【摘要】：對(duì)于能否進(jìn)行社會(huì)預(yù)測(cè),歷來爭(zhēng)議頗多。但無可爭(zhēng)議的是,每一次科學(xué)技術(shù)的進(jìn)步,都會(huì)給社會(huì)預(yù)測(cè)打開一扇能夠見到光明的窗戶。系統(tǒng)動(dòng)態(tài)分析技術(shù)如此,神經(jīng)網(wǎng)絡(luò)分析技術(shù)亦是如此。而今天產(chǎn)生的基于大數(shù)據(jù)的"推薦系統(tǒng)"技術(shù),又是一個(gè)鮮明的例證。將產(chǎn)生于電子商務(wù)活動(dòng)分析的"推薦系統(tǒng)",提升到社會(huì)預(yù)測(cè)層面加以研究,是充實(shí)社會(huì)預(yù)測(cè)方法系統(tǒng)的一個(gè)重要嘗試。
【圖文】：

?(一)“推薦系統(tǒng)”的運(yùn)作模式。1．“推薦系統(tǒng)”模型。(1)基于行為個(gè)體或集體的“推薦系統(tǒng)”模型［2］。此模型假設(shè)行為個(gè)體或集體之間的活動(dòng)具有相似性或相關(guān)性，即某行為個(gè)體會(huì)作出與其他行為個(gè)體相似的決定。例如，用戶1、2、3、4均在網(wǎng)上買過產(chǎn)品a、b、c，因此對(duì)用戶1進(jìn)行推薦時(shí)，通過相似度匹配，系統(tǒng)會(huì)將用戶2、3、4定義為與1相似的用戶，而用戶2、3、4又均購買過產(chǎn)品d，因此將產(chǎn)品d作為首選推薦給用戶1;用戶2、3、4中有兩個(gè)人買過產(chǎn)品e，因此將產(chǎn)品e作為第二推依次類推生成產(chǎn)品d＞e等的推薦結(jié)果，過程如圖1所示。圖1產(chǎn)品推薦過程基于行為個(gè)體或集體的“推薦系統(tǒng)”模型可以理解為，通過具體行為個(gè)體或集體之間的信息交流，抽象出所需要的指標(biāo)化行為個(gè)體或集體模型。同樣，由具體的被推薦對(duì)象信息抽象出指標(biāo)化的被推薦對(duì)象模型。推薦算法則在行為個(gè)體或集體模型與被推薦對(duì)象模型之間起橋梁紐帶作用，經(jīng)過邏輯分析計(jì)算之后，得出科學(xué)合理的推斷，輸出結(jié)果，完成整個(gè)過程的推薦，如圖2所示。(2)基于項(xiàng)目的“推薦系統(tǒng)”模型［3］。和基于行為個(gè)體或集體“推薦系統(tǒng)”模型的假設(shè)不同，基于項(xiàng)目的“推薦系統(tǒng)”模型假設(shè):項(xiàng)目A1與項(xiàng)目A2非常相似時(shí)，當(dāng)具備有與選擇項(xiàng)目A1的相似條件時(shí)，系統(tǒng)則會(huì)主動(dòng)將項(xiàng)目A2推薦給決策主體。該模型與基于160

圖2基于行為個(gè)體或集體的“推薦系統(tǒng)”模型行為個(gè)體或集體“推薦系統(tǒng)”模型相比，具有一定的優(yōu)勢(shì)，它的推測(cè)范圍具有相當(dāng)?shù)难诱剐�，在行為個(gè)體或集體信息缺失的情況下，同樣可以作出科學(xué)合理的推論。它的核心算法是計(jì)算項(xiàng)目之間的相似性，通過分析事件的歷史行為進(jìn)行科學(xué)估計(jì)，如圖3所示。圖3基于項(xiàng)目的“推薦系統(tǒng)”模型2．“推薦系統(tǒng)”算法。推薦算法在整個(gè)“推薦系統(tǒng)”中起類似于人體大腦的作用，是“推薦系統(tǒng)”的神經(jīng)中樞部分，決定著“推薦系統(tǒng)”性能的成敗。在諸多算法中，基于協(xié)同過濾推薦算法的應(yīng)用最為廣泛［4］。協(xié)同過濾系統(tǒng)利用用戶(行為個(gè)體或集體)對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)計(jì)算用戶相似性或項(xiàng)目相似性，然后根據(jù)相似性進(jìn)行預(yù)測(cè)推薦。協(xié)同過濾系統(tǒng)優(yōu)點(diǎn):第一，能夠過濾難以進(jìn)行機(jī)器自動(dòng)內(nèi)容分析的信息，如隨意的個(gè)人行為。第二，共享其他人的經(jīng)驗(yàn)，避免了內(nèi)容分析的不完全和不精確，并且能夠基于一些復(fù)雜的，難以表述的概念(如信息質(zhì)量、品格)進(jìn)行篩眩第三，有推測(cè)新信息的能力�？梢园l(fā)現(xiàn)內(nèi)容上完全不相似的信息，用戶對(duì)推薦信息的內(nèi)容事先是預(yù)料不到的。要掌握協(xié)同過濾推薦系統(tǒng)，必須了解基于記憶的推薦算法�；谟洃浀乃惴ǜ鶕�(jù)系統(tǒng)中所有被評(píng)過分的產(chǎn)品信息進(jìn)行目標(biāo)匹配與預(yù)測(cè)。假設(shè)U={u1，…，ua，…，ub，…，um}代表用戶集合，用P={p1，…，px，…，pn}代表集合，用R代表評(píng)分項(xiàng)的n*m評(píng)分矩陣(見表1)，這里的a和b∈1……m，x∈1……n。設(shè)需要預(yù)測(cè)的值為用戶對(duì)項(xiàng)目的打分R，則預(yù)測(cè)函數(shù)形式有以下幾種。第一，，余弦相似性［5］。設(shè)用戶a和用戶b在m維對(duì)象空間上的評(píng)分表示為向量a，b，則sim(a，b)的相似性計(jì)算方法為:sim(a，b)=cos(a，b)=a·b‖a‖·‖b‖(1)其中cos(a，b)?
【作者單位】： 天津工業(yè)大學(xué)公共危機(jī)管理研究所;
【基金】：國家社會(huì)科學(xué)基金重點(diǎn)資助項(xiàng)目“基于政策模擬的社會(huì)穩(wěn)定風(fēng)險(xiǎn)研究”(13ASH00)
【分類號(hào)】：C91

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閻耀軍;社會(huì)預(yù)測(cè)的賭博和博弈——試論社會(huì)預(yù)測(cè)與自然預(yù)測(cè)的根本差別及其要義[J];理論與現(xiàn)代化;2004年02期

2 閻耀軍;;為社會(huì)預(yù)測(cè)辯護(hù)——社會(huì)預(yù)測(cè)客體的因應(yīng)及主客體之間的博弈[J];未來與發(fā)展;2006年05期

3 張梅花;;論社會(huì)預(yù)測(cè)的價(jià)值及挑戰(zhàn)[J];未來與發(fā)展;2006年10期

4 ;社會(huì)預(yù)測(cè)的種類和特點(diǎn)[J];黨建研究;2011年12期

5 秦麟征;西方現(xiàn)代社會(huì)預(yù)測(cè)的幾個(gè)問題[J];國外社會(huì)科學(xué);1981年09期

6 高飛;社會(huì)學(xué)要研究社會(huì)預(yù)測(cè)[J];湖北師范學(xué)院學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);1990年04期

7 ;社會(huì)預(yù)測(cè)(Social Prediction)[J];青年研究;1993年10期

8 閻耀軍;試論社會(huì)科學(xué)與社會(huì)預(yù)測(cè)[J];社會(huì)科學(xué)戰(zhàn)線;1997年06期

9 閻耀軍;社會(huì)科學(xué)與社會(huì)預(yù)測(cè)[J];社會(huì)科學(xué);1998年12期

10 閻耀軍;;為社會(huì)預(yù)測(cè)辯護(hù)(三)——論規(guī)律作為社會(huì)預(yù)測(cè)的基礎(chǔ)和前提[J];江蘇社會(huì)科學(xué);2006年03期

相關(guān)重要報(bào)紙文章 前1條

1 記者 塔西雅娜;指標(biāo)體系為骨骼 理論模型為靈魂[N];中國社會(huì)科學(xué)院院報(bào);2006年

相關(guān)碩士學(xué)位論文 前2條

1 吳建;社會(huì)預(yù)測(cè)在歷史發(fā)展中的地位和作用[D];東北師范大學(xué);2013年

2 劉曉宇;論當(dāng)代宿命論影響的深層原因[D];吉林大學(xué);2009年

本文編號(hào)：2537045