【文章內(nèi)容簡(jiǎn)介】 來(lái)。孤獨(dú)用戶的存在問(wèn)題（gray sheep）特別是在中小規(guī)模的網(wǎng)絡(luò)內(nèi)使用協(xié)調(diào)過(guò)濾系統(tǒng)時(shí)，有可能存在著與多數(shù)用戶意見(jiàn)不同的孤獨(dú)的用戶。結(jié)果不夠明確因?yàn)椴捎媒y(tǒng)計(jì)學(xué)的方法計(jì)算預(yù)測(cè)評(píng)價(jià)值，所以無(wú)法保證100%的準(zhǔn)確性。由此而造成錯(cuò)誤的過(guò)濾。 由上表可知，想開(kāi)發(fā)成功的制品,就需要揚(yáng)長(zhǎng)避短，在前述的技術(shù)構(gòu)成要素之上施行細(xì)致的調(diào)整?？梢赃@樣說(shuō)，怎樣將各種技術(shù)要素有機(jī)地結(jié)合成一個(gè)完整的系統(tǒng)，是本系統(tǒng)商品化成敗的關(guān)鍵。當(dāng)今世界中協(xié)調(diào)過(guò)濾技術(shù)的應(yīng)用現(xiàn)狀近年來(lái)，做為取代傳統(tǒng)的想方設(shè)法地搜索信息的方法，開(kāi)始出現(xiàn)了一種從情報(bào)源主動(dòng)向用戶提供情報(bào)的方法，即推薦服務(wù)的方法。更值得注目的是以著名的,規(guī)模大的互聯(lián)網(wǎng)提供商提供的檢索引擎和電子商務(wù)（EC）服務(wù)為中心而逐步展開(kāi)的個(gè)人服務(wù)。這些服務(wù)針對(duì)每個(gè)用戶的不同特點(diǎn)進(jìn)行調(diào)整，從而形成因人而異的情報(bào)提供方式。個(gè)性化服務(wù)和一對(duì)一服務(wù)（One—to—One Service）具有相同的含義。這類服務(wù)建立了Web網(wǎng)頁(yè)提供商和用戶之間一一對(duì)應(yīng)的關(guān)系，由此出發(fā)，進(jìn)而大幅度提高服務(wù)質(zhì)量。做為推薦服務(wù)和個(gè)性化服務(wù)的核心技術(shù)，協(xié)調(diào)過(guò)濾技術(shù)在1996年左右就被研究開(kāi)發(fā)出來(lái)了。但目前的現(xiàn)實(shí)是該技術(shù)的研究開(kāi)發(fā)仍是以美國(guó)的大學(xué)和研究機(jī)構(gòu)為主。處理中使用的各種數(shù)學(xué)模型系統(tǒng)內(nèi)部使用的算法如下所示，所有算法都屬于古典統(tǒng)計(jì)學(xué)的范疇之內(nèi)。i：類似算法數(shù)學(xué)模型 類似算法:對(duì)某個(gè)對(duì)象而言,從對(duì)象集合中找出與其相類似的對(duì)象的算法. 以下列出各算法的方程式,并對(duì)各個(gè)符號(hào)一一說(shuō)明. χi=(χi1,χi2,......,χip)。 χj=(χj1,χj2,......,χjp)。 (χmax,χmin是χ的最大值和最小值) ｃｍｎ： if (χmn= = 0) then {ｃｍｎ= 0 。} else {ｃｍｎ= 1 。} 以下的計(jì)算結(jié)果為ｄ的時(shí)候,值越小表示二者越類似。計(jì)算結(jié)果為ｒ的時(shí)候,值越靠近1表示二者越類似。① 平均尤庫(kù)里多距離的二乘法② 平均距離法 ③ 最大值距離法④ 二值距離法⑤ Dice Coefficient法 　 rij=2 x|Kij|?(|Ki|+|Kj|)⑥ Jaccards’s coefficient法⑦ 皮爾森相關(guān)法γij= ⑧ 限定皮爾森相關(guān)法γij= ⑨ 斯皮爾曼相關(guān)法⑩ 改良二值距離法MapI (χmn) = cmnMapU (χmn) : { if (χmn= = 0) { MapU (χmn) = 0。 } else if (χmn in topN ) { //如果為重要屬性 MapU (χmn) =BIG。 //BIG是大于”1”的定數(shù)。 ｝else{ MapU (χmn) = SMALL。 //SMALL是小于”1”的定數(shù)。 ｝ ｝ dij=1?rijii ：群(Clustering)算法 即將相類似的對(duì)象歸為同一個(gè)群的算法.以下涉及的7種群算法都將分兩步實(shí)現(xiàn).第一步:對(duì)各個(gè)基本要素,新要素則被稱為分支.第二步:,進(jìn)而生成新要素。 下面用到2個(gè)基本方程式,方程式和系數(shù)的不同組合形成7種不同形式。 dxc=αadxa+αbdxb+βdab+γ|dxa –dxb (1) dxc2=αadxa2+αbdxb2+βdab2+γ|dxa2 –dxb2 (2) 方程式表示從a和ｂ出發(fā),生成新要素ｘ,并求出與要素ｃ的距離。① 群平均法利用方程式(2)。系數(shù)： αa= na / nc αb= nb / nc β=0 γ=0② 重心法 利用方程式(2)。系數(shù)： αa= na / nc αb= nb / nc β= ?(na nb)/ nc2 γ=0③ 最長(zhǎng)距離法 利用方程式(1)。系數(shù)： αa= αb= β=0 γ=④ 可變法 利用方程式(2)。系數(shù)： αa= (1β) / 2 αb= (1β) / 2 β=定數(shù) γ=0 ⑤ 介質(zhì)法 利用方程式(1)。系數(shù)： αa= αb= β=－ γ=0 ⑥ 最短距離法利用方程式(1)。系數(shù)： αa= αb= β=0 γ=－⑦ Wood法利用方程式(1)。系數(shù)： αa= (nx+na) / (nx+nc) αb= (nx+nb) / (nx+nc) β=－nx / (nx+nc) γ=0iii：分組(Grouping)算法 即將相類似的對(duì)象歸為同一個(gè)組的算法。從現(xiàn)有的組里抽樣獲取要素,利用類似算法求出對(duì)象與組之間的距離,找出最為類似的組并將該對(duì)象歸入該組。iv：自然語(yǔ)言解析算法 自然語(yǔ)言解析是指將對(duì)象文章按單詞的單位分割,并將其生成一個(gè)個(gè)的標(biāo)簽(tag),進(jìn)而選出必要的名詞(如已知和未知的名詞),計(jì)算出其出現(xiàn)頻度,考慮其在文章中的位置,文章的長(zhǎng)度等因素,可提供禁用詞匯的管理機(jī)能以及對(duì)現(xiàn)實(shí)生活中沒(méi)有特別意義的名詞不予登錄(象對(duì)禁用語(yǔ)的處理一樣)的機(jī)能.預(yù)計(jì)開(kāi)發(fā)產(chǎn)品的特點(diǎn)① 關(guān)于算法，我們?cè)谇捌陂_(kāi)發(fā)中進(jìn)行了大量的模擬實(shí)驗(yàn)。 首先，協(xié)調(diào)過(guò)濾的算法可以分成3類。 其一，Active Collaborative Filtering。利用這一技術(shù)，互相了解的用戶之間可以相互指定，（當(dāng)然有安全保密上的限制），獲得彼此有用的信息（包含電子郵件）。可以和這個(gè)領(lǐng)域之內(nèi)的專家保持同步。這次列在預(yù)計(jì)開(kāi)發(fā)范圍之內(nèi)。 其二，Automated Collaborative Filtering 和Feature Guided Automated Collaborative Filtering。從效率和精度的角度多方分析的結(jié)果上看，F(xiàn)eature Guided Automated Collaborative Filtering遙遙領(lǐng)先。因?yàn)楸敬伍_(kāi)發(fā)準(zhǔn)備採(cǎi)用FGACF。 其三，ContentBased Collaborative Filtering。這次準(zhǔn)備分階段實(shí)現(xiàn)。首先是以文章情報(bào)為對(duì)象，然后再考慮其它的媒介。 其次，對(duì)算法中使用的數(shù)學(xué)模型進(jìn)行了分析。 在Cluster諸算法之中，Wood法和群平均法的精度較好。 分組計(jì)算方面，基本上是利用類似算法。分組所使用的類似算法中Jaccard’s Coefficient法，平均最小二乘距離法，改良二值距離法的精度比較理想?！　lustering方法和分組算法的目的是相同的。Clustering的特點(diǎn)是精度高，但處理速度較慢。分組算法則恰恰相反?？梢钥肯到y(tǒng)控制參數(shù)來(lái)平衡這兩種方法的使用，根據(jù)系統(tǒng)的規(guī)模靈活調(diào)整。 判別類似的對(duì)象有4種，即用戶（屬性）對(duì)用戶（屬性）的類似，文章（屬性）對(duì)文章（屬性）的類似，用戶（屬性）對(duì)文章（屬性）的類似及關(guān)鍵字的類似。判斷的對(duì)象不同，評(píng)價(jià)結(jié)果也各不相同。對(duì)于用戶間的類似和文章間的類似來(lái)說(shuō)，按Jaccard’s Coefficient法，平均最小二乘距離法，改良二值距離法距離法，皮爾森相關(guān)法的順序，計(jì)算精度比較理想。而對(duì)用戶和文章的類似來(lái)說(shuō)，則按改良二值距離法，Jaccard’s Coefficient法,平均最小二乘距離法，皮爾森相關(guān)法的順序,為計(jì)算精度的順次。關(guān)鍵字的類似考慮用統(tǒng)計(jì)學(xué)的方法去實(shí)現(xiàn)。另外,由于必須確定提供范圍的域值，所以同距離算法相比,相關(guān)算法要適合得多。如果將上面幾種方法組合起來(lái)使用，相信還會(huì)進(jìn)一步提高推薦精度。② 關(guān)于提供的服務(wù)對(duì)一般用戶主要提供以下服務(wù)：? 推薦服務(wù)：尋找和對(duì)象用戶的相似用戶，把對(duì)象用戶未訪問(wèn)過(guò)的文章向其推薦；? 提供類似文章服務(wù)：提供和對(duì)象文章類似的文章的一覽；? 檢索結(jié)果的過(guò)濾服務(wù)：在檢索結(jié)果的基礎(chǔ)上，根據(jù)實(shí)施檢索的用戶的愛(ài)好，對(duì)結(jié)果進(jìn)行挑選。? 新到情報(bào)的推薦服務(wù)：根據(jù)各個(gè)用戶的不同要求，在一定的時(shí)期內(nèi)，把新到情報(bào)提供給用戶；? 用戶特征指定服務(wù)：允許用戶將其關(guān)注的單詞/文章等在系統(tǒng)里登記或刪除；? 類似關(guān)鍵字的提供服務(wù)：系統(tǒng)可提供與檢索用關(guān)鍵字相類似的關(guān)鍵字一覽表；? 熱門(mén)網(wǎng)頁(yè)的提供服務(wù)：提供受歡迎的網(wǎng)頁(yè)的地址；? 個(gè)性廣告的提供服務(wù)：對(duì)互聯(lián)網(wǎng)服務(wù)商（ISP）來(lái)說(shuō)，可根據(jù)用戶的特點(diǎn)、愛(ài)好而主動(dòng)提供恰到好處的廣告；為管理操作的方便，同時(shí)也向系統(tǒng)管理員提供機(jī)能豐富的服務(wù)。③ 關(guān)于體系結(jié)構(gòu)? 采用適合于互聯(lián)網(wǎng)WWW服務(wù)系統(tǒng)開(kāi)發(fā)的Java語(yǔ)言，以Servlet的形式開(kāi)發(fā)；? 協(xié)調(diào)過(guò)濾系統(tǒng)屬于MultiAgent系統(tǒng)的一種，所以必須具有其分散處理的特性。本系統(tǒng)將采用計(jì)算機(jī)分散技術(shù)的標(biāo)準(zhǔn)CORBA（Common Object Request Broker Architecture），來(lái)實(shí)現(xiàn)分散化處理；? 采用DBMS對(duì)情報(bào)進(jìn)行管理。并利用JDBC與本系統(tǒng)其它部分相連；? 自然語(yǔ)言的解析處理會(huì)占用系統(tǒng)相當(dāng)多的時(shí)間，將盡可能采用C++語(yǔ)言，以庫(kù)函數(shù)（LIB）的形式提供。與本系統(tǒng)其它部分的連接準(zhǔn)備使用JNI；? 本系統(tǒng)允許事先設(shè)定用戶的特征情報(bào)，同時(shí)如即使不作任何設(shè)定,可根據(jù)用戶操作處理的軌跡，系統(tǒng)將自動(dòng)推測(cè)出用戶的愛(ài)好及其遷移。但同時(shí)不準(zhǔn)備以單純的訪問(wèn)操作或檢索關(guān)鍵字影響用戶愛(ài)好的遷移，為此計(jì)劃提供控制情報(bào)和相應(yīng)的控制處理。另一方面，也將考慮系統(tǒng)的規(guī)模及負(fù)荷；? 管理者可同時(shí)進(jìn)行大批量文章的收集、保存處理，抽取文章的屬性并對(duì)其管理。亦可從檢索結(jié)果中，通過(guò)一般用戶的訪問(wèn)操作來(lái)實(shí)現(xiàn)上述處理。但保存與否,可通過(guò)訪問(wèn)次數(shù)來(lái)控制；④ 關(guān)于其它（技術(shù)發(fā)展趨勢(shì)，各種制品的優(yōu)缺點(diǎn)）的基礎(chǔ)上，將實(shí)現(xiàn)自己獨(dú)特的調(diào)整手段。 檢索服務(wù)的個(gè)性化(1)背景至今為止檢索服務(wù)的用戶接口對(duì)所有的用戶都是一視同仁的。提供檢索服務(wù)的互聯(lián)網(wǎng)服務(wù)商有各種各樣的特點(diǎn)，比如對(duì)技術(shù)情報(bào)擅長(zhǎng)，或?qū)π侣勄閳?bào)擅長(zhǎng)等。而本系統(tǒng)開(kāi)發(fā)的一個(gè)目標(biāo)就是提供一個(gè)滿足用戶個(gè)性要求的接口。(2)本系統(tǒng)在實(shí)現(xiàn)個(gè)性化方面的特征 主要特點(diǎn)如下所述。? 做為缺省,提供分組化的檢索引擎類(檢索服務(wù)商)；? 自動(dòng)追加新的檢索服務(wù)商及刪除消亡的檢索服務(wù)商；? 檢索目的類型(例新聞,技術(shù)等)的登錄/刪除機(jī)能；? 檢索服務(wù)商的組合指定機(jī)能； 自動(dòng)收集技術(shù)(1)背景 現(xiàn)行的各種瀏覽器的收集機(jī)能基本上是以文件為單位，不能作靈活的調(diào)整。如能在指定時(shí)間指定的網(wǎng)站，對(duì)所關(guān)心的文章的類型進(jìn)行自動(dòng)收集，將會(huì)給用戶帶來(lái)很大的方便。