Amazon个性化推荐系统文本组织结构研究.docVIP

Amazon个性化推荐系统文本组织结构研究 　　摘 要：文章以运用个性化推荐系统进行文本推荐、拥有广泛成功实践经验的Amazon为例。集中探讨了个性化推荐系统影响下，输出文本的文本组织结构（排列顺序、聚散状况、联结方式）的特征，以及对图书馆的启示。 　　关键词：个性化推荐系统 文本结构组织 亚马逊 图书馆 　　中图分类号： TP311；G250.74 文献标识码： A 文章编号： 1003-6938（2013）05-0103-04 　　个性化推荐系统在Web2.0时代成为一种很好的挖掘“暗文本”进行信息筛选的解决方案，这种解决方案越来越普遍的使用在目前的网络现实中[1]。Amazon、Google和IBM等互联网应用服务商都已将这种个性化推荐系统融入到了自己的产品当中，也为这种个性化推荐系统的数据底层积累了越来越多的海量文本。个性化推荐系统输出文本的组织结构是个性化推荐系统交付给用户成果的最直接，也是最直观的方式之一[2]。文本的???织结构在一定程度上决定着人们是如何获得这些文本的，将怎样定位这些获得文本的优先级，甚至影响到人从文本中获得的知识在脑中的组织结构。个性化推荐系统通过输出的推荐文本间存在着怎样的文本组织结构成为一个值得认真探究的问题。 　　1 Amazon与个性化推荐系统 　　Amazon[3]是世界上最大的网上商店，其ALEX排名位列全球第八。每天有上千万本图书在Amazon 被交易[4]。Amazon有相当久远的文本个性化推荐系统开发使用历史，1997年，Amazon的创始人杰夫·贝索斯（Jeff Bezos）决定开始尝试根据客户以前的购物喜好为其推荐具体的书籍。在此之前，个性化推荐系统才刚刚在1995年被提出，当时还只是一个实验室理论级别的概念，而其它的互联网公司则是直至2001年才开始在他们的服务中加入了个性化推荐系统，如，2001年，IBM电子商务平台Websphere中增加了个性化功能推荐功能[5]；2007年，Google才在其AdWords添加了个性化推荐功能[6]，雅虎推出了个性化推荐广告方案SmartAds[7]；2009年，美国著名的网上零售商Overstock才开始使用个性化推荐功能[8]。由此可以看出1997年进入个性化推荐系统开发的Amazon可谓是这个领域的先驱了。 　　Amazon个性化推荐系统的发展史也可以说推动了个性化推荐系统的发展，Amazon最早的系统采用了准确度非常低的原始统计方法来处理大量的客户数据，并以此为依据进行商品推荐，直至1998年，Amazon申请“item-to-item”协同过滤技术，并将这种技术在Amazon中推广使用才使得个性化推荐系统变的开始完善起来。现在，经过了很多的改进的Amazon 推荐系统是目前运用最成功的推荐系统之一，Amazon2012年报显示，其将近30%的图书销售量源自个性化推荐系统[9]。Amazon个性化推荐系统中被相关关系连接起来的主要是文本，16年的发展也沉淀积累了海量的文本和相关信息，相关关系和文本组织结构也相对稳定而成熟。 　　2 基于实证调查的Amazon个性化推荐系统中的文本结构组织分析 　　2.1 样本的选择与数据处理 　　本文选择Amazon的书籍个性化推荐系统作为主要的数据来源，对自然科学、人文社科两个学科分类标准大类中的487个相关性联接的文本样本进行了统计分析。为了方便本研究的数据总结和分析，本文对所收集的数据进行了四层数据结构模型，即： 　　（1）一层：数据起始层，五个学科大类每个大类各随机选取两个文本作为起始数据； 　　（2）二层：一层文本经过个性化推荐系统推荐而得的文本集合； 　　（3）三层：由二层文本经个性化推荐系统推荐而得的文本集合； 　　（4）四层：由三层文本经过个性化推荐系统推荐而得的文本合集。 　　2.2 Amazon的文本结构组织与分析 　　2.2.1双向可逆性的文本组织结构联结方式 　　在数据分析的过程中，一个典型的个案引起了我们的注意，在对一层起始数据《大数据时代》及其二三层数据进行分析的过程中，研究者注意到这样一个现象，一层数据《大数据时代》经过个性化推荐系统推荐了我们的二层推荐文本之一《第三次工业革命：新经济模式如何改变世界 》。当研究者进一步观察由《第三次工业革命：新经济模式如何改变世界 》经推荐系统推荐的文本时，发现其中第一位的推荐文本就是《大数据时代》。经过个性化推荐系统组织的文本之间存在一种回归现象，即从一个文本起始经过两次上文本推荐，输出的推荐结果中包含了起始文本。 　　为了研究这种现象，我们从总量为214个文本的二层数据中随机抽取了40个文本进行调查，其中有36个文本出现了这种回归现象，占到了总数的百分之九十。高达百分之九十的回归现象