第1章 緒論

1.1 研究背景與意義

隨著網絡時代的發展，爆炸性增長的網絡信息資源使得用戶和信息提供者都面臨著“信息過載與信息饑餓共存”的尷尬局面[1]。一方面，用戶在大量的信息面前無所適從，無法找到自己所需要的信息甚至有時無法意識到自己的真正需求；另一方面，信息提供者只能被動的提供信息，對所有用戶提供相同的信息，并等待用戶自己找到自己需要的信息。信息資源“量”上的豐富和信息資源“質”上的稀缺造成了各行業進行信息化建設時的資源浪費，最終嚴重影響了信息化建設的經濟效益和社會效益。

近年來，個性化推薦已經成為解決這些難題的重要途徑之一。國內學術界自2000年以來對個性化服務技術的研究逐漸成為熱點。推薦系統能夠為用戶提供相關信息的推薦，幫助用戶或者代替用戶找到其最感興趣的信息，從而使用戶能夠順利高效地完成網上瀏覽和購買等過程，它使用戶從被動的信息瀏覽者轉變成為主動參與者。同時，信息提供者通過建立一個效果較好的推薦系統可以與用戶建立更好的關系，為用戶提供更好的服務，增加用戶的忠誠度以及信賴程度，提高訪問量。個性化推薦方法的總體思想是在用戶的行為、偏好、歷史記錄中的信息以及其他相似用戶的相關信息中挖掘用戶的興趣信息，并為用戶提供個性化推薦服務，以達到“將最有用的信息推送給最需要它的用戶”的目標。

個性化推薦系統已經在很多領域取得了巨大的成功，如個性化推薦技術已經應用在很多實際的電子商務系統中，國外的Amazon、eBay，國內的當當、淘寶和新浪等網站，都在不同程度上使用了各種形式的推薦系統，據VentureBeat統計，Amazon的35%的商品銷售額由推薦系統為其提供。在這些電子商務系統中需要推薦的信息和用戶的信息都是海量的，在日趨激烈的競爭環境下，電子商務推薦系統能有效提高系統對用戶的“黏度”，提高用戶的忠誠度，增加電子商務系統的銷售額，發現用戶潛在的消費傾向與偏好，為眾多的用戶提供個性化服務，它既能作為一種工具幫助用戶過濾掉無用的冗余信息，又是一種網站營銷的手段，幫助網站提高用戶的忠誠度并推廣各種相關產品或服務，在為用戶提供便利的同時又為信息提供者帶來巨大的經濟效益。

在教育領域中，如美國的Illinois大學研究的CIRCSIIVI-Tutor項目能夠支持遠程網絡教育的個性化服務，并通過建立一個基于語言對話框的智能系統，幫助學習者解決一定的問題[2]。國內上海交通大學的申瑞民教授研究了“基于數據挖掘的個性化學習導航系統”，該系統根據學習者的個人特征實現個性化服務[3]。電子教育領域中個性化服務以學習者為中心，根據學習者的學習能力、知識水平和興趣愛好等特征為其推薦相應的學習內容[4]，使學習者能夠更加充分地利用網絡教育和學習資源。

在電子政務領域，隨著《國家信息化發展戰略（2006—2020）》和《國家電子政務總體框架》出臺，我國電子政務實施已經從基礎設施建設階段跨入面向社會化服務實施的新階段。在此階段，電子政務實施呈現出信息超載的加劇、用戶信息需求的復雜性和差異性增加等多方面的特點。這些都要求為不同的用戶提供個性化信息推薦服務。為了更好地實現實施電子政務的目的，更廣泛地提高社會效益，個性化信息推薦服務將起到關鍵的作用。如新加坡政府的在線政府服務eCitizen網站，公民可通My.Ecitizen獲得個性化頁面、個性化提醒、個性化事項提醒等功能[5]。國內的青島政務網為注冊用戶提供多種個性化定制服務，大連政府網還將用戶劃分為政府、市民和企業等，根據其類別的需求不同提供有針對性的個性化信息服務。

隨著個性化推薦系統的發展，現有的方法的瓶頸越來越明顯，如特征提取、冷啟動、過擬合和稀疏問題等。尤其是2000年以來，在發明萬維網10年之后，Tim Berners-Lee提出了“語義網”的理念。使得萬維網能夠構建被計算機自動識別的語義信息標識，并使得計算機程序能夠對資源（不僅限于HTML網頁，也包括不能通過網絡直接訪問的對象）進行分析和推理。語義網的提出給個性化推薦系統帶來了新的挑戰，如何利用網絡資源和用戶歷史記錄中的“語義”信息來提供更好的個性化推薦服務已經成為個性化推薦領域的最新思路和重點研究方向。