智能推薦系統在個性化數據挖掘中的應用研究

王珊珊

（安徽國際商務職業學院 安徽 合肥 231131）

0.前言

互聯網技術的不斷發展與革新，致使數字化家庭這一概念已然成為現實。就當前而言，人們在運用互聯網技術進行觀影、購物以及看書等日常活動時，越來越希望各項app 或網頁能夠為自身推薦具有個人偏好的信息。一般來說，智能推薦系統的成功運用是通過把不同用戶的個人信息或個人偏好與特殊的參數數據相比較，得出相對客觀的結論，進而預測用戶對于一些未接觸項目的喜好程度。這里所說的參數數據不是一個特定的元素，即可能是用戶所處的社會環境與社交關系，也可能是從用戶曾經接觸過的類似項目中得出。

1.系統構成

本文中所涉及的網絡影視智能推薦系統具有兩個重要目標，其一是能夠依據不同用戶的行為喜好，從海量的影視數據庫中篩選出適宜的影視推薦項目；其二是能夠實時、迅捷為用戶更新偏好信息。

為了將這兩個目標變為現實，本文將構成一個三層應用處理的系統。即當系統收到用戶發出的請求時，系統接口就會迅速將用戶的請求發送至系統的中間層，隨后位于中間層的搜索引擎就會迅速作出反應，并根據用戶的各項偏好信息與自身影視媒體庫的內容進行分析處理，最后再把分析出的數據內容制定成推薦列表傳回給用戶。用戶在收到由智能推薦系統所推薦的影視數據時，可以通過點擊試看或預覽影視介紹等方式，決定是否采納觀看系統所推薦內容。只要用戶確定其所偏好的內容，系統就會利用自身的索引技術為用戶提供相應的影視資源[1]。總而言之，該系統主要由三子系統所組成。

1.1 管理員子系統

該子系統主要執行影視數據庫的資料進行實時更新、定期刪減與管理用戶信息等任務，進而保障該系統搜索引擎的時效性，使之能夠迅速完善參數設置，改善相應的關聯機制。

1.2 用戶信息處理子系統

該子系統主要管理用戶的個人信息檔案，例如用戶的民族、性別、職業、社交與年齡等等。除此之外，該系統還將管理個人用戶的交易信息，為用戶提供相應的注冊、充值與登錄等服務。

1.3 推薦子系統

推薦子系統是管理關聯機制的重要力量，通過與其他子系統的相互配合，迅速為用戶推薦出具有個性化與智能化的影視推薦項目。該系統的構建是基于資料搜索技術的，并結合了不同用戶的交易信息與個人基礎信息庫。

2.系統方案

以上述系統構成為基礎，整個系統實質分為客戶端程序與推薦程序兩個部分組成，下面將分別闡述兩大程序。

2.1 客戶端程序

智能推薦系統的客戶端程序主要由兩項重要技術作為其支撐點

2.1.1 智能化的自主學習技術

當用戶在互聯網上選擇影視作品進行觀看時，必然有一個篩選與點擊的過程，這個時候客戶端程序就能根據不同影視作品的點擊頻率或不同用戶主體的選擇偏好與規律，學習用戶不同的偏好習慣或點擊特性。客戶端在對用戶進行影視作品推薦時，必須要找出影視作品內容與用戶本身的關聯性[2]。根據此，影視作品的信息、用戶自身的檔案資料與消費記錄之間，必須引入客觀正確的關聯機制。通過關聯機制發現三者之間存在的客觀規律，能夠推進搜索引擎的使用效力，并能夠更加快捷有效地整和諸項信息，得出較為正確恰當的規則信息。其中規則有效形式的產生必然是通過挖掘推導用戶的個性化數據而得出的。通過此種方式，就能讓用戶在登錄客戶端時，推薦系統就能迅速作出處理，調用自身的規則數據庫。經歷適用程序后定能為用戶推薦出適宜的影視信息資料。

2.1.2 智能化的特性分析技術

對于特性分析技術而言，其目的是為了探尋出影視作品內容與用戶本身個性化需求的聯系。其運行規則主要分為兩個部分，即形式多樣、內容自由的用戶個人信息以及自由組合的影視作品資料。這里的用戶個人信息主要包含性別、歲數、星座屬相、職業與興趣愛好等方面，而影視作品資料主要是作品導演、男一號、女一號等內容。通過收集整理這些數據能夠在系統中形成較為客觀的關聯機制[3]。

2.2 智能推薦程序

2.2.1 基本內涵

結合全文我們不難得出，智能推薦程序主要是為了在海量的信息中，對各項因素進行分析處理，并運用相應的規則機制，進而作出正確的信息供應。依據影視作品的相應特性，可以將影視資源的篩選推薦與排序選擇建立在用戶未看過的基礎上，另外影視作品的新舊特性也是程序進行排序、推薦的重要依據內容，將新興的影視作品放在優先推薦地位較為符合現代人的審美與喜好。最后，影視作品的點擊率也是評判其排序順序的重要依據，通常情況下，將點擊率較高的影視作品放入推薦作品的優先級地位也是符合客觀規律的。

2.2.2 程序設用邏輯

輸入：用戶信息、用戶消費記錄、影視作品資料、關聯機制。

輸出：≤十五部推薦影視作品（根據實際情況）。

首先，當用戶利用互聯網技術登錄到我們的系統后，系統將會依據用戶的登錄情況判定用戶是新興用戶還是老用戶。如果該用戶是第一次用該系統，那么系統就會根據用戶所提供的個人信息尋找內部是否有適宜的關聯機制，若是系統能夠成功尋找出對應的關聯機制，就會通過內部關聯機制尋找出適合用戶的≤十五部影視作品進行推薦，。但是如果系統內部沒有與用戶個人信息所對應的關聯機制，系統就將為用戶推薦當下最為熱門的十五部影視作品[4]。

再者，當用戶登錄系統后，登錄信息現實該用戶為本系統的老用戶，那么這個時候系統也將主動尋找是否有與該老用戶相對應的關聯機制，與新用戶不同的是，當系統尋找到與該老用戶對應的關聯機制，并為該用戶篩選出適宜的≤十五部影視作品時，還將進一步分析該老用戶的消費記錄，根據用戶消費偏好，然后再為老用戶推薦適宜的作品。如果系統未能找到與該老用戶相匹配的關聯機制，那么系統就將直接分析該老用戶的消費偏好，進而為用戶推薦相對適宜的≤十五部影視作品。

系統利用關聯機制分析出不同用戶的觀影喜好時，還需要進一步判斷其具體內容與種類，然后才從類似的影視作品中尋找出符合篩選與排序原則的推薦作品。

消費記錄是智能推薦系統為用戶推薦何種影視作品的重要依據。故此，系統首先就需要從用戶的消費記錄中尋找到用戶最為喜歡的幾種影視作品類型，除此之外，用戶的偏愛型影視作品也是需要系統作統計分析的，例如有多部用戶曾看過的影視作品都由某一位演員出演，系統就可以對那位演員所出演的影視作品作類型分析，然后在于之前所選出的幾種影視作品類型相對比，將與之前類型影視作品的類型單獨分出來，形成一個新興推薦影視作品類型，隨之再根據比例關系合理分配不同類型影視作品數目，并最終推薦給用戶。

在本系統中，如何在同一類型影視作品中挑選出適宜的幾個影視作品同樣需要遵循相關規則，以求智能化的深入。面對這個問題，我們借助前文可以發現，當同一類型的影視作品中出現了用戶所偏愛的演員時，有用戶偏愛演員的作品當然被列入優先級，但是如果同一類型中并為出現用戶所偏愛的演員，則需要遵循篩選與排序原則進行智能化影視作品推薦。除此之外，如果系統分析出的用戶喜好影視作品類型根本就沒有其所偏愛的演員出演，那就可以直接利用不同類型影視作品總數量的比例關系，進而確立不同類型所需分配的推薦數量，并經過篩選與排序原則進行精化推薦，以滿足用戶對于個性化與智能化需求[5]。

3.結語

本文立足社會實際需求，提出一套智能影視作品推薦系統的構成方案。該推薦系統扎根于個性化數據挖掘中，并通過利用協同信息篩選技術，幫助系統對用戶進行個性化影視作品推薦具有重要積極意義。不得不說智能推薦系統確實具有其特點與優勢，但是在本文中由于相關數據的缺乏與應用實驗的缺失，必然不能對智能推薦系統有一個全面的認識與研究，但筆者相信隨著該項系統的不斷普及應用，定能得到更為長遠的發展。