大数据环境下基于情景感知的智能信息推荐系统研究.docxVIP

大数据环境下基于情景感知的智能信息推荐系统研究 摘要：大数据时代的来临引发了以“数据”驱动人类思维和决策的重大变革，利用大数据挖掘、机器学习等先进数据分析技术，从海量大数据里析取有用信息，智能服务于用户已成为信息服务的主要途径。信息推荐是一种智能信息服务机制，能根据用户兴趣自动组织和调整信息内容，是解决“信息过载”的有效工具。文章融合大数据、情景感知与信息推荐技术，研究大数据环境下用户情景的智能获取与高层推理，大数据驱动下基于情景感知的智能信息推荐流程与推荐模型。 引言网络信息量的激增造成了严重的“信息过载”和“资源迷航”问题。大数据环境下，从信息服务的发展趋势上看，用户希望能随时随地获得满足其个性化需求的信息和服务，过去“用户寻找信息”的传统服务模式将逐步转变为“信息寻找用户”的智能服务模式。在这种背景下，研究智能信息推荐系统显得尤为重要。信息推荐是一种主动智能的网络信息服务机制，能从大量信息中自动选择符合用户兴趣的内容进行推荐，减少用户查找资源的时间，提高用户获得信息的准确性。1 情景与情景感知1.1 情景情景是系统所处环境的具体情况。情景可以由系统所在的时间、空间等具体因素组成。本文研究的是信息推荐系统中用户所在的环境信息，如地点、季节等。以往的信息推荐研究大部分只把“用户”和“项目”作为研究对象，而没有研究情景对用户行为的影响，因此推荐效果不是特别好。本文结合“情景感知”和“大数据技术”研究情景对用户兴趣的影响，旨在为用户提供满足其隐性爱好的智能推荐结果。1.2 情景感知情景感知采用机器学习、模式匹配、语义分析等智能方法对情景内容进行提取和处理，并据此对系统进行调整，满足用户的个性化需求。情景感知技术使用各种传感器或者人机交互的方式获取各种情景信息并对其做出适当的反应。因此，情景感知技术比较适合获取大数据环境下推荐系统所处的不断变化的情景信息。2 智能信息推荐中低层、高层情景的获取与处理用户当前情景的实时获取与高层推理如图1所示。情景可以分为两类：低层情景与高层情景。利用传感器等物理设备直接获得的系统所在环境的原始信息称为获取低层情景。而使用情景感知智能分析工具，从低层情景中推理，间接得到隐含、复杂的情景信息称为获取高层情景。本文设计了一种新的适宜大数据环境的人机交互情景获取方法，以弥补物理感知方法情景层次低、维度单一的缺点。该方法拟借鉴社会化标签思想，引导用户通过简单的标签标注操作描述和分享其环境、行为和感受，并在多维情景框架下对标签的语义进行解析，获取各个关键情景维度的信息内容，从而获取用户的低层情景信息。针对智能信息推荐中的情景需求，设计基于逻辑的情景推理机制，以补充和挖掘情景知识，获得高层情景（即最终的用户当前情景c）。首先，分析智能信息推荐中各情景要素之间的相关性，并将其表述为情景本体中的描述逻辑关系，如传递关系、逆反关系等；其次分析智能信息推荐中可能的高层场景（situation），根据高层场景的构成条件定义一阶谓词逻辑规则，描述原始情景信息与高层场景之间的映射关系；最后，设计推理机，基于情景本体中的描述逻辑和一阶谓词逻辑规则进行情景推导，得到用户的高层情景（即最终的用户当前情景c）。3 大数据驱动下基于情景感知的智能信息推荐流程根据智能信息推荐的需要和大数据方法与情景感知技术的特点，本文将基于情景感知的智能信息推荐流程分为:大数据收集与处理、情景获取与分析、基于情景匹配的智能推荐以及用户体验与评分等重要环节，如图2所示。大数据收集与处理包括用户大数据、项目（对象）大数据、评分大数据、情景大数据。用户大数据是指用户的一些基本数据，如编号、姓名、家庭地址等。项目大数据是指有关项目信息的基本数据，如项目编号、项目名称等。评分大数据是指各用户对各项目的评分数据。评分大数据在不同系统可能表现的形式不同，可以是五分制、七分制、十分制，也可以是描述性词语如“非常满意”“满意”等。情景大数据是指信息推荐用户使用某项目时的状态信息，主要包括时间、地点、气候、情绪、设备状态等。智能推荐系统获得这些大数据后进行数据格式转换与清洗并进行分析与挖掘，得到初步的用户兴趣模型。推荐系统可以采用显性获取、隐性获取等方法获得初始的用户当前情景数据，初始的当前情景数据通过情景建模（本体建模）以及智能情景推理，转变成最终的可以直接被智能推荐系统使用的用户当前情景。基于情景匹配的智能推荐是融合机器学习、人工智能等多种技术方法研究情景对用户行为的影响，挖掘不同情景下用户偏好的变化规律与模型，从而向用户提供更加准确的推荐结果。用户获得推荐结果进行体验，并完成对推荐结果的评分，提交评分数据、当前情景到模型库，从而完成数据的更新。4 大数据驱动下基于情景感知的智能信息推荐模型本文拟开发的智能