面向云計算的大數據知識服務情景化推薦

摘 要：對于面向云計算的大數據知識服務情景化推薦來說，就是結合客戶的地理條件、實際工作以及平時的閱讀意識等，充分挖掘情景化，同時在巨大的數據海洋中，將用戶所需的知識信息進行提取，這種服務方式是新型的。本文從面向云計算的大數據知識服務情景化推薦的特點入手，對其當前面臨的挑戰進行分析，并從興趣描述以及情境化推薦等方面，構建面向云計算的大數據知識服務情景化推薦體系，從而使知識服務能力和質量效率等方面給予快速的提高，使知識服務產業的發展得以有效推進。

關鍵詞：云計算；大數據；情景化

中圖分類號：G252 文獻標識碼：A 文章編號：1004-7344（2018）35-0258-02

當前我們已經進入大數據時代，使得知識服務行業發生了很大的變化，想要使客戶多樣化需求得以滿足，這一行業必須建立合理的知識服務體系以及體制。而當前情景化推薦服務，就是對現代知識服務體系的不斷改進。利用情景化推薦，能夠根據用戶的相關數據以及其位置、時間數據，以云計算為基礎，對數據進行挖掘，使用戶想要獲取的信息得以有效得到，以提高數據查詢速度為依托，使用戶的實際需求得以滿足，使這一產業的經濟價值以及其它價值的實現有了一定的保障。

1 面向云計算的大數據知識服務情景化推薦的特點

在現代服務行業中，最關鍵的內容就是知識服務，根據用戶的具體情況，篩選其所需的知識信息，使用戶的多樣化需求得以滿足。利用推薦這一方式和手段，能夠使知識服務水平以及質量大大提高，使客戶的現實需求得以滿足。其特點主要有四個方面，見圖1。

（1）面向客戶行為的情景感知推薦，根據用戶的位置、時間等信息，在大數據環境條件進行剖析，以此為基礎，結合用戶的行為特征，推薦客戶的需求，使情景模擬與客戶實際期望更加的符合，使用戶的滿意度大大提升。

（2）這一推薦與大數據物理世界是密切聯系的，其具有真實性，在推薦時，這種情景推薦，能夠確定用戶的個人資料，能夠以實名制的模式，同時利用云計算以及數據挖掘技術，對其物理世界的現實狀態給予全面反映，使知識服務水平大大提高。

（3）預測推薦，其是面向云計算的大數據知識服務情景化推薦的關鍵內容，是結合用戶的個人愛好以及相關記錄，推薦用戶所需的知識服務，以服務成效提升為依托，使客戶應用時的有效性得以全面提升。

（4）交叉利用推薦，數據間的交叉關系、依賴關系是存在的，在知識服務里，情景推薦要與用戶的相關數據密切聯系起來，對供應知識服務的過程中，其對于利用推薦的能力是十分需要的，從而使用戶多樣化需求得以滿足，使服務質量得以提升。

2 大數據下的知識服務情景化推薦存在的挑戰

當前的大數據時代，知識服務行為的信息量越來越多，這一行業必須對合理的路徑以及措施進行尋求，使其工作效率、質量以及服務等能夠快速的提高。所以，就要推進情景化推薦模式，提高服務的推薦成效，相應的提高這一工作的推薦質量。

2.1 信息服務情景化的改變

對于知識服務來說，是將所需的數據資料向需求者進行提供，由于物聯網等相關技術的不斷深入發展，知識信息的增長快速，而且越來越多，想要使人們獲知識的能力得以滿意，這一行業就必須對用戶的知識體系以及結構等給予注重，同時將相應的推薦服務進行實施，使用戶的現實需求得以滿足。然而以往的這一工作，在數據傳送等方面都是有約束，未能結合用戶需求將服務進行提供，未能體現出個性化服務的特點。同時，由于很多的數據信息，會涉及到知識服務的平穩以及有效性，使得其必須以實際情況為出發點，與用戶的具體狀態相聯系在一起，注重用戶的多樣化要求，將合理的知識結構、體系進行推薦，使知識服務質量得以提升。

2.2 大數據條件下知識服務的差異化

在知識庫中，其信息來源是非常廣泛的，庫中的數據數量也是非常巨大的，這些信息必然使得這一工作的困難程度不斷提升，特別是在保存、查詢以及變更數據時，未使大數據的動態分析需求得以滿足，使得數據的使用延時得以產生，使得用戶的使用質量受到影響。此外，由于數據孤島的產生，對知識服務水平有著重要的影響，其主要原因就是由于知識體系未將數據傳輸、共享系統進行建立，未能有效獲取知識，使得用戶的正常使用受到影響。在知識服務時，想要使用戶的情景化推薦更加合理，大多會以實名制的方式為主，然而倘若過度的數據挖掘，會造成個人信息丟失，會使用戶對這一對工作的認可度產生影響。

2.3 大數據獲取難度越來越高

由于互聯網技術的快速發展，大數據的影響會造成這一工作的困難程度越來越大。特別是數據量大、數據信息復雜，使得采集、收集、傳輸知識結構以及機制難度越來越高。同時，由于用戶需求的多樣化，加之市場環境的不斷變化，這樣會造成工作效率以及有效性受到影響。最后，在知識服務推薦過程中，想要使信息安全得以保證，與第三方服務信息進行銜接，使得這一行業的挑戰越來越大。

3 構建面向云計算的大數據知識服務情景化推薦體系

3.1 興趣描述

根據具體的情景興趣實際情況，以及情景化推薦模式與云計算并行推薦，構建情景化推薦體系，從而提高知識服務水平，提升工作效率以及質量，使其多樣化要求得以保障。

3.2 用戶情景興趣描述

想要不斷提高情景化推薦水平，提升推薦質量，就要將用戶評分情景手段進行使用，在評分過程中，用戶可以獲取個人屬性資料。在這之中，評分的內容由Item來表示，同時情景能過Context來表示，利用兩者間的關系對其進行分析，對用戶評分和用戶現在的情景相似情況進行確定，這樣可以有效的描述出用戶情景興趣。

3.3 大數據知識服務情景化推薦

在具體進行推薦時，結合用戶評分，對情景興趣進行剖析，合理的建立推薦途徑。這一途徑必須保證可以獲取評分對其屬性的相關資料，同時結合評分修正情景，再通過評分結果值進行估算的手段，使用戶想要推薦得以完成。

3.4 Map Reduce化的云計算并行推薦

通過Map Reduce中的Map函數，進行編制和設計，使用戶的具體情況和全局搜索策略相符合，這樣使情景化推薦體系，將個性化的服務向用戶進行提供。

3.5 建立情境化推薦方式

在情景化推薦時，一定要對詳細論述推薦流程給予關注。想要使知識服務的科學性、有效性得以實現，就一定要對推薦流程的規范化情況進行注重。它的主要步驟有四個方面：①結合用戶搜索記錄以及情境興趣，通過云計算來進行分析、記錄，通過大數據挖掘技術來對數據庫中的數據進行選擇。②篩選數據資料，通過云計算系統制定合理的服務，同時要與用戶的情境相結合，將與具體情形相區配的服務進行建立。③服務制定結束后，將情境化推薦進行實施，在這時推薦的內容有三點，分別是閱讀方式、內容以及安全，使用戶的現實需求得以滿足。④結合用戶的反饋，完善和改進情景化推薦，使知識服務水平快速提高。⑤在工作時以用戶為主體，在應用推薦時，要對用戶的體驗、感受給予重視，將以用戶為中心的知識服務方式進行建立，使用戶的多樣化需求得以滿足，使用戶滿意度得到提升。此外，還要使精準推送得以落實，持續使這一推薦得以有效的傳輸，使其有效性、精準性得以全方位的提升，這樣才能使用戶的滿意度得到有效的增加。

4 結 語

在現代知識服務中，最關鍵內容就是面向云計算的大數據知識服務情景化推薦，其能夠結合用戶個人信息等資料，將服務向用戶進行合理的推薦，同時使推薦的有效性、實時性得以滿足，使高質量的知識服務向用戶進行推薦，同時結合用戶的需求，來將與用戶實際相符合的個性化、情景化推薦服務進行提供，從而不斷提升用戶的滿意度以及體驗感受，不斷提高知識服務水平，使知識服務行業的平穩發展得以有效推進。

參考文獻

[1]劉海鷗，房俊峰.面向云計算的數據協同過濾并行推薦方法[J].電子商務，2015（3）.

[2]馬曉亭.基于情景大數據的圖書館個性化服務推薦系統研究[J].現代情報，2016（4）.

[3]官思發.大數據知識服務關鍵要素與實現模型研究[J].圖書館論壇，2015（4）.

收稿日期：2018-11-4

作者簡介：徐 瑜（1989-）女，本科，主要從事系統運維項目工作，有多年電信系統運營服務經驗，工作中使用到天翼云服務整合hadoop、storm等多種大數據處理技術，完善電信知識體系。