网络信息推荐系统存在的问题及发展方向

付建清

摘 要：在网络环境下，信息的种类和数量越来越多。网络信息推荐系统是面向用户的系统，怎样向用户推荐感兴趣的信息，在用户对信息的个性化要求日益明显的情况下，个性化服务技术就变成网络信息推荐系统的关键问题。因此研究和开发先进的推荐系统就越来越被人们重视。该文主要分析了目前网络信息推荐系统存在的问题，以及未来网络信息推荐系统的发展方向。

关键词：网络信息系统 推荐 数据库 需求

中图分类号：TP393 文献标识码：A 文章编号：1674-098X（2016）01（b）-0001-02

推荐系统是指将个性化的推荐信息作为输出的系统或在大规模可选对象中引导用户做出选择的系统。如果从技术层面上讲，推荐系统就是如何发现特定类型的数据中有价值的信息的应用技术。它的服务方式中采用了多种数据分析技术为用户服务，向用户自动、实时、精确地提供其所需信息，并从用户的反馈中收集信息对推荐结果进行修改。推荐系统是协助用户获取有价值的信息的一种工具。它能够对用户的浏览历史等访问站点信息进行收集、统计，并根据用户的浏览与查找行为来推荐信息内容。推荐系统同检索系统与其他系统一样，是网络信息服务的一部分，是整个网络信息系统的一个组成部分。

在网络环境下，信息的种类和数量非常多，推荐系统向用户推荐的信息只有满足用户的兴趣爱好，才有其存在的价值。

1 网络信息推荐系统存在的问题

作为新兴研究领域的网络信息推荐系统，虽然已经具备较好的功能，但还存在很多问题，特别是推荐系统的开发、应用与其它系统的兼容性还不够，推荐方式的应用还不够广泛，除推荐方式的原因外，也与其提供的信息质量、相关度不高等问题有关，具体原因主要有如下几点。

（1）信息推荐服务基本是由数据库中封闭系统来提供，这跟数据库能提供方便的信息推荐服务有一定的关系，包括如下几项。

①大部分数据库系统中的信息专业化、系统化，都是以学科知识体系编排，用户的信息需求显得较为集中和单一，因此能很容易获取和表达信息需求。

②经过标引的信息，具有一致的发布标准和更新定时，只要通过关键词匹配查找，准确性也很高。

③相似性的用户群体，更能方便系统用户操作的记录，不大的记录数量，容易进行分析，这样有利于协同推荐等技术的应用。

④传统的实体图书馆早就开始提供定题服务，与数据库信息推荐服务的宗旨类似，起到了借鉴作用。

因此技术条件要求不高、需分析的数据量不多、需求较为简单统一的数据库信息推荐服务得到了更早的发展和更广泛的应用。

（2）信息推荐前期常使用文本匹配技术，内容挖掘不足。中文检索的瓶颈如同义词的使用、分词技术不足等，都说明了单一的关键词匹配，是很难完整表达用户信息需求的，这也正是邮件定制所提供信息的质量得不到保证的原因。有部分推荐服务的提供会使用系统自动化的分析，但也由于自然语言处理的困难而效果不佳。

（3）系统对用户兴趣模型的创建较为简单，智能化和动态更新能力不足，难以表达用户的真实需求。用户在进行信息检索时，初始时刻的信息需求常模糊不清，或者用户认为自己已认识清楚，但可能因其表达能力或总结能力的缺乏而与实际有所偏差，需要更深入的挖掘。需求具有派生性和可启发性，使得通过外界因素激发潜在需求成为可能，并有可能进一步引发其他需求。人们的认知结构会经历同化与顺应，从不平衡向平衡发展，循环往复，推动认知的前进，并最终影响用户对其自身需求的定义和理解。表现有：在前期用户反馈中，用户判定相关的项目可能在后期反馈中被认为不能满足需求。这也说明了用户的兴趣是不断变化发展的，只在前期根据用户的个人信息来定义兴趣模型，将很快不适用。当然，协同推荐等技术也关注用户发展的信息需求，但是其算法质量仍在改进中。

（4）信息推荐前期的信息挖掘，主要是对网页信息进行分析，如Web日志挖掘等，缺乏较完善的知识库来辅助。Web数据挖掘包括内容挖掘、结构挖掘和使用记录挖掘三种，能够有效反映网页的内容和价值以及用户的使用习惯和页面跳转，三者的有效结合，可以较好地把握用户的需求变化，并检索获取高价值的网页内容，通过优化后的排序呈现在用户面前。但是，完备的知识库中存储着大量的知识规则，可以形成相互关联的知识网络，推荐系统的分析模块与其交互，存取利用相应的知识规则，结合使用数据挖掘或多维联机分析等技术，效果更好。

（5）动态性和智能化不足。信息推荐的内容是前期预定义的，无法自动跟踪变化，要想获得真实的、与时俱进的信息，常需要不断地交互反馈，如问卷或对话框的形式，从个人信息到对信息的评价，从旧需求变更到新需求的表达，方方面面的获取用户意见，从而通过数学计算，如简单的加权或其他推荐算法，来明确用户的倾向。但是，频繁的对话容易使用户产生厌烦情绪，导致随意作答，甚至拒绝作答的情况出现。这样，直接影响了高质量的推荐服务的提供。

（6）推荐对象通常是网站的长期用户，对非注册用户等推荐不足。因为浏览历史是网站分析用户的主要来源，只有长期并经常使用该网站的注册用户才有丰富的历史记录，但是对于不经常登录或未注册用户而言，则缺少可供分析信息需求的文档，就会造成推荐的内容个性化不足，或没有推荐服务。

2 网络信息的个性化推荐策略存在的问题

（1）推荐的个性化不够明显，没有按照用户的实际需要给出不一样的产品推荐。

（2）推荐的自动化程度水平低，因为现在的推荐技术还是通过内容搜索和分类浏览的方法推荐，用户要得到有关的信息内容，就要通过关键词或所属类别逐层查找搜索。

（3）推荐的持久性水平低，国内大部分网站使用的推荐都是采用用户登录时得到的信息，这样很难知道用户每次浏览网页的兴趣爱好等信息进行富有个性化的推荐。

（4）推荐的方法过于单一，大部分网站的检索主要是应用分类浏览和内容。

（5）推荐功能不够灵活，无法满足用户在不同的场合和时间需要不同的推荐类型。

（6）对多个推荐工具和大量数据很难进行动态有效地管理和维护。随着网络信息服务中大量应用推荐系统，大量的推荐工具、数据和应用接口如何管理和维护的问题突出。

3 网络信息推荐系统的发展方向

（1）多样化的数据。目前的推荐系统主要通过过滤的方式，它不需要领域知识，能进行跨类型推荐、自适应性较好。用户是以显式评价的信息作为原始数据进行收集，这样只有在用户对推荐系统做出评价时，系统才能得到有关的信息内容。将来的推荐系统不仅要通过显式提取用户信息，还要在网络挖掘技术，收集用户的隐式浏览信息方面，提高信息收集的自动化水平。

（2）改进推荐算法。提高推荐算法的运算性能及实时性，以使推荐系统能产生更精确、实时的推荐。尽管目前对协作过滤技术的研究很多，但实际效果并不理想，尤其在处理稀疏和冷开始问题上缺乏真正有效的方法。随着网络技术的发展，用户评价数据库的不断增大，对推荐算法的运算性能提出了新的要求，要求提高推荐算法的速度，加强算法的推荐实时性。同时，提高推荐的准确性也是研究推荐算法的主要任务，目前个性化推荐系统没有真正普及，用户并不使用个性化推荐系统，主要原因就是推荐系统推荐的准确度并不高，造成用户不去依赖推荐系统。

（3）推荐系统的研究要以用户为中心，从单一用户推荐变成客户群推荐。目前的推荐系统都是支持单一用户的个性化推荐，将来应该是支持多用户推荐的推荐系统，可为特定用户群做出推荐，用户群之间、用户之间能共享兴趣资料信息。

（4）重视推荐策略。推荐策略泛指所有能使用户得到自己想要的或感兴趣的信息方法和策略。推荐系统给出的推荐结果要符合用户的兴趣爱好，具有可用的准确度、个性化程度高。

（5）用户需求模型的建立与动态跟踪相结合。网络信息推荐服务的针对性，必然要求建立通用的用户需求模型，并根据具体的用户修改、增删相应的参数，从而真实反应个体用户的信息需求，提供符合要求的服务方式和信息质量。此外，为了保证用户使用信息推荐服务的“黏性”，既成为长期的、忠实的用户，信息推荐必须认真考虑三个问题：什么用户在使用着该推荐？用户需要怎样质量（从信息种类、推荐层次等方面考虑）的推荐？用户能利用该推荐做什么？只有明确了这三个问题，才能提高用户使用的满意度。而根据用户需求动态发展的原理，推荐服务必须能发掘并动态跟踪变化，不断地丰富原需求模型，使得模糊、概括性的模型逐步清晰，甚至差异化，为个性化的推荐服务打下基础。如果可能，最好能有类似于“发散思维”般的兴趣扩展，帮助用户明确自己的倾向，甚至引导或诱发潜在的信息需求。

（6）系统智能化与用户间交流相结合。正如系统开发的原型法一般，用户需求在系统使用中的逐步确定、对系统功能的评价等，都是贯穿开发始终，推荐服务也应该有此思想。虽然提供了多种技术以提高系统的智能化，希望在后台尽力实现信息的高质量挖掘、抽取、概括，从而减少前台繁复的交互，并提供高质量的推荐服务。但是，用户表达意见的渠道始终要建立并良好维护，尤其是用户间的交流。网站信息推荐的其中一个思想，就是将用户进行大概分组，组中某用户感兴趣的信息，也默认为对组中另一用户同样具有吸引力。因此，系统不但要与用户进行交互对话，还要提供板块给用户们进行交流。事实证明，用户交流区正是经验、知识分享的自由区域，新手在此可以快速的入门并确定自己的需求，而智能化的系统如能对此区域进行相应的信息挖掘，也将有助于获知用户评价和热点、缺点，提高其推荐的信息质量。

参考文献

[1] 谢幼如.网络信息资源的开发与运用[M].北京：电子工业出版社，2015.

[2] 李葆萍.信息技术教育应用[M].北京：人民邮电出版社，2014.

[3] 黄晓斌.数字图书馆推荐系统研究[J].情报资料工作，2005（4）：53-56.

[4] 余力，刘鲁.电子商务个性化推荐研究[J].计算机集成制造系统，2004，10（10）：1306-1313.