信息推荐系统：融合用户画像的新体系

我们根据上述构建的融合用户画像的信息推荐系统，采用“分层”的设计方法，将融合用户画像的推荐服务系统体系结构设计为三层，分别是数据获取层、资源分析层和推荐服务层，如图8-4所示。

①数据获取层。该层是整个推荐系统体系结构中的最底层，是融合用户画像的信息推荐系统的重要组成部分。通过用户信息采集模块，以显式收集和隐式收集这两种数据收集方式来对用户信息进行全面的收集。用户信息收集得越全面细致，则构建的用户画像将越精准，越是有利于弥补推荐算法的数据稀缺性问题，提升推荐系统的推荐效果。与此同时，利用评分信息采集模块，获取用户的项目评分，为将来的预测用户评分做基础。

②资源分析层。该层是对所收集到的用户信息进行全面的分析与挖掘，重点在于分析并提取用户的属性特征，即利用当前所主流的文本分析及特征处理算法(如词袋模型、N-gram、Word2vec、TF-IDF等)，由此抽象出用户画像的标签，构建用户画像。同时，选择合适的相似度度量方法分别对用户属性的相似度以及用户评分相似度进行测量，并将结果输送到推荐服务层。

(www.xing528.com)

图8-4　融合用户画像的推荐系统体系结构

③推荐服务层。该层是整个系统体系结构的核心。将用户画像属性信息与“用户—评分”信息进行结合，弥补推荐系统的信息稀缺的缺陷，对各相似度赋予合理的权重，形成综合的用户相似度，并将该相似度融入协调过滤算法中，使得融合用户画像的信息推荐引擎正常运转。融合用户画像的信息推荐引擎负责与系统中其他功能模块的协调，同时执行基于用户画像的协同过滤推荐算法，对目标用户产生相应的推荐评分，并将评分排名Top-N个项目推荐提交给RSS推送服务模块。该推送服务模块将推荐引擎产生的推荐信息实时主动地反馈给目标用户。最后，人机交互接口作为用户和信息推荐系统间信息交互的窗口，实现了用户对各属性信息以及用户对项目资源评价的输入，同时目标用户通过该交互接口得到推荐系统输出的推荐结果。