大数据时代网络社交平台个性化推荐发展创新*

2022-02-19兰州工业学院计算机与人工智能学院张云天陈娜

数字技术与应用 2022年1期

兰州工业学院计算机与人工智能学院张云天陈娜

随着国民经济的不断增长，科学技术的不断创新，我国大数据领域建设发展水平得到了显著提升。在大数据时代发展背景下，网络社交平台要高度重视科学结合用户行为与兴趣爱好，加强对他们的个性化推荐服务工作，促使他们能够在最短时间内获取到自身需求的网络信息资源，从而增加对自家网络社交平台的认可度和支持度。本文将进一步对大数据时代网络社交平台个性化推荐发展创新展开分析与探讨。

当前是一个大数据信息时代，人们无时无刻不再与信息数据打交道，网络社交媒体平台要想为网络用户提供个性化的优质服务，就必须结合用户日常行为习惯和需求，合理推荐其感兴趣的信息内容，最大程度满足用户的网络个性化体验需求。个性化推荐服务的创新要以市场用户兴趣需求为核心导向，网络社交平台要积极推出个性化的定制服务，注重提升平台用户推送内容的准确率，促使能够有效提升用户对平台的粘性度，创造出更多的经济效益。

1 基于大数据网络社交平台的个性化推荐系统框架

伴随着现代互联网信息技术的不断创新完善，传统的推荐系统已经无法满足网络用户的个性化体验服务需求，其存在着推荐效率低、计算耗时等弊端，难以帮助网络社交平台不断提升的用户体验服务水平。因此，网络社交平台需要基于大数据背景科学打造出个性化推荐系统。比如，在针对网络用户登录使用社交平台产生大量数据的安全储存问题，平台可以基于Hadoop分布式计算平台大数据生态系统去有效解决大量数据存储问题，并且还可以让数据并行计算处理分析变得更加简单，大大提升数据信息推荐过程的运算工作效率。基于大数据技术应用辅助下，网络社交平台的个性化体检系统可以分为四个不同层，分别是数据源层、存储层、推荐模型生成层以及推荐结果展示层。(1)数据源层的搭建主要起到采集推荐系统需求数据、优化处理原始数据以及传递存储数据的作用，其可以科学细分为数据采集层和数据预处理层，能够帮助网络社交平台科学高效进行海量用户有价值数据信息的采集和处理。经过数据源层采集处理后的数据会存储在实现设计好的存储层，当前主流的存储层包括了Hive、HDFS以及HBase等；(2)推荐模型生成层的搭建则是作为大数据推荐系统的核心模块，其起到的作用是通过在存储层获取目标数据，运行高级先进推荐算法，完成对用户需求兴趣内容的处理分析，以此来帮助网络社交平台提高对用户推荐的准确率[1]。基于大数据的网络社交平台个性化推荐系统设计框架如图1所示。(3)推荐结果展示层是最终与用户有直接或者间接交互关系的展示模块，最终的推荐内容展示结果是基于用户日常浏览行为习惯，而持续更新推荐模型生成层的模型参数，为市场目标用户推送他们所需求爱好的服务产品或者信息。

图1 基于大数据的网络社交平台个性化推荐系统设计框架Fig.1 Design framework of personalized recommendation system for network social platform based on big data

2 基于大数据网络社交平台的个性化推荐算法

2.1 基于协同过滤的个性化推荐算法

协同过滤下的个性化推荐算法是一种找到与目标用户兴趣接近的用户集合，或者与相似用户所选择的模式的物品的集合；协同过滤一种被广泛应用在网络社交平台、电子商务平台的技术，其核心是表示网络用户对于项目操作行为，科学运用先进数理统计的方法，高效准确得出最近邻居，以此来完成最终的推荐协调过滤。为用户提供其所需的个性化推荐服务信息或者产品内容。伴随着现代互联网的不断发展，社交网络平台为人们学习生活提供了极大的便利之处，用户随时随刻可以利用移动设备进行网络交流、检索获取信息以及浏览购买自身需求产品。网络社交平台可以基于平台用户与用户、用户与信息服务之间的关联关系，创新推出与热度影响力和社交网络相关的个性化推荐算法。例如，我们想听好听的歌曲时，会向朋友询问，有什么好听的歌。这时朋友就会进行一些推荐，这就是现实生活中的个性化推荐。之所以我们会询问好友，是基于对对方的信任以及共同的兴趣。因此，基于协同过滤的个性化推荐算法主要包括两个步骤：首先，社交网络平台的技术人员可以通过科学有效构建出用户与信息服务间的异构网络图，并结合平台用户之间的内外部因素相似度。接着，有效应用基于关注热度的传播概率模型去科学模拟出在社交网络平台上，不同用户之间的影响扩散过程，结合不同用户之间的跟随概率系统展开排序并筛选出与目标用户相似的邻居。这样一来推荐算法系统就可以根据最近邻中用户的实际评分情况，合理为目标用户推荐其感兴趣的信息服务内容或者产品集合，促使用户在本平台上能够及时浏览到自身需求的信息或者产品[2]。

2.2 混合推荐方法

在网络社交平台推荐应用中混合推荐是一种较为普遍的推荐方法之一，其有效结合了各种推荐算法的优势，能够充分保障推荐效果，促使用户满意平台的个性化推荐服务。混合推荐方法的应用涵盖了三种不同方式，分别是前融合、中融合以及后融合。前融合是基于将各种先进推荐算法优化集中到同一个推荐模型中，接着采用不同种类的样本展开训练。而中融合则是一种推荐算法作为核心框架，然后在该框架下渗透另外一种算法。最后一种的后融合方式则是以线性组合、投标机制作为基础，有效将两个以上的推荐算法产生的结果进行优化组合，最终生成理想的推荐结果[3]。值得注意的是，网络社交平台在应用该种推荐方法为用户提供个性化服务时，需要提升混合推荐的有效性和可拓展性，确保能够为广大用户全面提供各项深度特征，因此需要进行对混合推荐算法进行创新完善。网络社交平台为了丰富个性化推荐结构，可以通过在构建平台用户兴趣模型时，科学采用领域本体，即在获取用户本体集过程中合理采用本体的集成语义展开相似度计算，接着基于不同层次展开聚类处理，最终有效建立起用户语义兴趣结构，并明确出具有高度多样性的用户作为可信邻居，这种混合推荐模型最为显著的特征就是多样性以及准确性，能够帮助网络社交平台大大提升用户个性化推荐质量，赢得广大用户的认可和支持。

2.3 基于图的社会化推荐算法

近年来社交网络已经走进了人们的生活，受到了网民的关注与欢迎。社交网站能够让用户创建个人页面用于自我介绍，且会以默认的形式公开用户的好友。社交网站的优势在于能够缓解信息过载的情况。在社交网络中，人们往往只关注自己的好友以及自己感兴趣的话题，阅读好友分享的内容、发布的信息。因此可以过滤一系列与自己无关的信息。且社交网络中的个性化推荐算法能够通过显性以及隐性的用户社交网络数据来开展信息过滤，以便找到自己感兴趣的好友或话题。社会化推荐的优势主要表现在好友推荐可以提升推荐的信任度，且解决冷启动的问题。网络社交平台上通常存在着两种关系，一种是用户之间的社交网络关系，一种则是用户对物品的兴趣关系。如微信平台中，人们的好友大部分为现实生活中的好友，且好友关系都需要双方确认的；又如微博平台则是以相似的兴趣爱好建立的好友关系，可为单向的关注关系。微信平台与微博平台的社交网络分别称为社交图谱与兴趣图谱。社交网络平台技术人员可以基于图模型去科学呈现出这两种关系，这样有利于辅助平台更好进行对每个用户的个性化推荐，促使他们能够获取到自身感兴趣的用户或者产品。基于社交网络图去呈现出平台用户之间的社交关系，用户物品二分图科学描述用户对产品的行为，然后将其二者有机结合在一起形成一个完整图形[4]。如图2所示，为社交网络图和用户产品二分图的结合，圆圈代表不同用户，而方块则是代表不同产品，两者之间交叉形成关系图。在网络社交平台上，除了基本的用户之间关系，还有一种就是多个用户属于同一社群的关系。如图3所示，为融合两种社交网络信息的图模型，最左边的六边框代表着社群，如果社交平台上的某个用户属于其中某个社群，就在图模型中利用一条边联系用户多对应的和社群对应的节。

图2 社交网络图和用户产品二分图的结合Fig.2 The combination of social network graph and user product bipartite graph

图3 融合两种社交网络信息的图模型Fig.3 Graphical model integrating two kinds of social network information

3 大数据时代网络社交平台个性化推荐创新发展趋势

3.1 网络社交平台用户数据的精准深度挖掘

现代网络社交平台要想吸引培养更多的忠实用户，就必须加强对用户的个性化推荐服务工作，创新完善个性化推荐服务系统，促使能够最大程度满足不同层次用户的网站体验服务需求，获取到自身爱好需求的网络信息资源和产品。在大数据时代发展背景下，无论是线上企业，还是线下企业都开始越来越关注到市场用户消费行为模式与偏好度的分析，只有真正了解到用户的实际需求情况和消费特点，才能够有针对性的推送信息内容与产品服务。网络社社交平台要想做到优质的个性化推荐服务，除了要搭建起专业完善的推荐系统，综合运用各种先进的推荐算法，采集到更多具有价值的用户数据信息进行分析处理，最后生成有效的推荐成果。在这个过程中，不仅要综合考虑到平台用户的日常兴趣爱好表现和消费行为特点，还需要做到为用户及时推荐所需的各项信息内容和产品。

3.2 网络社交平台用户反馈机制的创新构建

基于大数据时代背景下，网络社交平台工作人员要正确意识到个性化推荐的目的是为了消除信息过载，从中深入挖掘利用具有价值的用户数据信息，结合用户实际需求和行为特点，为期推送其所需的产品和服务[5]。然而，实际情况是当前大多数网络社交平台对于用户个性化推荐的研究，更多只是单一集中在提升推荐速度和推荐算法质量上，一定程度忽视了平台不同用户的切身体验感受，未能够创新构建出完善的用户反馈机制，及时全面掌握了解到用户的各项反馈意见信息。针对于此，各大社交平台的管理人员要科学设置起具有高度人性化的反馈机制，拉进平台与用户之间的关系，在实时接收每个用户反馈过来的信息基础上，展开对平台个性化推荐系统的优化调整，促使能够为广大用户提供更为优质的个性化体验服务，增加用户对平台的使用粘性。