机会发现对推荐服务改进探讨.docVIP

机会发现对推荐服务改进探讨 　　[摘要]从推荐服务存在的问题和机会发现在弱信号、隐性知识方面的优势出发，探讨机会发现在拓展数据分析、发现隐性信息和满足用户长尾需求方面的作用。通过对机会和用户的持续关注，准确把握用户需求，提高人机交互在推荐中的关键作用，从而改善推荐服务质量。 　　[关键词]机会机会发现推荐服务 　　[分类号]G252.0 　　日本学者Yukio Ohsawa认为，在这个瞬息万变的社会中，应关注一些新的罕见的事件或状态，因为这些事件或状态将会对决策的制定产生影响。他将这种事件或状态定义为机会，并将发现、处理机会的过程定义为机会发现(chance discovery，CD)从推荐服务的目标来讲，机会发现将弱信号的小众需求和隐性相关资源建立联系，深入挖掘用户潜在需求和偏好，在智能、精准的基础上扩大用户视野，从而改善推荐服务的质量。 　　1、机会发现及其应用 　　1.1　机会发现的定义 　　Yukio Ohsawa针对决策与任务的实际需求差距提出了机会发现，其主旨是在动态未知预测环境中，发现对主体决策具有重要影响的事件或状态。对于那些有利于主体的机遇加以利用，对那些不利于主体的风险加以规避。 　　机会发现就是对机会的重要性产生认识或解释，特别是当机会很少出现并且它的重要性没有被注意到时，提供一种思路和手段，通过某个事件的执行更好地支持决策，其目标是关注机会而不是预测机会，为将来的创新和存活提供手段。机会发现的思想提醒我们跳出只关注已知和重复发生的事物，通过持续关注外界机会事件，发现危机或机遇，及时改变，更好地适应环境或保持优势。 　　1.2　机会发现的双螺旋模型 　　Ohsawa的双螺旋模型描述了人和计算机系统的不停交互促进了想法的创造性重建，两个并行螺旋式上升的分支包含了计算机系统接收、挖掘和可视化数据的过程，人识别机会事件的过程和人机交互产生决策的过程(见图1)。 　　模型上半部是数据挖掘部分，对相关事件的相关数据进行统计、回归分析，对其清理和转换，生成可利用、获取的知识和经验。模型下半部分为人们不断关注外界的动态变化，在现有可直接利用的过去的知识和经验中，根据数据库已挖掘出的资料和知识，认识、分析、理解并预测此机会事件可能带来的影响和变化，进而影响决策。同时数据挖掘模块中不断有新的数据产生，数据挖掘也被反复执行。人们对机会事件的认识总是从无知到关注，到理解，然后是决策，最后回到对另一个机会的无知状态，这也是一个人机交互的循环过程。双螺旋模型将人的智能和数据库、数据分析有机结合起来，预测、识别可能带来的风险和机遇。因此，双螺旋模型体现了机会发现的罕见性、偶然性、不确定性和重要性，并通过模型的流程揭示了其发现过程和需要的条件，是对机会发现理论的直观表达。 　　1.3　机会发现的优势和在各领域的应用 　　现今信息爆炸导致一些重要的少量的信息很容易被湮没在大量同质无用的信息海洋中，机会发现的理论很好地以发现的眼光将这些信息挖掘出来，较目前还以数据库信息处理为主的信息服务领域，具有无法比拟的优势：①机会发现可以发现动态环境中的异常事件；②机会发现可以挖掘出数据之间弱连接中的强关系，双螺旋模型与机会发现可视化工具KeyGrapt相结合，为人们发现潜在机会提供可能；③机会发现可以预见罕有发生、不确定性的机会事件，因为机会发现通过有经验的人做判断，探寻事件内在的原因。 　　因此，机会发现一经提出，众多学者便纷纷从各自领域阐述机会发现。企业风险识别和危机管理利用机会发现可以发现动态环境中的异常事件和机会事件的特点，监控、判断组织可能遇到的风险；基因分析中利用机会事件的偶然性和不确定性来研究基因的差别和变异，探寻人类的变迁和遗传病理；地震预测方面是在没有历史数据可利用的情况下，根据异常数据和现象发现潜在原因和未来灾害之间的关系。同时，机会发现还被广泛应用于专利分析和竞争优势的发现、重大事件决策和零售业中顾客购物心理的分析以及潜在购买动机和新事物之间的关联等。 　　在为用户提供精准、有针对性、有惊喜的推荐服务时，利用机会发现可以快速发现用户行为和喜好的变化，深入挖掘用户行为背后的原因，更好地理解用户需求，因此机会发现在推荐服务中存在着巨大的发展潜力。 　　2、推荐服务的现状和存在的问题 　　2.1　推荐服务及其现状 　　推荐服务是在文献资源不断丰富的环境下针对用户需求不断变化的现实，提供个性化、更有针对性的信息服务方式，目前主要通过推荐系统来实现，因此基于信息过滤技术的推荐系统是推荐服务中最重要的部分，根据特征不同分为以下4类：①基于内容的推荐系统：推荐一些与该用户已选择过的项目相似的内容。如研究纳米材料的工程师经常浏览相关技术的文献，系统主动为他推荐此方面的新闻、书籍和文献。②基于协同过滤的推荐