变革中的大数据知识服务：面向大数据的信息移动推荐服务新模式.docx

变革中的大数据知识服务
面向大数据的信息移动推荐服务新模式
 
 
张兴旺1´2李晨晖2麦范金1´2
(1．桂林理工大学 广西桂林541004)
( 广西桂林5410器数据、社交网络交互数据及移动互联网数据等几个大数据主要来源的综合描述，而移动情境感知范围不仅包括大数据环境中的时间、地点、用户行为等基本信息，还包括各种类型的传感信息及物联信息等，通过综合分析移动情境感知的内涵、特征及运行机理，可以尽可能的还原大数据环境下用户行为模式和大数据网络环境的实时情
境，借此分析、预测其知识服务需求，从而更好为信息移动推荐提供更全面、更可靠的情境模拟。
(2)面向大数据移动用户的物理世界真实反应的推荐。大数据环境下移动用户所拥有的一些自然属性与传统网络环境下的信息用户颇为不同：一是大数据移动环境下所有用户信息都是真实的（如移动用户都是采用实名制）；二是大数据移动环境中的各种复杂结构化、半结构化和非结构化的大数据，直接反映的用户之间的移动社交网络关系，用户特征的共性关系、用户行为的相互关系、知识服务的因果关系等的整体特征隐藏在数据网络中：三是大数据移动环境中的用户的所有行为（如位置信息、行为信息、身份信息及行为过程等）都是用户在物理世界的社交活动中的真实反应。
(3)面向大数据移动用户行为预测的推荐。有研究表明，用户在移动网络中的行为会被许多微妙因素所影响[6]，而通过用户在大数据移动环境中的行为轨迹及其在网络中社交关系的动态变化，可以对用户行为、用户情感、用户知识服务需求等进行分析、建模、预测。从而通过对用户在大数据移动环境的足迹、点击历史、浏览历史、信息反馈，直接真实的展示用户的性格、偏好、意愿等相关数据进行分析之后，帮助信息服务机构感知知识服务市场、感知用户需求和能力、感知未来发展形势等，以便信息服务机构对价值评估、服务能力和服务水平等做出更科学的决策，进而推荐更为合适的信息。
(4)面向多维大数据交叉利用的推荐。在大数据移动环境中，数据与数据之间的关系大体可分为三类：一是依赖关系，如用户的个人属性信息（如心情、位置、身份、电话、社交等数据）与用户个体之间，如果用户的个人属性信息与用户脱离，那么这些数据也就失去了真实意义；二是协作关系，如用户信息与
交通信息（如航空数据、铁路数据、公路数据等）之间的关系，一旦用户准备出行，就必然会与交通信息之间产生交互，从而生成新的协作数据：三是交叉关系，如主要是针对社交网络（包括真实社交与虚拟社交），用户在大数据移动环境中，不可能只单独的使用某一种服务（如商业服务、信息服务等），他可能既上人人网、新浪微博与朋友们交流，上互联网看新闻，又在淘宝、京东、国美在线上购物，同时还与朋友们打电话、发短信，或者在网上搜索学术论文等等，而用户在这些过程中都会产生不同类型的数据，数据因为用户、用户行为或用户所处环境而产生交集，形成了多维数据交叉的复杂社交网络。
(5)面向社会化关系迁移的推荐。Sinha等曾于2001年提出，用户喜欢来自于周围朋友的推荐多过于信息推荐系统推荐的信息，而Salganik等也在2006年间接地验证了这一观点，他们认为在信息推荐体系中，通过对用户历史行为进行计算得出的信息服务需求不如社会影响力的重要性。而面向大数据的信息移动推荐服务体系则是两者的有效结合，其信息移动推荐的结果可能是来自于类似于口碑相传的社会影响力、或通过对用户在大数据移动环境中的历史行为轨迹的分析，得出的信息移动推荐结果。这一点在传统的信息推荐体系是难以做到的。
3面向大数据的信息移动推荐服务平台体系架构
信息移动推荐服务模型
本文给出了一个面向多用户、基于主动服务、能商业、半商业或非商业运行的，面向大数据的信息移动推荐服务模型（见图1）。与传统的基于Web的信息推荐服务相比，面向大数据的信息移动推荐服务模型具有多个技术特征：①信息移动感知、获取、传输、存储、分析及决策的实时连续性；②数据的真实
性、时空性、不同类型数据间的关联性；③信息移动推荐服务的即时性、即地性。
面向大数据的信息移动推荐模型在整个服务平台体系架构中显得颇为重要，它主要用以解决以下三个关键问题：
(1)信息移动推荐多维交互数据的感知、获取、传输、存储、分析及预测等服务的语义获取。通过大数据环境中部署的大规模、多类型、智慧型的传感网络实时感知物理世界中用户、信息、及其关系网络的原始活动、半活动及非活动数据，提取信息移动推荐服务过程中，多维交互数据的感知、获取、传输、存储、分析及预测等服务模型，建立相关的语义表示和关联模型，生成具有时空特征的抽象用户群体信息移动推荐一体化网络[9]。
(2)信息移动推荐多维交互数据的感知、获取、传输、存储、分析及预