信息推荐系统：基于用户画像的个性化推荐研究

在互联网世界中，由于可用信息量的爆炸式增长导致信息过载，人们在享受网络资源带来极大便利的同时也受到信息碎片化与信息超载所带来的困扰，与此同时用户们对信息访问的个性化需求也在不断增加。个性化推荐系统采取过滤无关信息或识别用户可能感兴趣的附加信息的形式，通过管理针对单个用户特定的信息来解决过载问题。虽然个性化推荐系统已经在众多领域得到了研究与应用，尤其在电子商务领域的发展不断成熟。但随着系统规模的不断扩大，表征用户特征的数据体量日益增多，数据种类变得更加繁杂，数据更新也日趋快速，对于当前大多数个性化推荐系统而言，都或多或少存在着功能不足的问题。如何从这些海量增长、异构多源和实时高频的数据中攫取有价值的用户信息，在此基础上从相似的用户中尽可能地捕捉用户兴趣，仍然是当前信息推荐领域的研究难点。

在此背景下，用户画像(User Profile)及其应用近年来备受关注。无论是Google趋势还是百度指数，以“用户画像”为关键词的搜索量呈现显著上升的态势。用户画像是用户真实数据的虚拟代表，其根据用户的基本属性内容、情境特征、社交行为习惯等用户属性，抽象得到用户原型，再通过标签的形式，如性别、所在地区、年龄、兴趣爱好、社交行为习惯等，构造出用户的立体“画像”。该画像可以清晰描绘出用户的属性特征，有利于我们分析用户的社交特性、兴趣爱好、行为倾向等，有着极大的应用价值。当前用户画像已经被逐步用于内容推送、应用推荐、产品研发、广告投放、手机个人征信、移动个性化服务等众多领域。尤其是当前的主流网络购物平台，通过将用户画像应用于推荐、搜索、广告投放等方面，让用户享受到非常便捷的服务和体验，给用户个性化服务提供更多的参考。(www.xing528.com)

总之，用户画像作为后续数据分析加工的起点，能够通过收集用户社会属性、偏好特征等维度数据来对用户特性进行刻画，能够有效挖掘用户的兴趣所在，可以弥补个性化推荐系统捕捉用户兴趣偏好能力不足的问题。目前国内外众多研究结果表明，精准的用户画像确实能够有效地提升推荐系统的服务效果。因此，在未来的推荐系统构建过程中，对用户进行画像建模，以此构建用户画像或许将逐渐成为推荐系统提供个性化信息服务的关键。而用户画像作为个性化推荐研究的新视角，亦将成为推荐系统日后发展完善的一个新的突破点。