【文章內容簡介】 （gray sheep）特別是在中小規(guī)模的網絡內使用協(xié)調過濾系統(tǒng)時，有可能存在著與多數(shù)用戶意見不同的孤獨的用戶。結果不夠明確因為采用統(tǒng)計學的方法計算預測評價值，所以無法保證100%的準確性。由此而造成錯誤的過濾。 由上表可知，想開發(fā)成功的制品,就需要揚長避短，在前述的技術構成要素之上施行細致的調整?？梢赃@樣說，怎樣將各種技術要素有機地結合成一個完整的系統(tǒng)，是本系統(tǒng)商品化成敗的關鍵。當今世界中協(xié)調過濾技術的應用現(xiàn)狀近年來，做為取代傳統(tǒng)的想方設法地搜索信息的方法，開始出現(xiàn)了一種從情報源主動向用戶提供情報的方法，即推薦服務的方法。更值得注目的是以著名的,規(guī)模大的互聯(lián)網提供商提供的檢索引擎和電子商務（EC）服務為中心而逐步展開的個人服務。這些服務針對每個用戶的不同特點進行調整，從而形成因人而異的情報提供方式。個性化服務和一對一服務（One—to—One Service）具有相同的含義。這類服務建立了Web網頁提供商和用戶之間一一對應的關系，由此出發(fā)，進而大幅度提高服務質量。做為推薦服務和個性化服務的核心技術，協(xié)調過濾技術在1996年左右就被研究開發(fā)出來了。但目前的現(xiàn)實是該技術的研究開發(fā)仍是以美國的大學和研究機構為主。處理中使用的各種數(shù)學模型系統(tǒng)內部使用的算法如下所示，所有算法都屬于古典統(tǒng)計學的范疇之內。i：類似算法數(shù)學模型 類似算法:對某個對象而言,從對象集合中找出與其相類似的對象的算法. 以下列出各算法的方程式,并對各個符號一一說明. 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 。} 以下的計算結果為ｄ的時候,值越小表示二者越類似。計算結果為ｒ的時候,值越靠近1表示二者越類似。① 平均尤庫里多距離的二乘法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 皮爾森相關法γij= ⑧ 限定皮爾森相關法γij= ⑨ 斯皮爾曼相關法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 即將相類似的對象歸為同一個群的算法.以下涉及的7種群算法都將分兩步實現(xiàn).第一步:對各個基本要素,新要素則被稱為分支.第二步:,進而生成新要素。 下面用到2個基本方程式,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 即將相類似的對象歸為同一個組的算法。從現(xiàn)有的組里抽樣獲取要素,利用類似算法求出對象與組之間的距離,找出最為類似的組并將該對象歸入該組。iv：自然語言解析算法 自然語言解析是指將對象文章按單詞的單位分割,并將其生成一個個的標簽(tag),進而選出必要的名詞(如已知和未知的名詞),計算出其出現(xiàn)頻度,考慮其在文章中的位置,文章的長度等因素,可提供禁用詞匯的管理機能以及對現(xiàn)實生活中沒有特別意義的名詞不予登錄(象對禁用語的處理一樣)的機能.預計開發(fā)產品的特點① 關于算法，我們在前期開發(fā)中進行了大量的模擬實驗。 首先，協(xié)調過濾的算法可以分成3類。 其一，Active Collaborative Filtering。利用這一技術，互相了解的用戶之間可以相互指定，（當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）?？梢院瓦@個領域之內的專家保持同步。這次列在預計開發(fā)范圍之內。 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果上看，F(xiàn)eature Guided Automated Collaborative Filtering遙遙領先。因為本次開發(fā)準備採用FGACF。 其三，ContentBased Collaborative Filtering。這次準備分階段實現(xiàn)。首先是以文章情報為對象，然后再考慮其它的媒介。 其次，對算法中使用的數(shù)學模型進行了分析。 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)來平衡這兩種方法的使用，根據(jù)系統(tǒng)的規(guī)模靈活調整。 判別類似的對象有4種，即用戶（屬性）對用戶（屬性）的類似，文章（屬性）對文章（屬性）的類似，用戶（屬性）對文章（屬性）的類似及關鍵字的類似。判斷的對象不同，評價結果也各不相同。對于用戶間的類似和文章間的類似來說，按Jaccard’s Coefficient法，平均最小二乘距離法，改良二值距離法距離法，皮爾森相關法的順序，計算精度比較理想。而對用戶和文章的類似來說，則按改良二值距離法，Jaccard’s Coefficient法,平均最小二乘距離法，皮爾森相關法的順序,為計算精度的順次。關鍵字的類似考慮用統(tǒng)計學的方法去實現(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,相關算法要適合得多。如果將上面幾種方法組合起來使用，相信還會進一步提高推薦精度。② 關于提供的服務對一般用戶主要提供以下服務：? 推薦服務：尋找和對象用戶的相似用戶，把對象用戶未訪問過的文章向其推薦；? 提供類似文章服務：提供和對象文章類似的文章的一覽；? 檢索結果的過濾服務：在檢索結果的基礎上，根據(jù)實施檢索的用戶的愛好，對結果進行挑選。? 新到情報的推薦服務：根據(jù)各個用戶的不同要求，在一定的時期內，把新到情報提供給用戶；? 用戶特征指定服務：允許用戶將其關注的單詞/文章等在系統(tǒng)里登記或刪除；? 類似關鍵字的提供服務：系統(tǒng)可提供與檢索用關鍵字相類似的關鍵字一覽表；? 熱門網頁的提供服務：提供受歡迎的網頁的地址；? 個性廣告的提供服務：對互聯(lián)網服務商（ISP）來說，可根據(jù)用戶的特點、愛好而主動提供恰到好處的廣告；為管理操作的方便，同時也向系統(tǒng)管理員提供機能豐富的服務。③ 關于體系結構? 采用適合于互聯(lián)網WWW服務系統(tǒng)開發(fā)的Java語言，以Servlet的形式開發(fā)；? 協(xié)調過濾系統(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)將采用計算機分散技術的標準CORBA（Common Object Request Broker Architecture），來實現(xiàn)分散化處理；? 采用DBMS對情報進行管理。并利用JDBC與本系統(tǒng)其它部分相連；? 自然語言的解析處理會占用系統(tǒng)相當多的時間，將盡可能采用C++語言，以庫函數(shù)（LIB）的形式提供。與本系統(tǒng)其它部分的連接準備使用JNI；? 本系統(tǒng)允許事先設定用戶的特征情報，同時如即使不作任何設定,可根據(jù)用戶操作處理的軌跡，系統(tǒng)將自動推測出用戶的愛好及其遷移。但同時不準備以單純的訪問操作或檢索關鍵字影響用戶愛好的遷移，為此計劃提供控制情報和相應的控制處理。另一方面，也將考慮系統(tǒng)的規(guī)模及負荷；? 管理者可同時進行大批量文章的收集、保存處理，抽取文章的屬性并對其管理。亦可從檢索結果中，通過一般用戶的訪問操作來實現(xiàn)上述處理。但保存與否,可通過訪問次數(shù)來控制；④ 關于其它（技術發(fā)展趨勢，各種制品的優(yōu)缺點）的基礎上，將實現(xiàn)自己獨特的調整手段。 檢索服務的個性化(1)背景至今為止檢索服務的用戶接口對所有的用戶都是一視同仁的。提供檢索服務的互聯(lián)網服務商有各種各樣的特點，比如對技術情報擅長，或對新聞情報擅長等。而本系統(tǒng)開發(fā)的一個目標就是提供一個滿足用戶個性要求的接口。(2)本系統(tǒng)在實現(xiàn)個性化方面的特征 主要特點如下所述。? 做為缺省,提供分組化的檢索引擎類(檢索服務商)；? 自動追加新的檢索服務商及刪除消亡的檢索服務商；? 檢索目的類型(例新聞,技術等)的登錄/刪除機能；? 檢索服務商的組合指定機能； 自動收集技術(1)背景 現(xiàn)行的各種瀏覽器的收集機能基本上是以文件為單位，不能作靈活的調整。如能在指定時間指定的網站，對所關心的文章的類型進行自動收集，將會給用戶帶來很大的方便。(2)本系統(tǒng)在自動收集方