網(wǎng)絡(luò)信息獲取的應(yīng)用 提高信息獲取的質(zhì)量

申請免費(fèi)試用、咨詢電話：400-8352-114

一、高質(zhì)量信息獲取的背景

互聯(lián)網(wǎng)的發(fā)展，給人們帶來了各個(gè)領(lǐng)域、形式多樣的數(shù)字化媒體信息，對(duì)這些信息進(jìn)行有效獲取和使用，將促進(jìn)人們的學(xué)習(xí)和工作效率。隨著互聯(lián)網(wǎng)的進(jìn)一步發(fā)展，各種基于互聯(lián)網(wǎng)的應(yīng)用也會(huì)逐漸產(chǎn)生，大量應(yīng)用在本質(zhì)上可以抽象為信息的有效獲取和使用，當(dāng)信息從發(fā)送者傳遞到需求者的手中時(shí)，價(jià)值將隨之產(chǎn)生，應(yīng)用將隨之形成。因此，信息的個(gè)性化服務(wù)，即如何將信息傳遞到真正需要這些信息的用戶手中，成為互聯(lián)網(wǎng)應(yīng)用的基礎(chǔ)性研究。

為幫助用戶獲取信息，首先產(chǎn)生了信息獲取的研究，它可以讓用戶根據(jù)自己的信息需求，方便地找到在信息內(nèi)容上與之匹配的網(wǎng)絡(luò)信息資源，例如數(shù)據(jù)庫的網(wǎng)絡(luò)檢索系統(tǒng)、網(wǎng)絡(luò)目錄、網(wǎng)絡(luò)搜索引擎等。用戶每次進(jìn)行信息獲取時(shí)，都要明確地表達(dá)自己的需要，通常通過關(guān)鍵詞組合。這種方式存在如下不足：一方面，用戶有時(shí)難以找到合適的關(guān)鍵詞表達(dá)自己的需要，另一方面，隨著網(wǎng)絡(luò)信息資源的日益膨脹，檢索結(jié)果中存在越來越多的非相關(guān)信息，信息獲取的精度不足。

信息獲取主要關(guān)注用戶的短期信息需求，為提高使用的方便性和信息獲取的質(zhì)量，就要關(guān)注用戶的長線信息需求，因此出現(xiàn)了對(duì)信息過濾技術(shù)的研究，信息過濾技術(shù)假設(shè)用戶的興趣將維持一段時(shí)間基本不變，利用有關(guān)用戶興趣的知識(shí)，建立用戶的模型，從大量的動(dòng)態(tài)信息流中，根據(jù)用戶模型找出用戶感興趣的信息。

通常，我們會(huì)將經(jīng)由信息過濾形成的結(jié)果主動(dòng)推薦到用戶手中，從而形成了個(gè)性化主動(dòng)信息推薦，目前主要基于信息Agent進(jìn)行。通過信息推薦技術(shù)，計(jì)算機(jī)以人為中心，主動(dòng)向用戶推薦信息，滿足用戶的信息需求，這將節(jié)省用戶的時(shí)間，提高其學(xué)習(xí)和工作效率。

通過信息推薦，各種網(wǎng)絡(luò)應(yīng)用可以將相關(guān)的信息主動(dòng)推薦到需要該信息的用戶手中，這一方面實(shí)現(xiàn)了應(yīng)用的價(jià)值，另一方面也提高了用戶的工作與生活質(zhì)量。例如企業(yè)競爭情報(bào)信息的獲取、名人資訊獲取、學(xué)術(shù)研究資料的獲取。高質(zhì)量的信息獲取將成為高質(zhì)量網(wǎng)絡(luò)應(yīng)用的基礎(chǔ)，這既是網(wǎng)絡(luò)應(yīng)用提供者的需要，也是網(wǎng)絡(luò)用戶的需要。

二、高質(zhì)量信息獲取的含義

高質(zhì)量信息獲取通常包括如下含義：

1、信息要準(zhǔn)確：信息推薦系統(tǒng)提供的信息要盡可能地滿足用戶的需求，這就需要對(duì)用戶需求的準(zhǔn)確把握、對(duì)信息內(nèi)容的準(zhǔn)確把握、對(duì)信息內(nèi)容和用戶需求之間相關(guān)性的準(zhǔn)確把握；

2、信息要及時(shí)：網(wǎng)絡(luò)的開放式環(huán)境決定了網(wǎng)絡(luò)上的信息隨時(shí)都在變化，一方面，不斷有新的信息出現(xiàn)；另一方面，原有的信息隨時(shí)都可能成為過時(shí)的信息，因此推薦系統(tǒng)要及時(shí)提供用戶關(guān)注的信息；

3、用戶為中心：信息推薦系統(tǒng)要以用戶為中心進(jìn)行服務(wù)，這就要方便用戶的使用，例如，系統(tǒng)主動(dòng)將信息推薦給用戶；用戶可以方便地表達(dá)自己的需求；系統(tǒng)要及時(shí)適應(yīng)用戶需求的變化。

三、高質(zhì)量信息獲取的相關(guān)技術(shù)

在信息獲取領(lǐng)域，有兩類研究方向：基于內(nèi)容的信息獲取和基于合作的信息獲取?；趦?nèi)容的信息獲取通過分析資源的內(nèi)容建立資源的特征向量，根據(jù)其與用戶需求的相關(guān)性，決定是否將該資源推薦給用戶。合作信息獲取基于網(wǎng)上不同用戶之間的相似性進(jìn)行信息推薦，例如用戶x和用戶y有相似的信息需求，將用戶x感興趣的信息資源推薦給用戶y將比較自然。下面對(duì)這兩類信息獲取技術(shù)的研究現(xiàn)狀進(jìn)行簡介。

1、基于內(nèi)容分析的信息獲取

在基于內(nèi)容分析的信息獲取中，為判斷用戶是否喜歡某個(gè)信息資源，首先需要建立資源的特征向量，通常采用TFIDF (Term Frequency Inverse Document Frequency)方法生成加權(quán)關(guān)鍵詞向量。目前，有兩種常用的方法來預(yù)測用戶是否喜歡某個(gè)資源：

1) 關(guān)鍵詞匹配法。用戶需求通過加權(quán)關(guān)鍵詞向量表達(dá)，在預(yù)測用戶對(duì)新資源是否感興趣時(shí)，通過計(jì)算兩個(gè)關(guān)鍵詞向量的相似度進(jìn)行，也稱為矢量相似度法或矢量夾角的余弦值；

2) 向量空間法。通過用戶評(píng)價(jià)過的資源集來描述用戶的興趣。當(dāng)要預(yù)測用戶對(duì)新資源是否感興趣時(shí)，需要將資源轉(zhuǎn)化為向量，在向量空間內(nèi)進(jìn)行分類計(jì)算（分為用戶感興趣的資源和不感興趣的資源）。這種方法計(jì)算量大，但準(zhǔn)確率高，一般需要離線進(jìn)行。

基于內(nèi)容分析的信息獲取技術(shù)通常存在如下障礙：

1) 基于目前的技術(shù)，我們對(duì)信息資源只有有限的特征提取能力，通常只能對(duì)文本內(nèi)容進(jìn)行比較簡單的特征提取，在很多領(lǐng)域，目前還沒有有效的特征提取方法，如：圖像、視頻、音樂等；

2) 用戶喜歡一個(gè)事物的原因各種各樣，例如對(duì)一幅畫，用戶可能由于不同的原因喜歡它，例如“畫中有太陽”、“畫中有大?！薄ⅰ爱嬛惺前淼木吧?、“畫是宋朝的”等等，這種復(fù)雜性和多樣性，使得我們難以建立統(tǒng)一的用戶模型及資源模型；

3) 有些需求難以對(duì)計(jì)算機(jī)精確地描述清楚，例如需要的文章的質(zhì)量、風(fēng)格或者觀點(diǎn)；

4) 有時(shí)用戶雖然明白自己喜歡什么，但是難以清楚地表達(dá)自己具體需要什么。

以上障礙影響了信息獲取的質(zhì)量，為提高獲取質(zhì)量，我們一方面可以采用新的算法，另一方面，合作信息獲取也有助于解決這些問題。

2、基于合作的信息獲取

人工智能主要通過計(jì)算機(jī)來模擬人的智能，在機(jī)器智能的發(fā)展過程中，我們?nèi)〉昧朔浅ＸS碩的成果，但是，人們也發(fā)現(xiàn)其存在固有的缺點(diǎn)，例如難以把握用戶的需求、缺乏聯(lián)想能力和創(chuàng)新性等，機(jī)器智能在很多領(lǐng)域難以超越人的智能?；趦?nèi)容的信息獲取相當(dāng)于純粹的機(jī)器智能。網(wǎng)絡(luò)的發(fā)展，使得計(jì)算機(jī)可以通過網(wǎng)絡(luò)相互連接，它們之間的合作將形成多機(jī)合作智能。同時(shí)計(jì)算機(jī)的背后是作為用戶的人，計(jì)算機(jī)的互聯(lián)也體現(xiàn)為人與人之間的互聯(lián)，這種互聯(lián)為我們提供了挖掘人的智能的環(huán)境，并將使計(jì)算機(jī)活起來，此時(shí)的智能可能不僅是機(jī)器智能，其中大量融合了人的智能，“人工智能”與“真人智能”將全面融合。這種合作智能在信息獲取中的應(yīng)用，就形成了合作信息獲取。

四、高質(zhì)量信息獲取的商業(yè)意義

第十一次CNNIC調(diào)查結(jié)果顯示，就網(wǎng)民上網(wǎng)目的來看，獲取信息是第一位的，53.1%的人將其作為上網(wǎng)最主要的目的。其次是休閑娛樂（24.6%），交友排在第三位（7%）。獲取信息仍然是網(wǎng)民上網(wǎng)最主要的目的。

根據(jù)互聯(lián)網(wǎng)實(shí)驗(yàn)室的一份研究報(bào)告，11.5%的網(wǎng)民使用過付費(fèi)網(wǎng)絡(luò)服務(wù)(這里所指的付費(fèi)網(wǎng)絡(luò)服務(wù)是指除去在線購買書籍、光盤等實(shí)物產(chǎn)品之外的服務(wù)類網(wǎng)絡(luò)消費(fèi)項(xiàng)目)，略高于10.3%的網(wǎng)上購物比例。這表明付費(fèi)網(wǎng)絡(luò)服務(wù)已經(jīng)在中國啟動(dòng)。其中，電子郵箱以54.3%的絕對(duì)優(yōu)勢排名第一，網(wǎng)上游戲28.3%排名第二。有償信息獲取的比例幾乎可以被忽略。

這就存在一個(gè)巨大反差，53.1%的人將獲取信息作為上網(wǎng)的最主要目的，但是很少有人為之付費(fèi)。

有人將值得付費(fèi)的內(nèi)容劃分為四大類，即：稀缺、獨(dú)家的內(nèi)容；專業(yè)、權(quán)威的內(nèi)容；不可或缺、賴以生活或者工作的內(nèi)容；精品的授權(quán)內(nèi)容或某一領(lǐng)域的匯總整合內(nèi)容等。高質(zhì)量的信息獲取就是通過先進(jìn)的信息處理技術(shù)，將第三類和第四類的信息進(jìn)行整合，以用戶為中心，及時(shí)提供準(zhǔn)確的信息，為用戶創(chuàng)造價(jià)值，從而推進(jìn)有償信息服務(wù)的發(fā)展。（CBISMB）