【正文】 慮任何用戶特性.此外,也可利用被訪問信息對象的某種統(tǒng)計(jì)特性,如銷量統(tǒng)計(jì)數(shù)據(jù),軟件下載次數(shù),點(diǎn)擊量等提供推薦服務(wù),很多電子商務(wù)系統(tǒng)和信息服務(wù)系統(tǒng)都提供了此類推薦服務(wù).2差異模式面對日益嚴(yán)重的信息過載問題,人們希望得到更加個性化的推薦服務(wù),希望能在復(fù)雜的信息空間中找到獲取所需信息的最短,通過挖掘,顯化用戶特性(偏好,行為模式等),建立用戶模型,并根據(jù)用戶模型主動將用戶感興趣的信息,產(chǎn)品和服務(wù)推薦給用戶的個性化信息推薦服務(wù)模式,薦代理和推薦系統(tǒng)中,.推薦被視作一種利用用戶與系統(tǒng)之間的交互信息來預(yù)測用戶偏好和行為模式的活動,用戶的相關(guān)反饋被,不同用戶之間的差異性和共性來實(shí)現(xiàn)個性化和社會化推薦,是系統(tǒng)和推薦內(nèi)容,維護(hù),用什么方式,選擇什么樣的信息源建立和維護(hù)用戶模型,如何開發(fā)和利用用戶模型提供的信息,是,智能代理,機(jī)器學(xué)習(xí),模式匹配和信息過濾技術(shù)是推動個性化信息,差異模式可分為個性化模式,共性模式,整合推薦三種子模式.無論是個性化推薦,還是社會化推薦或整合推薦,都要求系統(tǒng)盡可能地獲取和利用用戶與系統(tǒng)之間的交互信息來生成,維護(hù):冊等方式提交個人興趣描述,人口統(tǒng)計(jì)學(xué)數(shù)據(jù)和希望獲得的服,用戶提交的趣描述總是最能反映其信息需求的,缺點(diǎn)是用戶的負(fù)擔(dān)比較重,用戶文檔的修改和創(chuàng)建都必須由用戶完成,用戶的顯式相關(guān)反饋建立和修改用戶文檔,系統(tǒng)處于主動,用戶,評分,評論是三種常用的方法,二元相關(guān)反饋(feedback)通常采用相關(guān)/不相關(guān)(relevance/irrele—vance),感興趣/不感興趣(interesting/uninteresting),喜歡/不喜歡(1ike/dislike)等形式,如Fab,ifWeb。自動聚類是社會化推薦應(yīng)用的最為廣泛的一種方法,最近鄰居和聚類匹配是其中最常用的兩種技術(shù),Grouplens,Ringo/FireFly,SmartRadio,Bell—coreVideo等采用的是最近鄰居算法,而Beehive,InfovilleXXI,以從兩個角度來分析:一是以個體用戶為目標(biāo)用戶,二是以特定用戶群為目標(biāo)用戶.大多數(shù)社會化推薦服務(wù)都是以個體用戶為目標(biāo)對象的,其基本思想是利用具有相似興趣用戶的相關(guān)評價(jià)預(yù)測目標(biāo)用戶(也有稱活動用戶)方面:用戶共性特征,即用戶共同評價(jià)的內(nèi)容對象,用于相似度比較。組織層[==amp。(19)5Du,rcanPemberton,TomR~~:AWWWRec.ommenderSystemCombiningtollaborativeandInformationFilteringProceed.ingsofthe6thERCIMWork,I_L)6KrulwichBLifeStyleFinderIntelllgenceUserProfilingLrsingLarge—Scale,1997。22(1)l4AnthonyJamesonMoreThan1heSumOfItsMen1bers:ChaniledgPsforGroupRemenderSystems}rf~eedingsoftheWorkingConferenceonAdvancedVisualInterfaces,2004(責(zé)縭:枰鈞)圃。(9)8黃曉斌數(shù)字圖書館推薦系統(tǒng)研究情報(bào)資料工作,2005。技術(shù)層圖4信息資源整合的協(xié)同推進(jìn)模型參考文獻(xiàn)1WardJGriffithsPStrategicPlanningforInformationSystem,York:JohnWileysons,19962NeilFDoherty,GrahamDoigAnAnalysisoftheAnticipatedCulturalImpactsManagement,2003。表示與目標(biāo)用戶同屬某個用戶類C的其它用戶,i表示被用戶/./39。amp。評分(ratings).~lJ要求用戶根據(jù)系統(tǒng)預(yù)設(shè)的等級量表作出分級評價(jià),一般采用數(shù)字序列或相對,用戶根據(jù)自己的主觀判斷作出選擇,這顯然有利于系統(tǒng)提供高質(zhì)量的推薦,因此,在推薦服務(wù)上得到廣泛應(yīng)用,如AmazonCOm,Syskillamp。用戶的個性特征,每個用戶評價(jià)的內(nèi)容對象不同(用于推薦選擇),對每個內(nèi)容對象的相關(guān)評價(jià)也司能不同(用于推薦排序).可抽象描述為:r…:aggr(r.),其中/./表示目標(biāo)用戶,39。gt。18(2)7崔建海,程妮,王軍Web環(huán)境下的個性化信息檢索技術(shù).報(bào)技術(shù),20