基于社会化推荐网络浏览行为分析.docVIP

基于社会化推荐网络浏览行为分析 　　[摘要]随着网络信息环境的变化，传统认知中的浏览行为模式已发生很大的改变，从而需要重新来审视“浏览”这一具有普遍性的信息行为在新的信息环境下的规律和特点。围绕社会化推荐这一情境，对社会化推荐的模式以及与之对应的浏览行为开展定性分析，并基于此对传统的浏览行为的理论框架提出改进。 　　[关键词]社会化推荐　网络浏览　信息行为 　　[分类号]G350 　　 　　1 引 言 　　 　　一般认为，信息查寻(seek)行为包括检索和浏览两大类。传统的信息行为研究往往将浏览(browse)与检索(search)严格区分开，认为“检索是一种有明确目标、有计划、能清楚表达信息需求的信息查寻行为；而浏览是没有具体信息需求目标或难以清楚表达信息需求的较随意的信息查寻行为。”…然而，在现在很多情境下，信息查寻行为已很难按原有逻辑对行为类型做出清晰的界定，本文述及的基于社会化推荐的信息查询行为即是一例，根据该情境下信息行为的基本特征，本文将其划归为浏览的范畴。但与此同时，对传统信息浏览行为的定义和描述就势必需要做出一定的调整。 　　 　　社会化推荐(social recommendation)是Web 2.0的一个重要特性，其具体形式包括群体发掘(digging)、社会化书签(social bookmarking)和社会化标签(socialtagging)等。其基本特征是通过群体性的评注行为(collective annotating)来对网络资源进行社会化的标引(social indexing)。由于其操作的简易性和标注的丰富性，广大互联网用户从这种社会化行动中既体验到了互动的乐趣，同时为自己的信息查寻找到了一种全新的渠道――定制型浏览(preference browsing)和交互型浏览(interactive browsing)。相对此前盲目迷走在超链接中的传统浏览模式，这一渠道极大地提高了网络用户浏览的效率和质量。 　　然而，这一情境下的浏览行为与传统认识和研究中的浏览行为有着明显的差异，而这一差异却并未得到信息行为研究领域足够的重视和关注。因而本文拟在现有浏览行为模型的基础上，将社会化推荐情境下的新的浏览行为的特性进行整合，以对原理论模型提出相应的改进。 　　 　　2 网络社会化推荐的模式 　　 　　基于对互联网上具有推荐功能的产品和服务的回溯，结合对Antonius(2009年)关于“社会化书签的推荐系统”的研究中所总结的三类推荐模式的扩充，本文将网络内容推荐模式归纳为以下6类：①基于大众分类(folksonomy)的推荐：按类目推荐――例如Yahoo!分类目录。②基于浏览历史的推荐：按相似性推荐一例如电子商务网站的商品推荐。③基于社会化标引的推荐：按标签(tag)推荐一例如博客系统的同tag日志自动推荐。④基于社会化评价的推荐：按评价统计值(累计的dig／bury值,thumb up／down值、保存为书签(bookmarked)的次数和被评论的频次；被给予星级的平均值等)推荐，或按不良报告(垃圾信息、重复)过滤――例如diggt3 J、豆瓣等社会化软件及媒体。⑤基于社会网络的推荐：网络好友的推荐一例如社会化书签软件Delicious、兜乐等。⑥综合的推荐模式：综合大众分类、浏览历史、社会化标引、社会化评价、社会网络等手段来做推荐一例如啃一啃、StumbleUpon等社会化软件及媒体。 　　以上6类推荐模式中，其中后4类就属于社会化的推荐模式。这种推荐模式的出现是源于网络信息环境从1.0跃迁到2.0才得以产生并蓬勃发展的，因此社会化推荐首先是建立在Web2．0的信息环境之上的产物。新的环境产生信息的行为模式，这与Dresang(1999年)所提出的信息环境的“剧变理论”(Theory ofRadical Change)的观点是相一致的。Dresang称，我们之所以经常浏览，是因为浏览所对应的情境――复杂且快速变化的世界中未知的事务――变得越来越多，我们越来越被其所包围。 　　为更好地理解社会化推荐的模式，这里以综合推荐模式的代表性产品StumbleUpon为例，其产品核心是：一个分类引擎、一个聚合引擎、一个推荐引擎和一套评价机制。其产品工作机理如图1所示： 　　正如StumbleUpon的产品描述所提及的，社会化推荐的主要特点恰好也反映在：①比检索简单，比浏览高效；②能有效应对信息超载；③采用的是有效的人员驱动(人工采编和社会化采编)的技术；④可以作基于社会网络的信息浏览；⑤是个人定制化的浏览工具。 　　 　　3　基于社会化推荐的甩户浏览行为 　　 　　本文通过考察众多社会化推荐服务中所呈现的共性的环节，将基于社会化推荐的用户浏览行为划分整理为如下三个阶段及相