基于“推荐系统”运作模式的社会预测研究

发布时间：2019-09-17 19:36

【摘要】：对于能否进行社会预测,历来争议颇多。但无可争议的是,每一次科学技术的进步,都会给社会预测打开一扇能够见到光明的窗户。系统动态分析技术如此,神经网络分析技术亦是如此。而今天产生的基于大数据的"推荐系统"技术,又是一个鲜明的例证。将产生于电子商务活动分析的"推荐系统",提升到社会预测层面加以研究,是充实社会预测方法系统的一个重要尝试。
【图文】：

过程图,产品,过程,推荐系统

?(一)“推荐系统”的运作模式。1．“推荐系统”模型。(1)基于行为个体或集体的“推荐系统”模型［2］。此模型假设行为个体或集体之间的活动具有相似性或相关性，即某行为个体会作出与其他行为个体相似的决定。例如，用户1、2、3、4均在网上买过产品a、b、c，因此对用户1进行推荐时，通过相似度匹配，系统会将用户2、3、4定义为与1相似的用户，而用户2、3、4又均购买过产品d，因此将产品d作为首选推荐给用户1;用户2、3、4中有两个人买过产品e，因此将产品e作为第二推依次类推生成产品d＞e等的推荐结果，过程如图1所示。图1产品推荐过程基于行为个体或集体的“推荐系统”模型可以理解为，通过具体行为个体或集体之间的信息交流，抽象出所需要的指标化行为个体或集体模型。同样，由具体的被推荐对象信息抽象出指标化的被推荐对象模型。推荐算法则在行为个体或集体模型与被推荐对象模型之间起桥梁纽带作用，经过逻辑分析计算之后，得出科学合理的推断，输出结果，完成整个过程的推荐，如图2所示。(2)基于项目的“推荐系统”模型［3］。和基于行为个体或集体“推荐系统”模型的假设不同，基于项目的“推荐系统”模型假设:项目A1与项目A2非常相似时，当具备有与选择项目A1的相似条件时，系统则会主动将项目A2推荐给决策主体。该模型与基于160

模型图,推荐系统,模型,协同过滤

图2基于行为个体或集体的“推荐系统”模型行为个体或集体“推荐系统”模型相比，具有一定的优势，它的推测范围具有相当的延展性，在行为个体或集体信息缺失的情况下，同样可以作出科学合理的推论。它的核心算法是计算项目之间的相似性，通过分析事件的历史行为进行科学估计，如图3所示。图3基于项目的“推荐系统”模型2．“推荐系统”算法。推荐算法在整个“推荐系统”中起类似于人体大脑的作用，是“推荐系统”的神经中枢部分，决定着“推荐系统”性能的成败。在诸多算法中，基于协同过滤推荐算法的应用最为广泛［4］。协同过滤系统利用用户(行为个体或集体)对项目的评分数据计算用户相似性或项目相似性，然后根据相似性进行预测推荐。协同过滤系统优点:第一，能够过滤难以进行机器自动内容分析的信息，如随意的个人行为。第二，共享其他人的经验，避免了内容分析的不完全和不精确，并且能够基于一些复杂的，难以表述的概念(如信息质量、品格)进行筛眩第三，有推测新信息的能力。可以发现内容上完全不相似的信息，用户对推荐信息的内容事先是预料不到的。要掌握协同过滤推荐系统，必须了解基于记忆的推荐算法。基于记忆的算法根据系统中所有被评过分的产品信息进行目标匹配与预测。假设U={u1，…，ua，…，ub，…，um}代表用户集合，用P={p1，…，px，…，pn}代表集合，用R代表评分项的n*m评分矩阵(见表1)，这里的a和b∈1……m，x∈1……n。设需要预测的值为用户对项目的打分R，则预测函数形式有以下几种。第一，，余弦相似性［5］。设用户a和用户b在m维对象空间上的评分表示为向量a，b，则sim(a，b)的相似性计算方法为:sim(a，b)=cos(a，b)=a·b‖a‖·‖b‖(1)其中cos(a，b)?
【作者单位】：天津工业大学公共危机管理研究所;
【基金】：国家社会科学基金重点资助项目“基于政策模拟的社会稳定风险研究”(13ASH00)
【分类号】：C91

【相似文献】