探究军事信息服务的智能推荐技术

胡皓轩 郭家赫

中国人民解放军战略支援部队信息工程大学密码工程学院 河南 郑州 450000

引言

信息量井喷这一现象是伴随着信息技术飞速发展而产生的，因此在大量的信息中寻找精确有效的数据就需要有一种科学的方法与有效的手段来提供支撑。伴随着信息技术的发展，我军无论是在侦察装备还是通信网络方面都有显著的升级与提高，在军事信息的收集上无论是从来源或者是数量上都有显著的提高，而从如此庞大的数据量中进行有效快速的甄别与筛选，并能够将有效的信息进行准确的传达，则成为军事领域中信息技术处理的重中之重，也就是本文所述的军事信息服务智能推荐技术。在当前，对以上问题进行处理主要通过两种途径，其一便是通过搜索引擎，即用户通过例如百度、谷歌等搜索引擎，利用关键词主观的检索出对自己有帮助的信息，这种方式存在一定的弊端，第一就是检索的准确性不尽人意，再者就是检索的单一化，不能从多方面，多角度提供信息。第二种途径就是信息推荐技术，这种技术可以基于用户自身的特点与要求进行个性化与多元化的推送，相较于通过搜索引擎有着较大的优势，这种技术多用于民用领域，在军事领域上并没有得到广泛的推广与应用，因此也并没有一套完整的技术策略支持。

1 推荐技术概述

电子商务领域是最早出现推荐技术的领域，在电子商务网站中，通过模拟销售的方式为顾客提出消费建议的一种技术手段，进而衍生出推荐技术这一概念。用户建模技术、对象建模技术和推荐算法是构成推荐技术的三个方面。推荐技术的实施流程如下：首先，获取用户的偏好与关注点。然后，通过推荐算法建立二者的模型。最后，根据推荐算法分析大数据，依据不同用户与信息对象之间进行比对，进而依据比对后的相识度进行信息推荐。

2 军事信息服务智能推荐技术的重要战略意义

当今世界军各国军事实力水平取决于各自的信息化水平及对智能技术的应用程度，通过对一路发展实践分析不难发现，军事信息服务智能推荐技术对整体战略发展管理与战略规划起到了至关重要的作用，国防尖端技术离不开先进的技术支持，军事信息服务智能推荐技术是军事信息服务的重要保障，在科技日新月异的发展背景下，信息采集、信息处理、信息挖掘、信息服务、个性化信息推荐等方面都取得了显著成果，为军事服务信息资源建起到了有效的支持作用，并改变了原有的军事情报研究模式，促进信息服务方式与科技信息工作快速发展，使得军事科技信息服务能够根据用户的个体情况提供良好的服务，在军事科技信息服务逐渐趋向数字化、信息化、智能化、个性化发展的过程中，信息服务智能推荐技术必将成为日后军事信息的发展趋势与常态，从当前全球军事信息情况分析来看，世界各国军事信息已经趋向智能化方向大幅度迈进，改变了原有的军事信息服务模式，在海量信息数据的基础上，将更有针对性与个性化的信息提供给用户，实现军事信息实现自动采集与分类等一系列智能推荐操作。随着神经网络、仿真推理等技术日益发展，为智能推荐技术在军事信息服务中蔓延提供了更多的可能性，在时代不断变化发展过程中，智能技术在军事领域的广泛渗透与蔓延，使军事信息能力实现了前所未有的跨越，承担了主要的技术支持。此外，如何在短时间内提升军事信息智能服务是一项关键问题，同时决定了全局水平。智能技术是军事科技信息趋向智能分析与服务型方向发展，在深入挖掘军事信息方面起到了重要的作用，军事信息服务智能推荐技术促使军事信息服务质量大幅度提升，有必要将军事信息服务智能推荐技术深入、拓展发展。军事信息具有普通信息的特点，但又具备军队特有的特点，军事信息服务智能推荐技术要满足军队对信息的特殊需求，在智能化信息技术的基础上，推动军事信息由以往的传统获取方式，变更为智能推荐技术，逐渐向智能型、服务型、个性型方向发展，在科学技术的支持下，实现军事信息服务的更多可能，提升信息在军队整体规划中起到的管理与规划作用，利用信息武装军队，优化军事从行动，形成灵活多变的智能化变革发展，大力支持智能化推荐技术发展。另外，要将军事信息服务智能化推荐技术在全国军队中推广开来，提升整体军事信息服务水平，体现出信息服务智能化在各领域的实用性，展现出信息技术、智能化技术的优势与独特性，推动我国军事领域进一步科学发展。

3 推荐技术的组成分析

3.1 用户建模技术

不同类型的军事信息的受众也不同，不同的军事用户的关注偏好也不一样，因此在进行军事信息只能推荐时要先进行建模，即用特定的模型来描写不同的军事用户的关注偏好，在注册初期，通过军事用户填写的用户特征或者喜好标签来获取第一手的用户资料，从而获取其显性特征，这种手段能够将用户快速高效的进行定位，但是容易造成用户隐私泄露，难以保证用户隐私的私密性，并且用户在进行信息浏览时会消耗掉大量的时间。用户的隐性特征则需要大数据分析，通过对用户的浏览数据进行发掘，归纳总结出用户的偏好，这样可以节省用户的浏览时间，也可以发现用户的潜在偏好，但是通过这种方式得出的数据真实准确性不高，军事用户不同于一般用户，其偏好特征并非是一成不变的，因此在建模的时候也要考虑到军事用户在不同时期偏好的变化性，比如说作战人员在平时可能会更关注关于作战训练的信息，而在发生战斗时则会更多关注关于战场的信息等，因此在为军事用户建模的时候应该加入相应的变量特征，进而能分析用户当前所处情景而智能地推荐相关信息，从而达到快速有效的推送[1]。

3.2 对象建模技术

在军事领域，通常军事信息对象都是文本类为主，此外另有部分图像、音频、视频等，在应对不同的军事信息对象时，也要进行分别建模，比如针对文本类信息，可抽取内容的关键词，通过推荐算法进行比对，来分析文本间的相似性。图像、音频、视频也是同理，因此，在应对不同类型的推送对象时，也需要分别来进行建模。

3.3 推荐算法

协作过滤推荐算法和混合推荐算法这两类推荐算法是较为常见的两种推荐算法。

3.3.1 协作过滤推荐算法。协作过滤算法即是一种将相似的用户或者对象推荐给潜在受众的一种算法，根据用户或者对象可做以下解释，比如某军事用户A偏好训练信息与武器装备信息，军事用户B偏好训练信息，就可以将武器装备信息推荐给用户B，根据对象的协作过滤算法是指通过用户偏好对象之间的相似性进行推送，比如军事用户A偏好机械作战类信息，就可以将与机械作战类相似的信息同样推送给用户A。这种算法是基于相似度来作为依据的，优势是可以根据用户的偏好习惯来获取用户特征[2]。

3.3.2 混合推荐算法。混合推荐算法是采用多种不同算法相结合，基于用户与对象的不同，从而将信息更准确的推荐给用户，这种算法相较于单一的算法更具优势，其关键点在于将更好的信息推送给用户时，该如何选用算法并将之结合，与其他用户有所不同，军事用户较为特殊。可以通过情景感知的方式为军事用户推荐地理条件、气象环境等内容作为作战行动单元的推荐内容。以情报分析为基础为心理战、舆论战提供情感分析等推荐内容。根据关联性原则，可以为战场事件行动决策推荐相关内容。以社交网络为载体对作战群组协同配合推荐相关内容[3]。

4 系统设计与案例设计分析

4.1 系统设计

与普通用户有所不同，军事用户的需求具有特殊性，在上述分析讨论的基础上，可以设计出如下的军事信息服务智能推荐系统架构。可以由基础层、数据层、控制层与应用层几个层面共同组成。基础层存放硬件系统是军事系统网络设施、存储设施、计算设施的载体，是构建针对军事信息服务的智能推荐系统的硬件条件。数据层中存储了海量的信息，记录了用户各种行为、战场的相关环境如气象情况、地形地貌、水文条件等，还包括多媒体信息，其中有海量的视频影音资料，为推荐系统起到了数据支持的重要作用，肩负对数据进行加密与安全性保护的职责。控制层主要的作用是掌握用户的喜好，对各种信息进行过滤整合，支持用户进行自主预测，最终从海量的信息中为用户提供有价值的信息，从而展现出信息的价值与优势。应用层能够对控制层处理后的信息内容进行接受与展示，支持用户交互操作，能够满足用户提出的各种需求[4]。

4.2 案例分析

下面将以某国空军作战计划的文本信息作为案例进行分析，先要对文本内容对用户及提出的关键词进行分析。由于分配的任务有所不同，可以对用户的角色进行分类，可以分为作战人员、科研人员及保障人员，其中作战人员对作战与训练方面的信息更加感兴趣，作战计划、训练动态、作战进程、作战态势等。科研人员的信息偏好主要集中在项目计划、科研任务、教学信息等方面。保障人员更加偏爱作战计划、采购供应、技术保障及作战进程等方面的内容。经过进一步分析后能够提取出文本中的关键词为：某导弹、卫队、光纤、目标群、摧毁等。最后，通过采用科学的计算方式，能够计算出文本中关键词与不同军事用户特征的相似度值。对于某国空军军事情报文本，与作战人员的信息偏好十分接近。为此可以将文本推荐给作战人员[5]。

5 结束语

综上所述，针对军事信息服务中信息推荐相关内容进行了技术分析，对推荐技术进行了大概叙述，并分析了推荐技术的组成情况，分别介绍了用户建模技术、对象建模技术、推荐算法，对常用的协作过滤算法与混合推荐算法做出简要分析，并就一些常用方法给出了优缺点对比。并探究了系统设计结构，简单列举了相关案例。本文研究的内容有利于我国军事信息智能化推荐，对我国军事信息智能化推荐发展有重要意义与价值，能够为相关技术发展起到参考作用。在后续工作中，需要积极探索军事信息服务的智能推荐技术，提升我国军事信息服务能力与智能推荐能力，为我国军事作战提供有价值的参考信息，提升相关服务的个性化与针对性。同时，在日后工作过程中，需要将智能技术与具体的应用场景有机结合，切实有效的考虑用户的具体需求，对技术手段进行不断优化，提升智能技术推荐的质量与效率。