【正文】 是Customize（靈活多變）。這個(gè)系統(tǒng)的目標(biāo)是把強(qiáng)大的生命注入到ISP中去，使其進(jìn)化成具有鮮明個(gè)性的ASP，從而使單純的價(jià)格之戰(zhàn)轉(zhuǎn)化為互聯(lián)網(wǎng)服務(wù)內(nèi)容和水平的高層次的勝負(fù)較量。與此同時(shí)，大量的情報(bào)造成了信息的爆炸，使人們?yōu)榱双@得所需的情報(bào)不得不花費(fèi)大量寶貴的時(shí)間，從而使情報(bào)收集變得近乎失去了意義。但同時(shí)也存在著共同的問題：l 想要獲得的情報(bào)雖然并不存在，但由于用戶無法判斷而還在執(zhí)迷不悟地檢索；l 想要得到的情報(bào)的確存在，然而由于方法不當(dāng)而找不到這些信息；l 在情報(bào)檢索過程中，收集到大量的洪水般的多余情報(bào)致使有用的信息被淹沒；至今為止，從互聯(lián)網(wǎng)上獲取信息有情報(bào)檢索、情報(bào)過濾和瀏覽等幾種方法。用戶所指定的關(guān)鍵字直接影響到數(shù)據(jù)庫的檢索。用戶的要求得到滿足后，情報(bào)檢索宣告結(jié)束。這個(gè)處理周而復(fù)始，整個(gè)過程就形成了人們所熟知的情報(bào)檢索。也就是說關(guān)心同一類情報(bào)的用戶之間并不能交換情報(bào)，所以也無法形成信息共有，情報(bào)檢索的效率完全依賴于檢索者個(gè)人的知識(shí)和熟練程度。加入者眾多的Mailing list，一個(gè)用戶在一天之內(nèi)完全有可能收到100件以上的電子郵件，而用戶查看這些郵件必然要花費(fèi)大量的時(shí)間。情報(bào)過濾是這樣一個(gè)過程：用戶可以事先指定代表不需要情報(bào)的關(guān)鍵字，過濾系統(tǒng)則將含有這些關(guān)鍵字的信息源排除出去。情報(bào)過濾系統(tǒng)就是這樣一個(gè)選擇情報(bào)的收集方法。用戶根據(jù)自己的水平?jīng)Q定關(guān)鍵字，稍有不慎會(huì)導(dǎo)致將實(shí)際上所需要的情報(bào)拒之門外。③ 瀏覽瀏覽是指相關(guān)于Hypertext（即互聯(lián)網(wǎng)的網(wǎng)頁）的情報(bào)收集方法。瀏覽的一個(gè)特點(diǎn)是某些場(chǎng)合下用戶并沒有明確的目的，在對(duì)各種主頁進(jìn)行瀏覽的過程中逐步獲得明確目的的情報(bào)。首先，用戶并不知道他所需的情報(bào)是否存在。用戶通過各種連接方式（Link）去尋找情報(bào)，但對(duì)Link的選擇可能導(dǎo)致他離所需情報(bào)愈來愈遠(yuǎn)。 因此，從上述網(wǎng)上獲取情報(bào)的3種方法的說明上可以得出結(jié)論，獨(dú)立進(jìn)行情報(bào)收集的做法，造成了即使是關(guān)心同樣內(nèi)容的用戶也無法實(shí)現(xiàn)情報(bào)共有/共享。但是十分遺憾的是傳統(tǒng)的手法實(shí)現(xiàn)這種共有/共享是不可能的?；ヂ?lián)網(wǎng)的發(fā)展,迫切需要一個(gè)用于信息收集、具有智能的檢索支援系統(tǒng)。協(xié)調(diào)過濾法充分利用了他人的知識(shí)進(jìn)行情報(bào)收集。這種做法大大減少了收集情報(bào)所需的時(shí)間和工作量。以下是日本的「日經(jīng)網(wǎng)絡(luò)商務(wù)」（Nikkei Net Business）舉辦的第9回互聯(lián)網(wǎng)用戶調(diào)查的結(jié)果（調(diào)查期間1999年11月18日—12月2日）。你想使用這類服務(wù)嗎？請(qǐng)選擇下列合適的答案。%%%不知道是什么樣的服務(wù)，無法表態(tài)。%%%已經(jīng)使用過了，感到很方便，今后也準(zhǔn)備繼續(xù)利用。今后不再利用了。從這個(gè)調(diào)查結(jié)果來看，推薦服務(wù)將在互聯(lián)網(wǎng)今后的發(fā)展中起到舉足輕重的作用。體現(xiàn)協(xié)調(diào)特點(diǎn)的情報(bào)收集的一個(gè)例子是mailing list。請(qǐng)想象某用戶就某個(gè)問題向mailing list的參加者進(jìn)行詢問，而參加者們或直接回答問題，或提供能對(duì)解決問題有幫助的情報(bào)及提示。與單獨(dú)的情報(bào)收集相比，相互協(xié)調(diào)的方法能更有效地提高檢索效率。情報(bào)流通是指①為持不同問題的用戶自動(dòng)尋找解決問題的情報(bào)；②向持相同問題的用戶提供推薦服務(wù)；①需要尋找關(guān)注某特定問題的用戶群，進(jìn)而得到為解決問題所必需的信息。協(xié)調(diào)過濾方法則將上述的過程自然地融為一體。協(xié)調(diào)過濾（Collaborative Filtering）：從人類的情報(bào)收集活動(dòng)中,歸納抽象出其所對(duì)應(yīng)的愛好,關(guān)心,意圖等形態(tài)意識(shí),并通過獲取的收集情報(bào)及歸納抽象出的形態(tài)意識(shí),對(duì)人類進(jìn)行分類,實(shí)現(xiàn)類似人類間的情報(bào)交換的手段。比如，1996年出現(xiàn)的協(xié)調(diào)過濾法研究系統(tǒng)Group lens（協(xié)調(diào)過濾法最有名的研究系統(tǒng)之一），其開發(fā)者之一Paul Resnick有過如下的說明?！笨煞g成下文：「以從其他用戶收集到的情報(bào)（協(xié)調(diào)部）為基礎(chǔ)，向每個(gè)利用者提供“應(yīng)該讀什么”，“應(yīng)該關(guān)注什么”，“應(yīng)該看些什么”，“應(yīng)該聽些什么”等建議（過濾部）」 從上述的表述中可以看出，對(duì)各種各樣的情報(bào)來說，人們的評(píng)價(jià)及這些情報(bào)在社會(huì)中的影響可以被用來判斷情報(bào)本身的價(jià)值，以及決定是否值得被推薦，這也就是協(xié)調(diào)過濾法的一個(gè)最大的特征。 作為協(xié)調(diào)過濾方法的一種，為實(shí)現(xiàn)能從洪水般的情報(bào)中抽取用戶必要的信息,推薦系統(tǒng)（Remence System）常備使用。 協(xié)調(diào)過濾法用到的算法有以下幾種：I． Active Collaborative Filtering(ACF)最初的協(xié)調(diào)過濾系統(tǒng)是Xerox公司的PARC研究所的電子郵件系統(tǒng)，由David Malts等人開發(fā)研究的Information Tapestry電子郵件系統(tǒng)，該系統(tǒng)被Lotus Notes 中的Printer部分所采用。II． Automated Collaborative Filtering(ACF)正如其名稱所示，系統(tǒng)會(huì)根據(jù)用戶已有的評(píng)價(jià)值，對(duì)尚未處理的情報(bào)進(jìn)行自動(dòng)評(píng)價(jià)(預(yù)測(cè))，將得分高的情報(bào)主動(dòng)向用戶推薦。這種方法有它的缺點(diǎn)。另一方面，評(píng)價(jià)數(shù)據(jù)不足時(shí)推薦的精度也受影響。MIT（麻省理工學(xué)院）的音樂情報(bào)推薦系統(tǒng)Ringo，明尼蘇達(dá)大學(xué)的Netnews推薦系統(tǒng)Group lens等許多協(xié)調(diào)過濾系統(tǒng)都采用了這一種方法。Firefly Networks 公司（現(xiàn)已被MicroSoft公司收購）的Firefly采用了這個(gè)方法。另外，存在著隨情報(bào)量增大計(jì)算時(shí)間也增加的問題。IV． ContentBased Collaborative Filtering當(dāng)主要以Web網(wǎng)頁，Netnews信息等文章情報(bào)作為過濾處理對(duì)象的時(shí)候，同時(shí)結(jié)合情報(bào)內(nèi)容(Contents)過濾處理和協(xié)調(diào)過濾處理兩者長處的作法也逐步得到了完善和發(fā)展。通過事先將各種情報(bào)分組的方法,達(dá)到提高協(xié)調(diào)過濾處理精度目的的手法得到了引人注目的發(fā)展。上面提到的作為Netnews的推薦系統(tǒng)Grouplens也在把成為推薦對(duì)象的文章分成Newsgroup方面下了大的力量，所以從廣義上也可以說是一個(gè)FGACF系統(tǒng)。以上各種算法的實(shí)現(xiàn)，基于大量的傳統(tǒng)數(shù)學(xué)模型，一種算法中可能包含有多種數(shù)學(xué)模型，也可能是某一算法對(duì)應(yīng)于多種數(shù)學(xué)模型候補(bǔ)。關(guān)于這些數(shù)學(xué)模型情報(bào),我們?cè)谙乱还?jié)中有較詳細(xì)的記述。優(yōu)點(diǎn)缺點(diǎn)不依賴于情報(bào)的內(nèi)容可解決僅靠一般方法而解決不了的情報(bào)過濾問題初期評(píng)價(jià)的問題（early rater problem）單純的協(xié)調(diào)過濾法不能對(duì)新登錄的情報(bào)進(jìn)行評(píng)價(jià)預(yù)測(cè)。易于發(fā)現(xiàn)重要情報(bào)互聯(lián)網(wǎng)情報(bào)內(nèi)容（contents）基礎(chǔ)上的過濾法是對(duì)所有的情報(bào)不加區(qū)分，一視同仁地處理的。稀薄性問題（sparsity problem）能使協(xié)調(diào)過濾系統(tǒng)正常發(fā)揮作用的理想條件是存在大量的，得到眾多用戶評(píng)價(jià)的情報(bào)。評(píng)價(jià)情報(bào)的反饋用戶對(duì)情報(bào)的評(píng)價(jià)可將系統(tǒng)運(yùn)營者的利益（如判斷登載哪一類廣告等）和用戶的利益（獲得有益情報(bào)）直接連接起來。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，所以無法保證100%的準(zhǔn)確性。 由上表可知，想開發(fā)成功的制品,就需要揚(yáng)長避短，在前述的技術(shù)構(gòu)成要素之上施行細(xì)致的調(diào)整。當(dāng)今世界中協(xié)調(diào)過濾技術(shù)的應(yīng)用現(xiàn)狀近年來，做為取代傳統(tǒng)的想方設(shè)法地搜索信息的方法，開始出現(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。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。這類服務(wù)建立了Web網(wǎng)頁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。但目前的現(xiàn)實(shí)是該技術(shù)的研究開發(fā)仍是以美國的大學(xué)和研究機(jī)構(gòu)為主。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)一一說明. χi=(χi1,χi2,......,χip)。 (χmax,χmin是χ的最大值和最小值) ｃｍｎ： if (χmn= = 0) then {ｃｍｎ= 0 。} 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。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(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。 //BIG是大于”1”的定數(shù)。 //SMALL是小于”1”的定數(shù)。 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。① 群平均法利用方程式(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= (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=0 γ=－⑦ Wood法利用方程式(1)。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。 首先，協(xié)調(diào)過濾的算法可以分成3類。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）。這次列在預(yù)計(jì)開發(fā)范圍之內(nèi)。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。 其三，ContentBased Collaborative Filtering。首先是以文章情報(bào)為對(duì)象，然后再考慮其它的媒介。 在Cluster諸算法之中，Wood法和群平均法的精度較好。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。Clustering的特點(diǎn)是精度高，但處理速度較慢?？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(diào)整。判斷的對(duì)象不同，評(píng)價(jià)結(jié)果也各不相同。而對(duì)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(guān)法的順序,為計(jì)算精度的順次。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。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)象用戶未訪問過的文章向其推薦；? 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)施檢索的用戶的愛好，對(duì)結(jié)果進(jìn)行挑選。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)開發(fā)的Java語言，以Servlet的形式開發(fā)；? 協(xié)調(diào)過濾系統(tǒng)屬于MultiAgent系統(tǒng)的一種，所以必須具