Ｗｅｂ個性化服務技術優先領域的研究

〔摘 要〕針對人們提出的網絡信息個性化服務內容及相關技術問題，本文重點介紹了當前具有代表性的個性化信息服務優先領域的研究。并認為用戶的興趣和行為表達、聚類與分類、個性化信息服務安全與系統評價等，為目前Web個性化信息系統所采用的關鍵技術中，應重點關注的領域。

〔關鍵詞〕個性化；Web技術；信息服務；優先領域

〔中圖分類號〕Ｇ３５１ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１（２００９）０５－０１２１－０３

Study on Technologies of the Web Personalized Information ServiceShi Jian Liu Hongying

（Library，Fourth Military Medical University，Xian 710033，China）

〔Ａｂｓｔｒａｃｔ〕For the web personalized information services and related technical questions，the paper focused on the current representative of personalized information services priority areas of research.And that the users interests and acts of expression，clustering and classification，personalized information services such as security and evaluation system，for the present personalized Web information systems used by key technology，should focus on areas of concern.

〔Ｋｅｙｗｏｒｄｓ〕personalization;web technologies;information service;priority areas

隨著Web信息爆炸式的增長，人們獲取有用信息變得愈加困難，“信息過量”和“信息饑餓”的矛盾愈顯突出。類似搜索引擎及數據庫檢索等通用性質的工具，已不能滿足不同背景、不同目的和不同時期用戶的查詢請求，個性化服務內容及相關技術問題已成為科技工作者探究的主要課題。目前已存在多種網絡個性化服務系統，如，從最初國外的卡內基#8226;梅隆大學創制個性化導航系統“WebWatcher”開始，已研制出諸如WUM、SETA、TELL IM、WebLogMiner等多個較為成熟的個性化推薦系統；國內也從2000年清華大學的路海明等，提出基于多Agent混合智能實現個性化推薦技術開始，到目前也研制出多個相對成功的個性化服務系統及定制的門戶網站。如網易、新浪的個性化服務，中國人民大學、浙江大學、廈門大學、華東理工大學圖書館的Mylibrary系統，以及中國科學院建立的數字圖書館——基于個性集成定制的門戶網站等^[１－２]。但在實踐過程中，發現仍有很多領域值得繼續深入研究，其中包括：

１ 用戶興趣與行為的表達

個性化信息服務中，必須考慮用戶的興趣、偏好和需求差異對行為的影響，以提高個性化信息服務的針對性和面向用戶的合理性。這給個性化支撐技術的研制和應用帶來較大的困難，因為不同專業、不同用戶個體所表現出來的需求興趣和行為千差萬別，同一技術支撐下的服務內容難以取得相同的滿意程度。利用何種技術方法跟蹤、學習、提取、表達用戶的多興趣，是一個最基本也是最重要的問題。

１.１ 探尋興趣優化的過濾方法

實現個性化服務需要準確的識別用戶，跟蹤用戶的興趣和行為，對用戶的興趣和行為進行描述。由于用戶興趣是多面的、動態的，跟蹤、學習和表達用戶興趣，需開發優化的過濾方法。依據文獻報道，用戶興趣及特征優化的方法主要包括：基于內容的過濾技術、協作式過濾技術、混合方式過濾技術。基于內容的過濾源于信息檢索，采用與信息檢索相似的技術，信息對象的過濾是建立在其內容與用戶興趣相比較的基礎上；協作過濾也稱協作過濾，是“相似”用戶的合作過程，是用戶通過相互協作、依據信息的評價來過濾信息^[３]。與基于內容的過濾相比，基于協作的過濾有很大差別，不是計算信息特征集合的相似度，而是計算用戶的相似度，這種系統通過比較當前用戶與其他用戶的興趣特征之相似度計算出用戶間的相關度，來預測待過濾信息是否為用戶感興趣信息。混合式過濾與其中單純的基于內容的過濾或單純的協作式過濾相比，能使信息過濾系統的相對查全率和相對查準率大幅度提高。

１.２ 建立興趣表達的用戶模型

實現個性化服務需要準確的識別用戶，跟蹤用戶的興趣和行為，同時對用戶的興趣和行為進行描述與概括，構建和更新用戶興趣模型及計算用戶興趣模型的相似性等問題。其中最為關鍵的是如何進行用戶興趣模型的建造^[３－４]。用戶建模過程中面臨諸多問題，其中之一就是用戶模型構建需求內容標準缺乏統一。有人將興趣內容歸為九類，如，個人信息(包括性別、年齡、語言、文化等)，認知方式、設備、使用環境、歷史行為、目標、使用系統的經驗、領域知識等，但并不被廣泛接納。再有則是建模技術。目前用戶建模可分：手工定制建模、示例用戶建模、自動用戶建模等。其中自動用戶建模通過用戶的行為推測用戶對web頁面及其他內容的興趣，無需用戶提供信息，不造成對用戶的干擾，有利于提高個性化服務系統的易用性，較符合前瞻性的發展要求。

２ 個性化過程中的分類和聚類

Web個性化服務是通過對用戶有關數據的分析，來捕獲用戶的行為偏好及興趣以及為用戶提供幫助的一系列服務技術，涉及的主要問題包括：如何充分運用用戶和會話識別、協作過濾、顯示和隱式收集方式以及高效的并行算法，來高效準確地采集、處理Web個性化數據，以保證數據收集和處理的數量和質量。其中分類和聚類技術，特別是聚類技術對于改進興趣信息搜索結果的顯示，具有不可替代的位置。因為它能夠幫助我們發現特征迥異的不同用戶群，輔助信息服務機構對各用戶群的特征進行深刻洞察。目前就已存在比較前沿的分類與聚類算法有：

２.１ 基于模糊聚類方法

模糊聚類是利用模糊等價關系將給定的對象分為一些等價類，通過一定的閾值來確定對象的相似類別。這種聚類方法使得屬于同一類別的用戶之間的相似性升高，而不同類別上的用戶之間的相似性降低。和傳統的聚類相比更顯得有效。因為傳統聚類把目標用戶硬性劃分到某個聚類中。而模糊聚類是一種軟聚類，用戶相對于每個聚類都有一個隸屬度，不會被生硬性劃分到某個聚類中^[５－６]。加之Web站點內容的動態變化，用戶瀏覽Web時目的性不很明確，具有模糊性和不確定性，而模糊聚類算法將用戶對項目的評分轉換為具有相似性的用戶群對項目的評分，然后結合項目類別屬性相似性的影響，計算出目標項目的相似項目集合，就使聚類顯得更自然，更符合客觀實際，比傳統方法中的項目的相似性計算更加精確。

２.２ 基于網格聚類方法

基于網格的方法是采用一個多分辨率的網格數據結構。把數據空間量化為有限數目的單元，形成一個網格結構^[７]。所有的聚類操作都在網格結構上進行。這種方法的主要優點是它的處理速度快，其處理時間獨立于數據對象的數目，只與量化空間中分成多少個單元有關。代表的算法有：sting算法（統計信息網絡）CLIQE算法（聚類高緯空間）、WAVE-CLUSTER算法（采用小波變換聚類）。

２.３ 基于模型的聚類方法

基于模型的方法為每一個聚類假定了一個模型，尋找數據對給定模型的最佳擬合。一個基于模型的算法可能通過構建反映數據點空間分布的密度函數來定位聚類。也可能基于標準的統計數字決定聚類數目，考慮“噪聲”數據或孤立點，從而產生健壯的聚類方法。該方法試圖優化給定的數據和某些數學模型之間的適應性。這樣的方法常基于這樣的假設：數據是根據潛在的概率分布生成的。基于模型的方法主要有兩類：統計學方法和神經網絡方法^[７－８]。

３ 個性化信息服務安全與系統評價

由于Web個性化信息或以MyLibrary為代表的個性化數字圖書館更多地依賴數據庫技術和動態網頁技術，從本質上并沒有改變原有的信息組織方式和安全保障方式，缺乏對用戶特征的定量分析和精確描述及開放機制，用戶無法實現對興趣資源的安全索取和防止隱私濫用，也不能添加自己需要的外部資源及進行有效的系統效果評價^[９]，個性化信息安全保障與系統個性化服務評價標準的建立卻已成為優先研究領域。

３.１ 信息安全技術保障

Web個性化信息安全保障，與通信保密、信息安全兩個概念相比，其層次更高、提供的安全保障更為全面^{[２，１０]}。個性化信息安全保障不僅要求保證個性信息在過濾、存儲、傳輸和使用過程中的保密性、完整性、真實性、可用性和不可否認性，同時還要求把信息系統建設成一個具有預警、保護、檢測、響應、恢復和反擊等六大能力的縱深防御體系。由于當前網絡信息和特征化信息安全是涉及計算機科學，網絡技術，通信技術，密碼技術，信息安全技術，應用數學，數論以及信息論等多種學科的綜合性學科，這給研究人員帶來較大的困難，所以在眾多的個性化系統中，鮮有考慮用戶的個人隱私信息安全問題。但在某些項目方面，如，防火墻技術、數據加密技術、虛擬局域網(VLAN)與虛擬專用網(VPN)技術、入侵檢測(IDS)與安全審計技術、安全掃描與防病毒技術等，已投入不少的人力、物力，研究也已取得成效。今年初，美國網絡安全部門召集在信息安全保障領域做出過卓越貢獻的七名非常優秀的專家，以訪談的形式預測該領域的未來，專家圍繞一些有爭議的和非常尖銳的問題侃侃而談，預測未來15年信息安全保障技術領域可能會有的突破，Steve Bellovin教授看好2個領域，其一是希望可以設計出一種能承受破壞的安全體系機構，使得即使有難以避免的故障，也不可能導致更大范圍的系統滲透；其次是致力于對人的教育，讓其明白各種安全敏感行為所帶來的后患。國內將安全保護及可用性作為信息安全保障的終極目標也越來越受到關注，有人預估^[１０]不到3年時間，信息安全一個新興領域——數據恢復服務行業悄然興起。

３.２ 個性化信息服務評價

網絡信息服務主要是以計算機硬件和通信設備為依托，以應用軟件為手段，以數據庫信息資源為利用對象，將信息提供、信息發布和咨詢服務與中介統一起來，最大限度地實現面向用戶的個性化服務^[１１]。目前在學術界引起廣泛關注的是網絡信息個性化定制服務的手段和內容及其它增值服務，也就是信息企業從各種渠道收集信息、數據，制定統一標準格式，匯編成數據庫，通過網絡對用戶提供服務。諸如，數據庫服務、搜索引擎服務、資源導航服務、信息推送服務等，對其服務質量的評價多基于構建一套基于網絡信息服務指標體系的研究。針對Web信息個性化服務目前還沒有建立一種有效的個性化信息服務評價體系。由于專家的看法并非一致，基本上都落在信息獲得與內容、娛樂性、易用性、安全性、隱私性、可靠性、存取性、回應性、補償性、站點美觀以及個性化等指標上，有必要對網絡信息服務的相關評價指標進行整理與探討，并進一步加以整合^[１２]。建立評估模型，從系統評價(例如：響應時間、內存管理、可擴展性以及互操作性等)、建模性能以及可用性等方面來評價個性化系統的性能。

４ 結束語

個性化是一個非常活躍的研究領域，向用戶提供個性化的信息服務和主動信息服務，無論從理論研究還是實際應用，都具有廣闊的前景。而Web個性化技術仍然是有待發展的技術，本文通過展示Web個性化服務中有待深入研究的幾個核心問題，驅使領域專業研究人員更加警示。與此相關語義信息的有效利用、Web個性化與語義Web的有機融合、以及如何把Web訪問活動自動轉變成本體論及如何從本體論中歸納出個性化使用等，都是目前重要的研究課題。

參考文獻

［１］楊曉湘，孫坦.中美圖書館MyLibrary個性化服務系統的比較研究［Ｊ］.現代情報，2005，(10)：218-221.

［２］吳輝娟，袁方.個性化服務技術研究［Ｊ］.計算機技術與發展，2006，(2)：32-35.

［３］梁勁.基于Web用戶訪問信息挖掘技術的個性化定制服務［Ｊ］.福建電腦，2008，(2):147-148.

［４］蔣衛星，張彬，金甌.Web個性化技術研究綜述［Ｊ］.計算機應用與軟件，2008，(5)：34-35.

［５］溫會平，陳俊杰.基于用戶模糊聚類的個性化推薦算法［Ｊ］.計算機與數字工程，2008，(2)：13-16.

［６］柴世紅，康正軍.基于模糊聚類的網站用戶分類［Ｊ］.甘肅科技，2008，(3)：20-23．

［７］于洪濤，段軍義，杜照豐.一種基于聚類技術的個性化信息檢索方法［Ｊ］.計算機工程與應用，2008，(8)：33-36.

［８］陳為思，張前磊.自適應個性化數字圖書館用戶建模研究［Ｊ］.江西圖書館學刊，2008，(2)：75-78.

［９］付曉翠，許盈.基于Web數據挖掘的個性化搜索引擎研究綜述［Ｊ］.現代計算機：專業版，2008，(3)：141-144.

［１０］馬芳，葉惠敏.國外信息安全保障技術的回顧與前瞻——國外專家談2008年信息安全保障問題［Ｊ］.信息安全與通信保密，2008，(6)：14-19.

［１１］盧濤，雷雪.網絡信息服務質量評價及其實證研究［Ｊ］.圖書情報知識，2008，(1)：35-40.

［１２］焦玉英，雷雪.基于用戶滿意度的網絡信息服務質量評價模型及調查分析［Ｊ］.圖書情報工作，2008，(2)：81-84.