信息推荐系统的应用领域及案例

针对互联网中各类信息资源，信息推荐系统都可以为用户提供“信息推送”服务，它的应用领域非常广泛。本书介绍信息推荐系统典型的三个应用领域:电子商务、社会化网络和数字图书馆。

(1)电子商务领域

目前，个性化推荐服务已得到了国内外专家的广泛研究，其最典型和最重要的应用是在B2C电子商务领域，具有良好的发展和应用前景。电子商务系统通过Internet网络建立了虚拟的网上商店，但这些虚拟的网上商店并没有配备相应的导购人员来引导消费者购物。随着电子商务系统规模的不断扩大，商品越来越多，这一方面让顾客有了更大的选择空间，另一方面也增加了顾客购买所需的难度，顾客在找到自己需要的商品之前，必须浏览大量的无关信息。为了解决上述信息过载问题，有效地指导顾客在电子商务系统中方便地购物，人们提出了将信息推荐技术应用于电子商务领域，设计和开发了相应的电子商务推荐模型和系统。

推荐系统主要通过如下三种途径提高电子商务系统的销售能力:

①将电子商务系统的浏览者变成购买者:电子商务系统的访问者在浏览过程中经常并没有购买欲望，电子商务推荐系统能够向访问者推荐他们感兴趣的商品，从而完成购买过程。

②提高电子商务系统的交叉销售:电子商务推荐系统在用户购买过程中向用户提供其他有价值的商品推荐，用户能够从提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品，从而有效提高电子商务系统的交叉销售。

③保留客户:与传统的商务模式相比，电子商务系统使得用户拥有越来越多的选择，用户更换商家极其方便，只需要一两次鼠标的点击就可以在不同电子商务系统之间跳转。电子商务推荐系统分析用户的购买习惯，根据用户需求向用户提供有价值的商品推荐。如果电子商务推荐系统的推荐质量很高，那么用户会对该电子商务推荐系统产生依赖。因此电子商务推荐系统不仅能要为用户提供个性化的推荐服务，而且能与用户建立长期稳定的关系，从而能有效保留用户，防止用户流失。

设计个性化程度更高的电子商务推荐系统，必须有效地理解和描述消费者网上购物的行为。麻省理工学院Guttman教授提出了一种消费者行为模型(Consumer Buying Behavior，CBB)[43][44]，它来自传统的市场客户购买行为，是一个理解电子商务环境下客户行为模型的有利工具。CBB是针对交易过程中消费者的购买行为而建立的模型，是网上商务活动中消费者遵守的一般规律。CBB模型由顾客需求定义阶段、商品代理阶段、商家代理阶段、谈判阶段、购买与送货阶段以及服务与评价阶段六个部分组成。目前，大多数网上交易都采取人工方式，例如，人们手动地从网上搜索满足要求的商品，决定购买什么商品并采取什么服务等。随着电子商务的快速发展，网上商品信息量出现了过载问题，人们很难进行浏览和筛选。因此，信息推荐系统就是针对“商品信息过载”问题，为顾客主动提供“商品推送”的一种有效解决该问题的技术。(www.xing528.com)

从CBB模型来看，信息推荐系统主要支持顾客购买行为中需求定义、商品代理、商家代理及购买与送货这几个阶段，对这些购物阶段提供自动化和智能化的服务。首先，电子商务推荐系统直接与顾客交互，获取顾客的购买需求或偏好，然后根据相应的推荐算法帮助顾客对候选商品和商家进行选择，从中选择最优商品，从而顺利完成购买过程。电子商务推荐系统产生的推荐可以基于顾客以前的购买历史及其购买行为，也可以基于顾客当前表现出来的兴趣爱好等。目前，几乎所有大型的电子商务系统，如Amazon、eBay、FireFly、CDNow等，都在一定程度上使用了各种技术的推荐系统，成功的信息推荐系统将会为电子商务企业带来巨大的经济效益。

(2)社会化网络领域

社会化网络(SocialWeb或Social Network)指突出开放共享和社会交往功能的社会化网络。在社会化网络服务中，用户通过各种社会化行为建立起各种关系网络，将用户以及用户的信息活动纳入统一的关系链条中。随着Web 2.0的流行和发展，整个互联网络开始进入社会化进程[45]，用户在信息活动中越来越成为一个社会化的媒体角色，其需求也从低层次的信息需求逐渐向高层次的社交和情感需求过渡。用户之间的交互变得越来越频繁，通过用户关系所凝聚的“智慧”使得信息推荐更具智能化和个性化，所催生的信息推荐理念即“社会化推荐”。

随着互联网社交媒体的广泛应用，用户复杂的社交行为催生出具有用户社会属性特征的社会化网络。在社会化网络中，用户之间的活动行为表现得越来越社区化和群组化，这些行为蕴含和记录着用户大量的社会属性信息。基于社会化网络分析的理论和方法，将用户或者项目的社会化属性(如标签信息、朋友关系和信任关系等)融合到传统“用户—项目”两维推荐系统中，构建社会化推荐系统(Social Recommendation，SR)，能够在缓解传统推荐系统中数据稀疏性和冷启动问题的同时，提高信息推荐的精度和性能。随着社交媒体的发展，社会化推荐的推荐项目不局限于普通的信息资源(如数字文献、图像和电影等)，还包括社交媒体上广泛存在的群组、好友和社会化标签等。用户社会属性信息及其社会行为数据的收集更为便捷，既包括“用户—项目”的评分数据和用户之间的社会化关系信息，也包括用户的点击、收藏和评价行为等。其中，用户社会行为不仅仅是用户个人兴趣和爱好的体现，而且在一定程度上受到与其有社会关系的其他用户的影响。社交媒体中蕴含的大量用户社会属性信息能够作为连接“用户”和“资源”的桥梁，相比单纯的“用户—资源”评分而言，蕴含着丰富得多的信息内容，能够精准地分析用户对信息资源的偏好。因此，可以将用户社会属性信息作为一个新的维度引入信息推荐系统中，通过社会化网络结构、项目在社会群体中的流行度以及用户间信任关系等用户社会属性信息不仅可以满足用户的个性化信息需求，而且使得信息推荐的资源种类呈现多样性，提高社会化网络环境下相应社交媒体网站的用户体验能力。

(3)智慧图书馆领域

随着大数据和人工智能技术的发展，传统的图书馆借阅服务模式正在向以读者为中心的智慧型知识服务模式转变，这正成为图书馆服务模式未来发展的必然趋势。如何为读者提供全面感知、立体互联和泛在互动的个性化知识推送服务，以支持读者的泛在学习、移动阅读和科学交流等各种类型的场景活动，是智慧图书馆建设面临的重要问题。

在当前泛在信息环境下，知识弥漫对图书馆的知识服务能力和水平提出了更高的要求，读者关注的重点已从简单发现信息转变为以最高效的方式获取满足自身个性化需求的知识资源。图书馆利用自身在知识资源方面的优势，在实现图书馆与泛在智慧服务的融合与协同的基础上构建智慧图书馆来满足大众化的需求。随着智慧图书馆的建设与发展，在智慧图书馆智慧体系中融合个性化推荐系统，利用个性化推荐技术来改变用户和图书馆的交互模式和协同平台智慧推荐服务方式，为读者提供高效率、高时效、精确化的个性化知识推送服务，将是智慧图书馆智慧服务的发展路径之一。