基于标签个性化信息系统动力学模型与仿真.docVIP

基于标签个性化信息系统动力学模型与仿真 　　〔摘 要〕基于系统与控制理论，通过分析标签系统中标签、用户、资源的关系，运用系统动力学的方法分析个性化信息推荐的过程及影响因素，在此基础上构建信息推荐的系统动力学模型，并采用vensim PLE软件对模型进行仿真，最后通过对模型的有效性验证分析，揭示了信息推荐的特性及机理，为进一步研究基于标签的个性化信息推荐动态演变提供研究思路。 　　〔关键词〕标签；个性化；信息推荐；系统动力学；模型；仿真 　　DOI：10.3969/j.issn.1008-0821.2016.03.002 　　〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2016）03-0012-05 　　〔Abstract〕Based on the system and control theory，the paper analyzed the relationship between tag，user，and resource in the label system，using system dynamics method to analyze the process of personalized information recommendation and the influencing factors，and constructed system dynamics simulation model on the information recommendation using the vensim PLE software，finaly this paper revealed the characteristics and mechanism of information recommendation for further research on the dynamic evolution on the tag of personalized information recommendation，through the verification of model in validity. 　　〔Key words〕label；personalized；information recommendation；system dynamics；model；simulation 　　1 问题的提出 　　个性化信息推荐是根据不同用户的信息需求、偏好或行为模式，将用户感兴趣的信息、服务等推荐给用户的个性化信息服务[1]。1999年，Smyth，B最早提出通过用户偏好分析和信息过滤技术来生成基于用户个性化浏览偏好的观看电视指南[2]。但是较正式明确提出基于标签的个性化信息推荐概念的是2007年Jaeschke Robert将资源以标签的方式标注，以FolkRank为基础，通过比较协作化推荐和基于图的推荐，验证了基于图的推荐的优越性[3]。 　　此后，国内外许多学者对基于标签的个性化信息推荐从复杂网络、概念语义等角度进行了多方面的深度研究[4-6]，但学者们关注较多的是标签系统的静态结构方面，而对基于标签的个性化信息推荐动态演变过程方面探讨的较少，对此，笔者用系统动力学方法对个性化信息推荐的过程进行建模仿真，为推荐策略提供理论依据。 　　系统动力学[7]（system dynamics，SD）的概念最早由Forrester提出，适用于模拟研究高度非线性、高阶次、多变量、多重反馈、复杂时变的大系统决策问题的处理，它采用定性与定量相结合、系统综合推理的方法，能够在非完备信息状态下分析求解复杂问题，其建模过程是一个学习、调查、研究的过程，系统性和动态性是SD模型区别于传统的静态决策方法的两大主要特点。 　　基于标签的个性化信息推荐系统动力学建模首先需要建立因果关系图，确定影响信息推荐的各个关键因素，同时构建存量流量图，明确各种状态变量、辅助变量和常量的含义；然后确定个性化信息推荐模型中各变量的方程式，即各种状态变量、辅助变量和常量之间的关系；最后进行模型的有效性测度、灵敏性测度等，具体分析模型的结构和行为。 　　2 个性化信息推荐系统的因果关系分析 　　基于标签的个性化信息推荐主要研究的内容是信息在用户之间流动的过程，由于它遵循信息扩散和转移的基本规律，并且信息总量具有不断增长的耗散特征，因此，可以用系统动力学来研究它的演变过程[8-9]。 　　21 个性化信息推荐过程 　　在利用协同过滤算法提出基于标签的个性化信息推荐算法的基础上[10]，笔者进一步将个性化信息推荐具体分为4个阶段，其中包括2个反馈回路，具体如图1所示。 　　第一个阶段是数据挖掘，通过对标签系统中的用户、资源、