陳 昊，趙 斐，王世珠，劉思培

（1.北京跟蹤與通信技術(shù)研究所，北京 100094；2.北方信息控制研究院集團(tuán)有限公司，南京 211153）

0 引言

現(xiàn)代戰(zhàn)爭(zhēng)已由過(guò)去的打火力、打機(jī)械時(shí)代進(jìn)入到了打信息戰(zhàn)時(shí)代，伴隨爭(zhēng)奪制信息權(quán)而來(lái)的問(wèn)題是戰(zhàn)場(chǎng)信息量的急劇增長(zhǎng)、高價(jià)值信息易被淹沒(méi)在信息汪洋中；傳統(tǒng)將戰(zhàn)場(chǎng)態(tài)勢(shì)信息不加選擇、全部展現(xiàn)的方式已經(jīng)落伍，而面向不同作戰(zhàn)單元和群體將所需要的態(tài)勢(shì)信息快速而準(zhǔn)確地定制推送、一致顯示已經(jīng)成為新的趨勢(shì)；戰(zhàn)場(chǎng)態(tài)勢(shì)信息精準(zhǔn)推薦定制能力逐漸成為衡量指控系統(tǒng)效能的重要指標(biāo)。目前常用的推薦方法一般可分為基于內(nèi)容的推薦［1-6］、基于協(xié)同的推薦［7-13］、基于規(guī)則的推薦［14-15］。其中，基于內(nèi)容的推薦多基于文本形式，對(duì)其他多模態(tài)數(shù)據(jù)的特征提取受到限制，特征數(shù)據(jù)的匱乏導(dǎo)致無(wú)法發(fā)現(xiàn)用戶潛在的興趣和信息需求，用戶對(duì)推薦的信任度和滿意度不高；基于規(guī)則的推薦具有數(shù)據(jù)支持的廣泛性，可按照用戶級(jí)別、任務(wù)類型和數(shù)據(jù)種類進(jìn)行規(guī)則或策略定制，但存在規(guī)則制定復(fù)雜、作戰(zhàn)場(chǎng)景適應(yīng)性差、用戶維護(hù)不便、應(yīng)用體驗(yàn)不佳的問(wèn)題。綜上，以上方法對(duì)于態(tài)勢(shì)信息精準(zhǔn)推薦應(yīng)用而言都有其局限性。

為了解決態(tài)勢(shì)信息精準(zhǔn)推薦的問(wèn)題，本文提出了基于用戶畫(huà)像與協(xié)同過(guò)濾算法的態(tài)勢(shì)信息精準(zhǔn)推薦方法。該方法以用戶單元或群體的行為或興趣為基礎(chǔ)，實(shí)時(shí)生成用戶畫(huà)像；通過(guò)一定的相似度度量用戶之間的相關(guān)性，特別是引入用戶畫(huà)像偏好指數(shù)，應(yīng)用和優(yōu)化協(xié)同過(guò)濾算法，將鄰居用戶已訪問(wèn)過(guò)而目標(biāo)用戶還未訪問(wèn)的項(xiàng)目作為最終推薦項(xiàng)目，從而可以實(shí)現(xiàn)具有一定聯(lián)想性的目標(biāo)用戶個(gè)性化推薦。

1 戰(zhàn)場(chǎng)態(tài)勢(shì)信息生成與分發(fā)

1.1 戰(zhàn)場(chǎng)態(tài)勢(shì)與態(tài)勢(shì)圖

戰(zhàn)場(chǎng)態(tài)勢(shì)是發(fā)生在一定空間和時(shí)間范圍的戰(zhàn)場(chǎng)要素以及要素之間相互關(guān)系的集合。戰(zhàn)場(chǎng)態(tài)勢(shì)信息一般包括戰(zhàn)場(chǎng)環(huán)境、兵力部署、作戰(zhàn)企圖、作戰(zhàn)決心、戰(zhàn)場(chǎng)目標(biāo)等戰(zhàn)場(chǎng)信息。20 世紀(jì)90 年代后期，美軍為適應(yīng)信息化聯(lián)合作戰(zhàn)的強(qiáng)烈需求，提出了態(tài)勢(shì)圖族概念即互操作作戰(zhàn)圖族FIOP（Family of Interop Operational Pic）。互操作作戰(zhàn)圖族FIOP 包括3 類態(tài)勢(shì)圖：1）共用作戰(zhàn)態(tài)勢(shì)圖COP（Common Operational Picture），主要用于國(guó)家和戰(zhàn)區(qū)層面的作戰(zhàn)活動(dòng)；2）共用戰(zhàn)術(shù)圖CTP（Common Tactical Picture），主要用于支持戰(zhàn)術(shù)作戰(zhàn)；3）單一合成態(tài)勢(shì)圖SIP（Single Integrated Picture），主要用于支持火力打擊。通過(guò)應(yīng)用互操作作戰(zhàn)圖族FIOP，美軍構(gòu)建了涵蓋戰(zhàn)略、戰(zhàn)役、戰(zhàn)術(shù)用戶的戰(zhàn)場(chǎng)態(tài)勢(shì)生成體系，針對(duì)3 類作戰(zhàn)用戶提供互操作作戰(zhàn)圖族FIOP 的訂閱分發(fā)服務(wù)能力，極大提升了戰(zhàn)場(chǎng)態(tài)勢(shì)圖的作戰(zhàn)應(yīng)用效能。

在隨后的應(yīng)用過(guò)程中，美軍發(fā)現(xiàn)互操作作戰(zhàn)圖族FIOP 分類過(guò)于粗獷、數(shù)據(jù)量大、傳輸效率低，雖然能夠覆蓋戰(zhàn)略、戰(zhàn)役、戰(zhàn)術(shù)等用戶的需求，但不同層級(jí)用戶在進(jìn)行戰(zhàn)場(chǎng)態(tài)勢(shì)感知時(shí)，無(wú)法從大量的戰(zhàn)場(chǎng)態(tài)勢(shì)信息中及時(shí)、高效地發(fā)現(xiàn)、獲取自身急需的信息。因此，美軍在統(tǒng)一態(tài)勢(shì)圖的基礎(chǔ)上，提出了一致態(tài)勢(shì)圖的理念，認(rèn)為戰(zhàn)場(chǎng)態(tài)勢(shì)的表達(dá)并不需要構(gòu)建統(tǒng)一的態(tài)勢(shì)圖，而更側(cè)重于在基于一致態(tài)勢(shì)認(rèn)知的基礎(chǔ)上為不同的用戶生成定制的態(tài)勢(shì)。因此，后續(xù)又發(fā)展了用戶定制態(tài)勢(shì)圖（UDOP），其核心思想是圍繞作戰(zhàn)用戶的態(tài)勢(shì)感知需求，定制生成面向終端用戶作戰(zhàn)所需要態(tài)勢(shì)。同時(shí)，美軍在《2020 聯(lián)合構(gòu)想》中將COP 由戰(zhàn)場(chǎng)感知領(lǐng)域擴(kuò)展到作戰(zhàn)領(lǐng)域，以網(wǎng)絡(luò)互聯(lián)和知識(shí)共享環(huán)境為基礎(chǔ)，融合陸、海、空、天、電等作戰(zhàn)域的火力、ISR、后勤、機(jī)動(dòng)等信息，形成一個(gè)立體完整的戰(zhàn)場(chǎng)態(tài)勢(shì)。

1.2 態(tài)勢(shì)生成與分發(fā)

傳統(tǒng)的態(tài)勢(shì)信息生成與分發(fā)過(guò)程，主要依據(jù)態(tài)勢(shì)信息的固有模型，通過(guò)采集、解析、處理戰(zhàn)場(chǎng)感知數(shù)據(jù)，運(yùn)用態(tài)勢(shì)估計(jì)算法實(shí)現(xiàn)態(tài)勢(shì)提取與理解，實(shí)時(shí)、近實(shí)時(shí)地生成戰(zhàn)場(chǎng)態(tài)勢(shì)，并根據(jù)約定的用戶范圍，進(jìn)行戰(zhàn)場(chǎng)態(tài)勢(shì)信息的按需分發(fā)。

圖1 統(tǒng)一態(tài)勢(shì)分發(fā)（左）與一致態(tài)勢(shì)分發(fā)（右）

如圖1 所示，其態(tài)勢(shì)信息生成與分發(fā)的模式一般可包括兩種：

1.2.1 統(tǒng)一態(tài)勢(shì)生成與分發(fā)

基于統(tǒng)一態(tài)勢(shì)的生成與分發(fā)，一般圍繞態(tài)勢(shì)主題或應(yīng)用層級(jí)，通過(guò)分析態(tài)勢(shì)元素間的固有關(guān)系實(shí)現(xiàn)態(tài)勢(shì)建模，生成統(tǒng)一態(tài)勢(shì)，并針對(duì)用戶訂閱需求進(jìn)行全局或局部分發(fā)共享。

1.2.2 一致態(tài)勢(shì)生成與分發(fā)

基于一致態(tài)勢(shì)的生成與分發(fā)，主要面向不同用戶個(gè)體的態(tài)勢(shì)信息需求建模，生成專有的用戶態(tài)勢(shì)信息，完成態(tài)勢(shì)信息的定制生成與分發(fā)。

1.3 態(tài)勢(shì)信息的質(zhì)量評(píng)價(jià)

態(tài)勢(shì)信息的質(zhì)量可從內(nèi)容質(zhì)量、集合質(zhì)量、表達(dá)質(zhì)量、效用質(zhì)量等方面分析評(píng)價(jià)。從態(tài)勢(shì)生成與分發(fā)角度考慮，本研究側(cè)重于考察態(tài)勢(shì)的集合質(zhì)量。態(tài)勢(shì)集合質(zhì)量包括態(tài)勢(shì)的完整性和態(tài)勢(shì)的相關(guān)性兩項(xiàng)指標(biāo)。

1.3.1 態(tài)勢(shì)的完整性

完整性即通過(guò)感知手段獲取的戰(zhàn)場(chǎng)目標(biāo)反映戰(zhàn)場(chǎng)真實(shí)目標(biāo)數(shù)量的程度。當(dāng)無(wú)虛假目標(biāo)（虛警或雜波）時(shí)，態(tài)勢(shì)的完整性可以定義為：

其中，N0（tk）表示tk時(shí)刻戰(zhàn)場(chǎng)真實(shí)目標(biāo)總數(shù)，N1（tk）表示tk時(shí)刻所獲取的目標(biāo)數(shù)。Com∈［0，1］，Com=1 表示系統(tǒng)態(tài)勢(shì)是完整的。

在基于用戶畫(huà)像的態(tài)勢(shì)信息精準(zhǔn)推薦過(guò)程中，態(tài)勢(shì)的完整性會(huì)影響整體態(tài)勢(shì)信息的質(zhì)量，但其結(jié)果并不參與態(tài)勢(shì)信息推薦過(guò)程。因此，我們不使用態(tài)勢(shì)信息的完整性來(lái)評(píng)價(jià)和指導(dǎo)精準(zhǔn)推薦過(guò)程。

1.3.2 態(tài)勢(shì)的相關(guān)性

相關(guān)性即通過(guò)融合處理生成的態(tài)勢(shì)實(shí)體與用戶需求的態(tài)勢(shì)信息的關(guān)聯(lián)程度。態(tài)勢(shì)的相關(guān)性可以定義為：

其中，Ttk表示tk時(shí)刻的態(tài)勢(shì)實(shí)體向量，Ptk表示tk時(shí)刻用戶期望的態(tài)勢(shì)實(shí)體向量。Sim∈［0，1］，Sim=1 表示生成的用戶態(tài)勢(shì)和用戶期望的態(tài)勢(shì)是完全相關(guān)的?？芍?，態(tài)勢(shì)相關(guān)性能夠直接反映態(tài)勢(shì)推薦的結(jié)果。在本研究中，態(tài)勢(shì)相關(guān)性被泛化為信息相似度。

2 基于用戶畫(huà)像的態(tài)勢(shì)精準(zhǔn)推薦

2.1 態(tài)勢(shì)精準(zhǔn)推薦方法

本文所涉基于用戶畫(huà)像的態(tài)勢(shì)精準(zhǔn)推薦研究是假定在已經(jīng)生成精確、完整的全局態(tài)勢(shì)集合基礎(chǔ)上，圍繞提升用戶態(tài)勢(shì)集合質(zhì)量，提高態(tài)勢(shì)集合質(zhì)量中的相關(guān)性指標(biāo)，基于一致態(tài)勢(shì)生成模式提出的一種面向用戶的態(tài)勢(shì)精準(zhǔn)生成方法。其應(yīng)用架構(gòu)如圖2 所示，通過(guò)對(duì)云上匯集的態(tài)勢(shì)數(shù)據(jù)進(jìn)行分類、聚類、分析，關(guān)聯(lián)用戶的身份、作戰(zhàn)任務(wù)等屬性，同時(shí)考慮用戶的操作習(xí)慣、偏好信息，實(shí)時(shí)計(jì)算精準(zhǔn)生成用戶的一致態(tài)勢(shì)信息，并面向用戶完成定向分發(fā)。具體過(guò)程如圖3 所示，包括4 個(gè)部分內(nèi)容：

圖2 態(tài)勢(shì)精準(zhǔn)推薦應(yīng)用架構(gòu)

第1 步，建立統(tǒng)一的戰(zhàn)場(chǎng)資源描述框架，統(tǒng)一數(shù)據(jù)、信息、模型、用戶畫(huà)像的表示機(jī)制，建立“數(shù)據(jù)、信息、模型、用戶畫(huà)像”四維一體的戰(zhàn)場(chǎng)信息描述模型，以便系統(tǒng)具備相同的“信息基因”；從用戶畫(huà)像（特征）、關(guān)聯(lián)關(guān)系（需求）兩個(gè)維度梳理戰(zhàn)場(chǎng)數(shù)據(jù)構(gòu)建領(lǐng)域本體，形成以“用戶畫(huà)像（特征）、關(guān)聯(lián)關(guān)系（需求）”為核心的結(jié)構(gòu)化的戰(zhàn)場(chǎng)數(shù)據(jù)描述規(guī)范；為后續(xù)用戶態(tài)勢(shì)信息、用戶需求信息、任務(wù)信息關(guān)聯(lián)和統(tǒng)一描述奠定基礎(chǔ)；

第2 步，將態(tài)勢(shì)信息中的目標(biāo)、任務(wù)等信息構(gòu)建成本體，提取天基數(shù)據(jù)、地面戰(zhàn)場(chǎng)感知數(shù)據(jù)等，將目標(biāo)、任務(wù)中所包含的位置、時(shí)間等信息構(gòu)建成本體的數(shù)據(jù)屬性和關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)態(tài)勢(shì)信息建模；

第3 步，分析用戶角色、用戶身份的特點(diǎn)和信息需求建立作戰(zhàn)用戶基礎(chǔ)特征模型；梳理各類作戰(zhàn)任務(wù)的任務(wù)類型、任務(wù)對(duì)象、任務(wù)力量等特征建立面向任務(wù)的高價(jià)值任務(wù)信息關(guān)聯(lián)模型；記錄用戶操作、用戶習(xí)慣等行為模式數(shù)據(jù)建立用戶偏好模型；結(jié)合先驗(yàn)數(shù)據(jù)、訓(xùn)練樣本數(shù)據(jù)，綜合用戶基礎(chǔ)特征模型、任務(wù)信息關(guān)聯(lián)模型、用戶偏好模型和戰(zhàn)場(chǎng)數(shù)據(jù)，實(shí)時(shí)更新用戶畫(huà)像；

最后，針對(duì)實(shí)時(shí)態(tài)勢(shì)信息，查找發(fā)現(xiàn)與實(shí)時(shí)態(tài)勢(shì)信息相似的用戶信息需求，計(jì)算即時(shí)態(tài)勢(shì)信息與用戶信息的相似度。針對(duì)信息相似度結(jié)果，過(guò)濾不相關(guān)態(tài)勢(shì)信息，精準(zhǔn)推薦用戶戰(zhàn)場(chǎng)態(tài)勢(shì)。

圖3 態(tài)勢(shì)精準(zhǔn)推薦

2.2 用戶畫(huà)像定義與生成

用戶畫(huà)像（UserProfiling），又稱為用戶打標(biāo)簽（UserLabeling）、用戶建模（UserModeling），是描述用戶的一系列用戶屬性的集合，可通過(guò)數(shù)據(jù)挖掘方法分析用戶的行為、觀點(diǎn)等，抽取出用戶的典型特征，從而將人物原型標(biāo)簽化；同時(shí)在描述記錄用戶完整特征的同時(shí)，側(cè)重于挖掘信息需求關(guān)聯(lián)關(guān)系。

基于信息需求關(guān)聯(lián)的用戶畫(huà)像生成，主要包括戰(zhàn)場(chǎng)資源統(tǒng)一描述框架和作戰(zhàn)用戶畫(huà)像原型設(shè)計(jì)兩部分。

2.2.1 戰(zhàn)場(chǎng)資源統(tǒng)一描述框架

圖4 態(tài)勢(shì)用戶畫(huà)像構(gòu)建

戰(zhàn)場(chǎng)資源統(tǒng)一描述框架基于本體論和知識(shí)圖譜等相關(guān)理論，采用“概念、屬性、關(guān)系、實(shí)例”等基本元語(yǔ)，按照“實(shí)體-關(guān)系-實(shí)體”和“實(shí)體-屬性-取值”的描述形式。其中，概念是一類對(duì)象的抽象描述，如作戰(zhàn)人員、武器平臺(tái)、目標(biāo)等；屬性是指對(duì)各類實(shí)體的特征抽象，類比為數(shù)據(jù)庫(kù)表的列字段，如年齡、射程、速度等；關(guān)系是支持不同實(shí)體之間的關(guān)聯(lián)依賴，如裝備和編制單位的隸屬或配備關(guān)系、跟蹤雷達(dá)和作戰(zhàn)平臺(tái)的隸屬關(guān)系等；實(shí)例是某概念的具體表現(xiàn)實(shí)體，如1 連指揮車和2 號(hào)陣地的氣象信息等。

戰(zhàn)場(chǎng)信息描述模型基于本體技術(shù)中概念、屬性、關(guān)聯(lián)和實(shí)例等幾個(gè)元語(yǔ)，進(jìn)行分別定義和表征。信息描述模型分為兩個(gè)層次，即概念層和實(shí)例層。在概念層次，是對(duì)戰(zhàn)場(chǎng)所有涉及到實(shí)體和要素進(jìn)行統(tǒng)一抽象，形成基于概念、屬性和關(guān)系的戰(zhàn)場(chǎng)數(shù)據(jù)本體模型；在實(shí)例層次，按照“實(shí)體-關(guān)系-實(shí)體”和“實(shí)體-屬性-取值”的形式對(duì)各類戰(zhàn)場(chǎng)信息進(jìn)行統(tǒng)一描述，形成數(shù)據(jù)信息集合。

2.2.2 作戰(zhàn)用戶畫(huà)像設(shè)計(jì)

用戶畫(huà)像設(shè)計(jì)是用戶對(duì)態(tài)勢(shì)信息的興趣偏好和興趣內(nèi)容特征的描述和表征，獲取、表示、存儲(chǔ)和修改用戶興趣偏好，更好地理解用戶的需求和任務(wù)，從而更好地提供用戶所需要的態(tài)勢(shì)信息資源。用戶畫(huà)像可分為個(gè)體用戶畫(huà)像、用戶群組畫(huà)像。個(gè)體用戶畫(huà)像區(qū)分不同身份特征用戶，用戶群組畫(huà)像基于群組內(nèi)的所有個(gè)體用戶具有極其相似的興趣的假設(shè)。

用戶畫(huà)像的設(shè)計(jì)包括用戶基礎(chǔ)特征模型設(shè)計(jì)、任務(wù)信息關(guān)聯(lián)模型設(shè)計(jì)、用戶偏好模型設(shè)計(jì)等。任務(wù)信息關(guān)聯(lián)模型是以作戰(zhàn)任務(wù)所涉及到作戰(zhàn)力量、打擊目標(biāo)、作戰(zhàn)區(qū)域、作戰(zhàn)計(jì)劃等各類要素為基礎(chǔ)，按照任務(wù)類別、任務(wù)狀態(tài)、任務(wù)階段和應(yīng)用軟件需求等角度，在領(lǐng)域本體的框架下建立各類要素與戰(zhàn)場(chǎng)信息之間的關(guān)聯(lián)描述模型；用戶偏好模型構(gòu)建是在個(gè)體用戶畫(huà)像和群組畫(huà)像構(gòu)建的基礎(chǔ)上，綜合考慮不同用戶的各自任務(wù)角色、用戶身份和用戶行為操作等方面特征，動(dòng)態(tài)構(gòu)建個(gè)體用戶與戰(zhàn)場(chǎng)信息之間的篩選和過(guò)濾，將用戶畫(huà)像中的概念標(biāo)簽映射為戰(zhàn)場(chǎng)信息中具體實(shí)例信息。

2.3 基于用戶偏好的態(tài)勢(shì)協(xié)同過(guò)濾

通過(guò)協(xié)同過(guò)濾實(shí)現(xiàn)態(tài)勢(shì)信息推薦，其本質(zhì)是忽略數(shù)據(jù)內(nèi)容本身的內(nèi)涵，而聚焦目標(biāo)用戶需求興趣相似的鄰居用戶對(duì)于目標(biāo)文檔的評(píng)價(jià)來(lái)預(yù)測(cè)目標(biāo)用戶的評(píng)價(jià)。根據(jù)態(tài)勢(shì)信息與目標(biāo)用戶信息需求的匹配程度，將態(tài)勢(shì)推薦給需要的用戶。

圖5 態(tài)勢(shì)協(xié)同過(guò)濾

這個(gè)方式本身對(duì)于用戶比較稀少的戰(zhàn)場(chǎng)環(huán)境有其固有缺陷，而且具有數(shù)據(jù)稀少時(shí)無(wú)法推薦的問(wèn)題。本文從兩個(gè)角度進(jìn)行限制或改進(jìn)，以提高協(xié)同過(guò)濾算法應(yīng)用可行性。一是聚焦到任務(wù)驅(qū)動(dòng)的高價(jià)值信息的推薦方面，由于作戰(zhàn)任務(wù)信息類型和用戶角色相對(duì)固定，執(zhí)行相似作戰(zhàn)任務(wù)對(duì)信息需求比較類似，不受時(shí)間、空間和信息源的限制；二是在應(yīng)用系統(tǒng)環(huán)境下，建立用戶對(duì)推送信息的評(píng)價(jià)和反饋機(jī)制，利用用戶主動(dòng)或被動(dòng)相結(jié)合的方式，定位和監(jiān)控用戶對(duì)推送數(shù)據(jù)的使用頻度和信息度，定期將數(shù)據(jù)同步到后臺(tái)日志中作為訓(xùn)練的依據(jù)，一定程度緩解數(shù)據(jù)量稀少的問(wèn)題。將上述兩項(xiàng)因素轉(zhuǎn)換為計(jì)算因子，計(jì)算生成與用戶畫(huà)像潛在關(guān)聯(lián)的用戶畫(huà)像偏好指數(shù)，將提升優(yōu)化用戶需求態(tài)勢(shì)信息協(xié)同過(guò)濾效率，在邏輯層面實(shí)現(xiàn)為每個(gè)用戶個(gè)性化推薦效果。協(xié)同過(guò)濾實(shí)現(xiàn)步驟如下：

1）首先建立用戶模型和用戶-態(tài)勢(shì)信息評(píng)分矩陣UT其中，m 表示作戰(zhàn)用戶數(shù)量，n 表示態(tài)勢(shì)信息條數(shù)，Tij戶對(duì)第i 個(gè)作戰(zhàn)用戶對(duì)j 個(gè)態(tài)勢(shì)信息的評(píng)價(jià)值。然后基于用戶-態(tài)勢(shì)信息評(píng)分矩陣使用相似度算法計(jì)算用戶相似度找出近鄰用戶：

其中，Si、Sj分別表示用戶i 和用戶j 對(duì)態(tài)勢(shì)信息的評(píng)分集合，Si，j=Si∩Sj表示用戶i 和用戶j 共同評(píng)分過(guò)的態(tài)勢(shì)信息，Ris、Rjs表示用戶i 和用戶j 對(duì)態(tài)勢(shì)信息s 的評(píng)分，Rj、Ri為用戶i 和用戶j 對(duì)態(tài)勢(shì)信息評(píng)分的平均值。選擇合適閾值m，確定待推薦用戶的最近鄰用戶集合：

2）根據(jù)相似用戶的態(tài)勢(shì)信息按照權(quán)重進(jìn)行排序，將權(quán)重較高的態(tài)勢(shì)信息推薦給目標(biāo)用戶。得到Um之后，通過(guò)對(duì)Um進(jìn)行加權(quán)來(lái)預(yù)測(cè)用戶o 對(duì)態(tài)勢(shì)信息t 的評(píng)分Rot：

其中，Ro、Ri為用戶o 和用戶j 對(duì)態(tài)勢(shì)信息偏好的平均值，Sim（o，j）代表用戶o 和用戶j 的相似度，Rjt代表著用戶j 對(duì)態(tài)勢(shì)信息t 的用戶偏好。

對(duì)于信息精準(zhǔn)保障內(nèi)容用戶無(wú)進(jìn)一步操作行為和反饋，或者與用戶執(zhí)行的任務(wù)不相關(guān)，則適當(dāng)應(yīng)該降低用戶對(duì)當(dāng)前實(shí)例標(biāo)簽或類別標(biāo)簽的興趣權(quán)重；如果對(duì)于信息精準(zhǔn)保障內(nèi)容用戶給與正面的反饋或進(jìn)一步操作行為，或者與用戶執(zhí)行的任務(wù)相關(guān)則調(diào)高相關(guān)興趣標(biāo)簽的權(quán)重。

3 仿真試驗(yàn)

3.1 試驗(yàn)想定

為驗(yàn)證態(tài)勢(shì)信息精準(zhǔn)推薦算法，模擬某爭(zhēng)議地區(qū)發(fā)生沖突，某部隊(duì)對(duì)重點(diǎn)軍事目標(biāo)偵察、打擊。試驗(yàn)中，重點(diǎn)關(guān)注衛(wèi)星過(guò)境信息、天基信息，同時(shí)實(shí)時(shí)模擬作戰(zhàn)過(guò)程中己方感知、傳統(tǒng)偵察手段獲取的作戰(zhàn)分隊(duì)信息、戰(zhàn)場(chǎng)環(huán)境、目標(biāo)毀傷信息、戰(zhàn)果戰(zhàn)損信息；利用基于用戶畫(huà)像和協(xié)同過(guò)濾算法的態(tài)勢(shì)信息精準(zhǔn)推薦方法，精準(zhǔn)生成和推薦不同任務(wù)的作戰(zhàn)用戶態(tài)勢(shì)。

本次試驗(yàn)設(shè)定某部隊(duì)指揮員、天基偵察員、目標(biāo)保障員、火力協(xié)調(diào)員為戰(zhàn)場(chǎng)態(tài)勢(shì)信息的主要保障用戶，針對(duì)不同的作戰(zhàn)任務(wù)、不同的作戰(zhàn)階段向其精確推送保障態(tài)勢(shì)。

3.2 試驗(yàn)環(huán)境與過(guò)程

試驗(yàn)中模擬了兩部分?jǐn)?shù)據(jù)：一是戰(zhàn)場(chǎng)信息，包括作戰(zhàn)分隊(duì)位置信息、環(huán)境信息、目標(biāo)毀傷信息、戰(zhàn)果戰(zhàn)損信息、衛(wèi)星過(guò)境信息等；二是用戶任務(wù)信息。通過(guò)分析用戶的基本信息、用戶任務(wù)信息以及先驗(yàn)知識(shí)數(shù)據(jù)庫(kù)，提取用戶特征信息，生成19 個(gè)用戶畫(huà)像；結(jié)合本次試驗(yàn)場(chǎng)景，著重選取、關(guān)注與本次打擊任務(wù)相關(guān)的4 個(gè)用戶，生成的初始用戶畫(huà)像如圖6所示。

圖6 初始用戶畫(huà)像

梳理各類作戰(zhàn)任務(wù)的任務(wù)類型、任務(wù)對(duì)象、任務(wù)力量等特征建立面向任務(wù)的高價(jià)值任務(wù)信息關(guān)聯(lián)模型。最后，綜合用戶模型和任務(wù)信息關(guān)聯(lián)模型生成用戶信息需求模型，并計(jì)算出用戶相似度。試驗(yàn)設(shè)定用戶1（部隊(duì)指揮員）、用戶3（情報(bào)偵察員）、用戶12（地面目標(biāo)偵察員）、用戶15（火力協(xié)調(diào)員）為信息精準(zhǔn)保障的用戶。

基于用戶任務(wù)和用戶行為角度，用19 個(gè)用戶分別與指揮員、情報(bào)偵察員、地面目標(biāo)偵察員、火力協(xié)調(diào)員的信息需求對(duì)比，分析與其用戶信息相似度，結(jié)果如圖7、圖8、下頁(yè)圖9、圖10 所示。

圖8 情報(bào)偵察員用戶相似度

圖9 地面目標(biāo)偵察員用戶相似度

圖10 火力協(xié)調(diào)員用戶相似度

由上述表格和圖可知，如設(shè)定用戶信息相似度50%為推薦閾值，則推薦給部隊(duì)指揮員的信息，不會(huì)推薦給其他3 類用戶；推薦給情報(bào)偵察員的信息，會(huì)推薦給偵察分隊(duì)指揮員、空中目標(biāo)偵察員、地面目標(biāo)偵察員；推薦地面目標(biāo)偵察員的信息，會(huì)推薦給情報(bào)偵察員、空中目標(biāo)偵察員、火力操控員、火力協(xié)調(diào)員；推薦給火力協(xié)調(diào)員的信息，會(huì)推薦給部隊(duì)指揮員。因此，僅根據(jù)用戶特征生成的用戶相似度度，與設(shè)定4 類用戶的初始信息需求相似度并不一致，無(wú)法按照設(shè)定推薦戰(zhàn)場(chǎng)態(tài)勢(shì)產(chǎn)品。

圖11 用戶信息相似度

我們以4 類用戶畫(huà)像共同的信息需求模型抽象出來(lái)的實(shí)體為全集，以19 類用戶的信息需求模型實(shí)體為子集，生成19 類用戶的用戶信息相似度，如圖9 用戶信息相似度所示。由圖可知，19 類用戶的初始用戶信息相似度比較接近，很難過(guò)濾掉不需要推送的用戶。

表1 不同條件下的用戶信息相似度

將用戶歷史數(shù)據(jù)輸入系統(tǒng)，訓(xùn)練用戶信息相似度；通過(guò)兩個(gè)步驟加以訓(xùn)練完善，訓(xùn)練后數(shù)據(jù)如表1所示。

1）訓(xùn)練基于用戶的信息相似度模型。將用戶歷史數(shù)據(jù)輸入系統(tǒng)，訓(xùn)練用戶信息相似度；

2）訓(xùn)練基于內(nèi)容的協(xié)同過(guò)濾算法。通過(guò)采集用戶偏好值，將用戶偏好向量，生成用戶偏好指數(shù)。

根據(jù)表1 生成不同用戶的信息相似度圖，如圖12 所示。系列1 藍(lán)線代表原始的用戶信息相似度，系列2 黃線代表用戶歷史數(shù)據(jù)訓(xùn)練的用戶信息相似度，系列3 褐線代表基于用戶偏好的用戶信息相似度。在沒(méi)有引入用戶畫(huà)像偏好指數(shù)前，信息相似度的計(jì)算結(jié)果在各個(gè)用戶上更趨近于平均，這顯然不符合客觀實(shí)際；在引入用戶畫(huà)像偏好指數(shù)后，模型的精準(zhǔn)推薦結(jié)果更接近于經(jīng)驗(yàn)分布。

圖12 訓(xùn)練后用戶信息相似度圖

4 結(jié)論

從用戶基礎(chǔ)特征、任務(wù)關(guān)聯(lián)信息、用戶偏好等角度構(gòu)建用戶畫(huà)像，進(jìn)行用戶態(tài)勢(shì)信息需求分析，可實(shí)現(xiàn)態(tài)勢(shì)信息的精準(zhǔn)推薦保障。通過(guò)在戰(zhàn)場(chǎng)態(tài)勢(shì)信息空間與用戶需求之間建立關(guān)聯(lián)映射關(guān)系，并對(duì)用戶歷史態(tài)勢(shì)信息使用記錄、任務(wù)動(dòng)態(tài)趨勢(shì)分析學(xué)習(xí)，建立可動(dòng)態(tài)更新的用戶畫(huà)像。特別是通過(guò)引入用戶畫(huà)像偏好指數(shù)，可提高協(xié)同過(guò)濾精度，實(shí)現(xiàn)態(tài)勢(shì)信息的精準(zhǔn)推薦。