wǎng)購(gòu)?fù)扑]

在網(wǎng)購(gòu)普及的今天，個(gè)性化算法已經(jīng)可以幫助我們節(jié)省大量的挑選時(shí)間。以價(jià)格為例，在雙十一狂歡的時(shí)候，用戶往往會(huì)因?yàn)閮r(jià)格的變動(dòng)，會(huì)貨比三家，人工進(jìn)行比較計(jì)算。在網(wǎng)站層面，對(duì)于價(jià)格網(wǎng)站往往不會(huì)將真實(shí)價(jià)格呈現(xiàn)出來(lái)，需要第三方的介入，運(yùn)用爬蟲獲取價(jià)格走勢(shì)，收集優(yōu)惠程度價(jià)格，再根據(jù)消費(fèi)者特定需求，比如：平臺(tái)、產(chǎn)地、價(jià)格區(qū)間、發(fā)貨和物流速度、商家信譽(yù)等，綜合以上的需求，得出結(jié)論。再比如電腦的選擇，既可以選擇廠家已經(jīng)批量生產(chǎn)的一體機(jī)，也可以采用組裝好的主機(jī)+顯示器的組合，或者是自己獨(dú)立組裝，自行購(gòu)買CPU、硬盤、顯卡、聲卡等硬件設(shè)備，結(jié)合用戶輸入的需求（如：游戲用、辦公用、剪輯等專業(yè)用）推薦一定組合的硬件配置。結(jié)合用戶所選的硬件，推薦連接線、主機(jī)箱、音響、顯示器等其他核心設(shè)備。在個(gè)性算法計(jì)算的同時(shí)引入的AI結(jié)合用戶習(xí)慣職業(yè)推薦固定線、特色鍵鼠、支架、收納架等非必須物品。綜上，個(gè)性算法節(jié)省了用戶學(xué)習(xí)了解相關(guān)物品的專業(yè)知識(shí)、減少人工組合時(shí)間，同時(shí)減少支出，增加體驗(yàn)感。

4.4廣告投放

個(gè)性化推薦算法不僅僅個(gè)人對(duì)于數(shù)據(jù)的搜索，同樣的也可以反向用于被推薦，傳統(tǒng)廣告的“命中率”已經(jīng)不適合年輕人。既然用戶選擇了最適合自己的數(shù)據(jù)，這些都可以被提供個(gè)性推薦算法的平臺(tái)所知，廣告的投放變得越發(fā)有針對(duì)性，不只是簡(jiǎn)單的TAG推薦和普通的貼片廣告[5]。

5結(jié)語(yǔ)

本文對(duì)現(xiàn)階段比較適合個(gè)性化推薦的基本算法進(jìn)行了介紹，對(duì)其運(yùn)作流程進(jìn)一步闡述，隨著數(shù)據(jù)的急速增長(zhǎng)，越發(fā)完善的算法和用戶個(gè)性的突出，個(gè)性化推薦算法的優(yōu)勢(shì)進(jìn)一步體現(xiàn)出來(lái)，結(jié)合時(shí)下熱門AI和大數(shù)據(jù)的等相關(guān)產(chǎn)業(yè)，可見個(gè)性化推薦算法的發(fā)展趨勢(shì)十分明朗，一定可以在未來(lái)為更多的用戶提供更精確的個(gè)性化服務(wù)。但在快速發(fā)展中，也未可避免的涉及到過度收集用戶隱私，信息泄露，過度干擾，信息誤判等諸多問題。

參考文獻(xiàn)

[1] 張志威.個(gè)性化推薦算法研究綜述[J].信息與電腦，2018（17）：27-29.

[2] 周穎芮，孫銳，袁圓.個(gè)性化推薦研究熱點(diǎn)及學(xué)術(shù)群探析——基于1990—2017年數(shù)據(jù)統(tǒng)計(jì)及可視化研究[J].科技與經(jīng)濟(jì)，2019，32（3）：1-5.

[3] 陳豪，王澤珺.個(gè)性化推薦算法綜述[J].企業(yè)科技與發(fā)展，2019（2）：64-65.

[4] 代麗，樊粵湘.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)時(shí)代，2019（6）：9-11+15.

[5] 李珊.個(gè)性化推薦系統(tǒng)研究綜述[J].科技致富向?qū)В?014（8）：157.