【摘要】普適個性化內容推薦是大數據時代的一種新的服務形式，也是近年來學術界和業界關注的熱點問題。本文針對國內外現有研究缺乏學習機制和集成多種內容推薦業務的支持性系統的解決方案的問題，在前期研究的基礎上，結合語義網服務技術，提出基於螺旋模型的服務系統工作模式，使各種服務有效運轉，共同實現整體目標，以支持各種內容推薦業務方便而靈活的構建。
【關鍵詞】普適個性化推薦 上下文感知 螺旋模型 語義網服務
一、引言
以普適計算為核心的信息環境帶來了許多新的生產模式和生活理念，成為未來不容忽視的巨大經濟驅動力，不少國家都將普適信息環境的建設作為新一輪國家信息產業戰略的主導[1]。普適個性化內容推薦是指根據用戶偏好、行為習慣和時空環境等因素，將相關內容通過各種網絡和終端主動推送給用戶的一種動態的個性化服務模式。該領域的研究將個性化服務、上下文感知計算和語義Web服務等領域的方法和技術相結合，致力於在一種開放、動態和集成的環境下，給用戶提供隨時隨地的，更具針對性、多樣化和智能化的服務[2][3]。這些問題的研究對於支持內容服務模式的創新和內容服務行業的發展具有很大的理論意義和商業價值。
目前，該領域的研究仍處於探索和試驗階段，成熟的規模化應用並不多見，主要問題在於缺乏從知識發現與知識組織視角構建情境與服務關係的方法，缺乏集成多種內容推薦業務的支持性系統的解決方案[4]。由於目前缺少從數據分析、知識管理視角構建情境與用戶內容偏好關聯的研究，那麼在給用戶提供服務的工作過程中需要哪些類型的上下文數據，採取何種策略和次序獲取並將其與知識庫中的目標情境匹配，當存在不完全匹配問題時應採取何種策略等，對於這些後續問題的研究就更加薄弱。本文在前期研究[5]的基礎上針對普適推薦服務的目標，結合語義Web服務技術，研究普適個性化內容推薦支持性系統的工作機理，情境化用戶偏好知識庫的利用過程，建立各種服務之間的邏輯時序關係，以保證服務執行的有序性。
二、基於螺旋模型的服務運作模式
（一）上下文信息獲取的依賴關係。
本文將上下文（Context）定義為描述用戶情境（Situation）特徵的信息。上下文之間具有推理關係、類屬關係，一種上下文數據的獲取需以另一種數據的獲取為前提。在系統實際運行過程中並非時刻對知識庫中描述目標情境的所有上下文數據進行一系列的獲取、推理和匹配任務。
在情境偏好分析中，處理的是用戶與系統交互的歷史數據，對描述情境的上下文數據並不需要區分獲取時的依賴關係。例如，要獲取天氣情況的數據，先要獲取用戶位置數據；要獲取用戶活動狀態信息，首先需獲取時間、位置、用戶日程等信息再通過推理導出等。然而，在系統的工作過程，並不是時刻對所有的上下文數據進行獲取、解釋、然後對目標情境進行匹配。因為目標情境中的上下文屬性值對之間是合取關係，那麼在對目標情境和現實情境的匹配時首先只需得到較容易獲取的上下文數據，例如：時間、位置等，當這些上下文數據與情境中的上下文取值匹配時，再獲取其它的上下文數據，如：溫度數據、用戶活動狀態等。這樣減輕了系統運行的工作負載，利於節省服務資源、降低時間開銷和用戶費用。圖3-1中描述了部分上下文數據獲取的依賴關係。這裡的主從關係並不同於相關文獻中定義的直接和間接上下文，直接上下文是指原始的上下文數據，間接上下文是指通過推理導出的上下文概念。主上下文是指在獲取過程中不依賴於其它上下文的類型，而從上下文的獲取需要以另一種上下文的獲取為前提。當然，具體應用過程中由於感知設備的採用情況不同，這種主從關係並非絕對不變，例如：如果用戶移動終端上具有溫度感知的功能，那麼可以直接由該溫度傳感器獲取溫度數據，就不需要先獲取用戶位置信息再通過調用溫度Web服務這種虛擬傳感器的方式獲取。
（二）服務運作的邏輯。
內容服務的提供過程中需要多種Web服務共同完成，首先需要一個基本的工作邏輯，以協調各種服務之間的關係和動作，因此設計服務運作過程的螺旋模型。螺旋模型最初的概念源於軟體工程，它是為了降低由於過多的系統測試或測試不足帶來的風險問題而提出的軟體開發過程模型。本文將對螺旋模型進行新的定義，主要目的是解決在服務過程中對目標情境進行綜合匹配時對於過多的上下文處理或處理不足導致的問題：過多的上下文獲取、推理和匹配任務不僅降低了系統運行的效率，同時也增加了為用戶提供服務需要付出的代價；而處理不足又會導致推薦決策的盲目性問題。服務運作過程的螺旋模型如圖3-2所示：
基本思想是：對於時間上下文的處理採取由粗到細的原則，在總體上下文處理上採取由主到次的原則，逐步地對上下文進行獲取和匹配，在綜合評價的基礎上作出內容推送、類目排序或繼續獲取上下文數據的決策。圖中的原始起點表示不考慮任何動態上下文的情況，即是傳統的二維空間方法。例如：若給用戶推送某種內容，通過相似性計算的方法在用戶偏好資料庫中查找到具有該內容偏好的用戶，根據用戶ID在該用戶的情境偏好知識庫中選擇出可以推送該內容的情境構成待匹配的目標情境集（STS，Set of Target Situations） ，取得其中的主上下文屬性：時間、位置，通過設置特定的時間間隔探測的方式，如果時間與某個情境中的時間匹配，則調用位置感知服務取得用戶的位置信息判斷與該情境中的位置是否匹配，若匹配，再通過調用各種Web服務來獲取該情境中其它的上下文信息，然後繼續匹配步驟， 直到現實情境與知識庫中的某個目標情境的總體匹配度滿足要求，則履行推送任務，過程結束，否則需要繼續獲取下一個上下文類型。若最終的時間匹配度不滿足閾值，則放棄該目標情境，進行具有時序關係的下一個目標情境的匹配工作。如：一個目標情境：TSituationi={c1： V1=周末；c2： V2=下午16：30-17：30時段；c3： V3=公園；c4： V4=休息}，首先對情境屬性c1（表示周時段屬性）進行匹配，若匹配程度滿足要求，再對c2（表示日時段屬性）進行匹配，依次類推，直到總體匹配度滿足閾值，則作出推送決策。
【關鍵詞】普適個性化推薦 上下文感知 螺旋模型 語義網服務
一、引言
以普適計算為核心的信息環境帶來了許多新的生產模式和生活理念，成為未來不容忽視的巨大經濟驅動力，不少國家都將普適信息環境的建設作為新一輪國家信息產業戰略的主導[1]。普適個性化內容推薦是指根據用戶偏好、行為習慣和時空環境等因素，將相關內容通過各種網絡和終端主動推送給用戶的一種動態的個性化服務模式。該領域的研究將個性化服務、上下文感知計算和語義Web服務等領域的方法和技術相結合，致力於在一種開放、動態和集成的環境下，給用戶提供隨時隨地的，更具針對性、多樣化和智能化的服務[2][3]。這些問題的研究對於支持內容服務模式的創新和內容服務行業的發展具有很大的理論意義和商業價值。
目前，該領域的研究仍處於探索和試驗階段，成熟的規模化應用並不多見，主要問題在於缺乏從知識發現與知識組織視角構建情境與服務關係的方法，缺乏集成多種內容推薦業務的支持性系統的解決方案[4]。由於目前缺少從數據分析、知識管理視角構建情境與用戶內容偏好關聯的研究，那麼在給用戶提供服務的工作過程中需要哪些類型的上下文數據，採取何種策略和次序獲取並將其與知識庫中的目標情境匹配，當存在不完全匹配問題時應採取何種策略等，對於這些後續問題的研究就更加薄弱。本文在前期研究[5]的基礎上針對普適推薦服務的目標，結合語義Web服務技術，研究普適個性化內容推薦支持性系統的工作機理，情境化用戶偏好知識庫的利用過程，建立各種服務之間的邏輯時序關係，以保證服務執行的有序性。
二、基於螺旋模型的服務運作模式
（一）上下文信息獲取的依賴關係。
本文將上下文（Context）定義為描述用戶情境（Situation）特徵的信息。上下文之間具有推理關係、類屬關係，一種上下文數據的獲取需以另一種數據的獲取為前提。在系統實際運行過程中並非時刻對知識庫中描述目標情境的所有上下文數據進行一系列的獲取、推理和匹配任務。
在情境偏好分析中，處理的是用戶與系統交互的歷史數據，對描述情境的上下文數據並不需要區分獲取時的依賴關係。例如，要獲取天氣情況的數據，先要獲取用戶位置數據；要獲取用戶活動狀態信息，首先需獲取時間、位置、用戶日程等信息再通過推理導出等。然而，在系統的工作過程，並不是時刻對所有的上下文數據進行獲取、解釋、然後對目標情境進行匹配。因為目標情境中的上下文屬性值對之間是合取關係，那麼在對目標情境和現實情境的匹配時首先只需得到較容易獲取的上下文數據，例如：時間、位置等，當這些上下文數據與情境中的上下文取值匹配時，再獲取其它的上下文數據，如：溫度數據、用戶活動狀態等。這樣減輕了系統運行的工作負載，利於節省服務資源、降低時間開銷和用戶費用。圖3-1中描述了部分上下文數據獲取的依賴關係。這裡的主從關係並不同於相關文獻中定義的直接和間接上下文，直接上下文是指原始的上下文數據，間接上下文是指通過推理導出的上下文概念。主上下文是指在獲取過程中不依賴於其它上下文的類型，而從上下文的獲取需要以另一種上下文的獲取為前提。當然，具體應用過程中由於感知設備的採用情況不同，這種主從關係並非絕對不變，例如：如果用戶移動終端上具有溫度感知的功能，那麼可以直接由該溫度傳感器獲取溫度數據，就不需要先獲取用戶位置信息再通過調用溫度Web服務這種虛擬傳感器的方式獲取。
（二）服務運作的邏輯。
內容服務的提供過程中需要多種Web服務共同完成，首先需要一個基本的工作邏輯，以協調各種服務之間的關係和動作，因此設計服務運作過程的螺旋模型。螺旋模型最初的概念源於軟體工程，它是為了降低由於過多的系統測試或測試不足帶來的風險問題而提出的軟體開發過程模型。本文將對螺旋模型進行新的定義，主要目的是解決在服務過程中對目標情境進行綜合匹配時對於過多的上下文處理或處理不足導致的問題：過多的上下文獲取、推理和匹配任務不僅降低了系統運行的效率，同時也增加了為用戶提供服務需要付出的代價；而處理不足又會導致推薦決策的盲目性問題。服務運作過程的螺旋模型如圖3-2所示：
基本思想是：對於時間上下文的處理採取由粗到細的原則，在總體上下文處理上採取由主到次的原則，逐步地對上下文進行獲取和匹配，在綜合評價的基礎上作出內容推送、類目排序或繼續獲取上下文數據的決策。圖中的原始起點表示不考慮任何動態上下文的情況，即是傳統的二維空間方法。例如：若給用戶推送某種內容，通過相似性計算的方法在用戶偏好資料庫中查找到具有該內容偏好的用戶，根據用戶ID在該用戶的情境偏好知識庫中選擇出可以推送該內容的情境構成待匹配的目標情境集（STS，Set of Target Situations） ，取得其中的主上下文屬性：時間、位置，通過設置特定的時間間隔探測的方式，如果時間與某個情境中的時間匹配，則調用位置感知服務取得用戶的位置信息判斷與該情境中的位置是否匹配，若匹配，再通過調用各種Web服務來獲取該情境中其它的上下文信息，然後繼續匹配步驟， 直到現實情境與知識庫中的某個目標情境的總體匹配度滿足要求，則履行推送任務，過程結束，否則需要繼續獲取下一個上下文類型。若最終的時間匹配度不滿足閾值，則放棄該目標情境，進行具有時序關係的下一個目標情境的匹配工作。如：一個目標情境：TSituationi={c1： V1=周末；c2： V2=下午16：30-17：30時段；c3： V3=公園；c4： V4=休息}，首先對情境屬性c1（表示周時段屬性）進行匹配，若匹配程度滿足要求，再對c2（表示日時段屬性）進行匹配，依次類推，直到總體匹配度滿足閾值，則作出推送決策。
收藏