维普资讯 http://www.cqvip.com
商业研究 基于Ｗｅ ｂ的信息过滤模型研究 一徐义峰［摘衢州学院蒋慧新周浩衢州中专 要］信息过滤技术是当前研究的热点。该文简单地介绍了信息过滤中常用的三种模型：向量空问模型、模糊模型和 概率推理模型 ３模糊模型 自从模糊集合这一概念被提出之后．模糊集合在实际中得到 布尔逻辑模型，并提出了一种基于概率推理的过滤模型，它能够更好地满足用户的需求。 ［关键词］信息过滤一，引言 个性化信息服务中的信息过滤技术试图跟踪和把握用户的潜 在信息需求，比较资源和用户描述文件．对动态信息流进行过滤， 尽量屏蔽无用信息．向用户主动提供信息资源列表，从而提高用 户获取信息的效率。过滤技术是保证个性化信息服务准确性的基 本技术．其面临的基本问题包括：资源特征选取与表达，用户兴 趣的表达与更新以及相似性计算方法。其基本过程为：在同一特 征空间下．建立资源特征向量和用户描述文件：根据用户描述文 件，比较系统内所有资源特征向量与用户描述文件之间的相似 度：把相似度高的资源推荐给用户。信息过滤模型可以分为向量 空间模型、布尔逻辑模型和模糊模型等。不同的检索模型有不同 的过滤方法。 二、过滤模型 １．布尔逻辑模型 布尔模型是一种相对简单的模型，采用布尔代数的方法．用 布尔表达式表示用户提问．通过对文献标识与提问式的逻辑比较 来检索文献的一种模型。在过滤的过程中．它以文献中是否包含 关键词来作为取舍的标准。因此它不需要对网页数据进行深度的 加工。最简单的关键词表可以设计成只有三个字段：关键词 包 括关键词的文献号、关键词在相应文献中出现的次数。过滤时．提 取请求的页面的关键宇提交给系统．系统通过逻辑与、逻辑或、逻 辑非等运算得到包含有关键词的文献．然后根据关键词的重要性 和它在文献中出现的次数来决定文献的排列顺序，从而决定是否 要过滤掉一些页面。在实际应用中．还利用了其他一些因素来优 化返回给用户的结果集。 基于布尔逻辑模型的信息过滤技术其特点是简单．易理解 易实现 易接受 用户操作方便 查全率较好等。但是它的缺点 也很明显．如不能进行相关性排序 无法区分标引词的重要程度 对用户的素质要求较高，和用户交互较少，没有充分利用用户信 息．查准率相对较低等．这些都了布尔模型的应用，也促使 人们不断地提出新的模型。 ２．向量空间模型 在一向量空间模型中构造的信息过滤系统中，用字项来标识 文档。如一个包含不健康信息的文档Ｄ．用一个ｍ维向量来表示， 其中ｍ是能够用来表示文档内容的字项的总数。给每一个宇项赋 予一个权值．用来表明它的重要程度。该文档Ｄ的向量表示为Ｄ＝ （Ｗ ，Ｗ，，…．Ｗ ）。其中Ｗ．表示第ｉ个宇项的权值。在进行信息 过滤的过程中，首先对请求的页面数据进行加工．将其看成是一 个由ｎ个词组成的向量Ｐ，然后比较向量Ｐ和向量Ｄ的相似程度。 通常使用的方法是取两个向量的余弦值，根据它们夹角的大小来 判断相似程度。最后．根据相似程度来决定是否要过滤掉该页面。 广泛的应用。在经典集合概念中．每个元素相对于确定的集合而 言可描述成”非此即彼”．而对于模糊集合．每个元素都有对应于 该集合的一个隶属度．该元素与该集合的关系可用隶属度来表示。 将模糊集合的概念应用到信息过滤中．由于模糊性更能有效地表 示”有关的”．”类似”等概念．更接近于对信息的抽象的理解。每 个领域被定义为一个模糊集．领域关键宇作为集合的元素．它的 隶属函数表示了它与该领域的相关程度。同一个领域关键字可跟 不同的领域有或强或弱的相关性。 在进行信息过滤时．首先对用户请求的页面进行切词处理， 提取核心含义，确立关键词及其运算关系：然后求关键词的分布 矢量与要过滤的主题矢量之间夹角的余弦值．根据所求得的余弦 值是否大于事先所设定的门槛值．从而决定是否过滤掉该页面。 三 基于概率推理的过滤模型 矢量空间模型只能表达用户感兴趣的主题词．不能很好地区 别用户兴趣之间的差异。传统的概率模型是先建立一个领域分类 模型．然后计算所有文档和用户兴趣在这个分类模型上的概率分 布．用该概率分布来表达文档和用户兴趣就可以很好的体现用户 兴趣的多样性，而且易于实现。传统的概率模型虽然能区分用户 兴趣的差异和表达用户兴趣的多样性，但是不能表达用户兴趣的 喜爱程度。因此本文提出的改进的概率模型．不仅能够表达用户 感兴趣的主题词，而且能够表达用户兴趣的程度。 在此概率模型中．假定领域类别的集合为ｃ＝｛ｃ，．Ｃ。．……． Ｃ ；。其中ｋ为模型的大小，Ｃ 表示第ｋ个领域类别，则资源表示为 一个条件概率的矢量：Ｑ－－＜ｐ（Ｃ ｌ ｄ．），Ｐ（Ｃ，ｌ ｄ ），……．Ｐ（ｃ ｌ ｄ．）＞。其中ｄ．代表资源ｉ的加权关键词向量．Ｐ（Ｃ １ ｄ）表示资源 在类别．中从属度．用．，表示。资源矩阵表示为： Ｑ＝ １ 用户兴趣的描述不仅利用关键词向量空间模型表达用户兴趣 的主题．而且还利用对用户行为的打分表达用户的类别偏好。用 这种方法描述的用户兴趣描述文件由两部分组成：ｕ ＝（Ｃ，．Ｓ，）。其 中ｓ 代表用户的关键词向量．ｃ 代表用户的类别偏好。用户的类 别偏好度向量表示在资源分类的基础上．描述用户对各类别的感 兴趣程度，所有ｋ个用户组成矩阵Ｃ。Ｃ计算为：ａ Ｃａ＝Ｃ Ｃ （ ……．Ｃ ）。Ｃ 为用户ａ在类别ｊ中的感兴趣度．即用户ａ对类别ｊ中所 有资源感兴趣度之和．即：Ｃ ａｉ＝∑Ｖ ．（ｉ∈ｆ ）。其中Ｖ 为用户对 资源 的感兴趣度。用户的很多行为如查询 浏览页面和文章、标 “商场现代化 ２００６年１１月（上旬刊）总第４８４期 维普资讯 http://www.cqvip.com
商业研究 从关系营销到客户关系管理ＣＲＭ： 电子商务时代的营销刨新 一刘东辉谷波上海理工大学商学院 ［摘 要］ＣＢＭ（Ｃｕｓｔｏｍｅｒ Ｂｅｌａｔｉｏｎｓｈｉｐ Ｍａｎａｇｅｍｅｎｔ）即客户关系管 理，相对传统的营销理论它既是一种新型的管理思想，从“以客 户为中心”的这个理念上讲，又是对关系营销理论的一种继承和 发展，同时在当前电子商务时代，客户关系管理也是一套具有创 新意义的可操作的企业管理软件和技术，为现代企业创造更多的 表示为：ｃ＝［塞］＝Ｅ三主 苎］ 价值。 ［关键词］关系营销 客户关系管理 营销创新 对于用户ａ．计算每项资源ｉ是否符合用户兴趣．先计算资源 一、从传统营销观念到关系营销 向量Ｑ．和用户向量ｃ 之间的余弦相似度：ｓ ，ｃａ） 龋。当 享有”现代营销学之父”之美誉的经济学家Ｐｈｉｌｉｐ Ｋｏｔｌｅｒ在其经 典著作（（Ｍａｒｋｅｔｉｎｇ Ｍｍａｇｍ￣ｔ））一书中总结了营销观念发展的五个阶 段．即生产观念／产品观念、推销观念、市场营销观念和社会营销观 ｓｉｍ（Ｑｉ．Ｃａ）大于某一阀值时．将ｔｏｐ（ｎ）推荐给用户。 念五个阶段（如下图）。生产观念／产品观念以及推销观念的共同之 四 算法 处在于没有真正重视客户的需求．仅把交易看作是营销的基础从而一 输入：用户兴趣模型ｕ。．资源描述模型Ｑ ．资源分类ｋ 味追求交易利润最大化．没有把与客户建立和保持广泛密切的关系摆 输出：向用户ａ推荐Ｎ项资源 在重要位置。２Ｏ世纪８Ｏ年代流行的”大营销”理论则是研究企业在 过程 全球市场进行营销的问题．较之前有所进步的地方在于它强调了企业 Ｆｏｒ Ｉ＝１ ｔＯ ｎ 必须在与客户的买卖双方的共同利益和目标下．为达到彼此间互助互 根据Ｑ。与ｃ ．计算用户ａ与资源ｉ之间的基于类别的相 利、和谐一致而采取合理的态度和行动。 似度ｓｉｍ（Ｑ ．Ｃ ） 年代 ｉｆ ｓｉｍ（Ｑｉ．Ｃａ）＞Ｗ ９０年代 根据Ｄ 与ｓ ．计算用户ａ与资源ｉ之间基于关键词的相 ∞年代 似度Ｓｉｍ（Ｄ．．Ｓ ） ｅｎｄ ｆｏｒ ｆｏｒ ｊ＝１ ｔＯ ｋ ｉｆ Ｃ＞Ｏ ａｊ 对类别ｊ内的资源按照相似性的大小排序．把排序靠前 ｔ 理念的挂晨 的Ｎ．项资源推荐给用户ａ 朗ｔ’岫 豹历史美晨 ｅｎｄ ｆｏｒ 关系营销是随着大市场营销理念的发展于上个世纪９０年代产生 五、结束语 的。并且在以上各个阶段营销思想的基础Ｅ对营销过程和营销方式进行 信息过滤技术的出现逐渐受到重视．是源于网络用户对信息 了整合。业界是这样定义关系营销的：关系营销是指企业为了建立、维 获取在数量得到满足后的更高的一种要求。在信息过滤中．除了 系、发展与其运作过程中相关的外部市场和内部市场的长期友好关系． 以上谈到的用户模型与文档表示技术、匹配技术等需要进一步优 而制订详细、适当的营销计划．实施直接、有效的营销活动。 化之外．还应该注意智能过滤Ａｇｅｎｔ和协同过滤等过滤机制在搜 关系营销认为企业的营销活动是一个与消费者、竞争者、供应 索引擎中的应用。 商、分销商、机构和社会组织发生互动作用的过程．正确处理与 这些个人和组织的关系是企业营销的核心．是企业成败的关键．首次 参考文献： 强调了客户关系在企业战略和营销中的地位与作用．而不是单从交易 ［１］曾春：信息过滤的概念表示与算法研 Ｄ］．北京：清华大 利润的层次上考虑。 学，２００５ 二、ｃ同 出现的背景及其必然性 【２］刘伟成焦玉英：网络信息过滤的方法与相关技术研究［Ｊ］． ２１世纪迎来了信息经济、网络经济、知识经济的新纪元．信息技 现代图书情报技术，２ｏｏ２（４）：４８－－５０ 术的发展信息技术的发展使得人与人之间的时空距离相对缩短．企业 【５］苏 云 马慧芳：基于Ｗｅｂ的信息过滤技术［Ｊ］．情报技术， 之间、企业与顾客之间的依赖性、相关性也越来越强．彼此之间的交 ２００５（５）：７２－－７６ 流和协作更加便利。 “商场现代化 ２００６年 月（上旬：Ｆｔｊ）总第４８４期
