基于云计算的用户兴趣建模探究

2020-04-21 07:40宋丁一
数字技术与应用 2020年1期
关键词:云计算

宋丁一

摘要:本文立足于云计算基础,提出了一套用户兴趣建模方法,并对该建模方法的相关路径进行了阐述,希望可以为提高个性化服务能力提供帮助。

关键词:云计算;用户兴趣建模;神经网络模型

中图分类号:TP3 文献标识码:A 文章编号:1007-9416(2020)01-0077-02

0 引言

目前云计算对社会各方面的影响已经凸显,与传统技术相比,云计算不仅具有强大的数据计算能力,更是一个巨大的数据中心,其中能够存储大量的信息,满足各方面信息处理的需求。而随着居民生活水平的提高,人们对个性化服务的要求越来越高,基于云计算的用户兴趣模型则是解决上述供需矛盾的有效方法。

1 用户兴趣的QoS偏好矩阵

在云计算技术下,为了能够更好的对用户兴趣进行预测,本文将结合建模技术进行分析,该模型可以根据用户的位置场景、浏览轨迹等进行分析,具有理想的信息推荐能力。

根据互联网的组成结构可知,在互联网中存在大量多个自制系统AS,每个AS系统在实际上都是小型网络单位,因此在用户兴趣建模过程中,根据不同用户的特征,以IP地址作为AS系统的分类依据进行处理,其中的核心方法就是将用户与服务的IP地址转变为十进制表示,其计算公式为:

上述公式中的A、B、C、D分别代表IP地址。

通过上述方法能够获得用户与服务的IP地址十进制形式,之后通过将处理后的IP地址进行映射,就能寻找到对应的AS系统[1]。在上述計算方法的基础上,假设用户的单位为u,则在用户兴趣的QoS偏好矩阵建设过程中,采用协同过滤的方法预测某一段用户个性化服务p的QoS值,首先需要根据映射后的AS系统参数,按照下列公式进行验算:

上述公式中,代表用户u与用户v的相似性标记;、分别代用用户u与用户v的服务集。

在上述计算模式下会出现以下几种变化,具体内容见表1。

在表1的内容下,针对不同用户的兴趣特征,对于满足“++”与“-+”的情况可以作为用户个性化服务的关键,而“+-”则是要避免出现的情况。

2 蚁群神经网络模型的引入

为确保整个模型更具有操作性,在本次研究中将引入神经网络模型,假设一个具有m个分量的神经元j的基本结构如图1所示。

目前在神经网络结构下,激活函数被认为是神经网络的中枢,对控制输入、输出有重要影响,常见的激活函数的类型分为很多种,其中以线性函数最为常见,其基本的表达方式为:

但是在云计算数据处理过程中需要注意的是,神经网络模型可以用于解决用户与基于项目这两种不同要素的权值推荐问题,其中权值推荐度越高(如表1中的“++”),则用户所能接收的频率越高,这是实现用户兴趣推荐的关键[2]。而蚁群作为一种全局性的搜索算法,对于全局的寻优能力要明显高于其他算法,若在云计算数据处理阶段能够与神经网络结构相互结合,自然可以有效解决上述问题。因此在数据处理阶段,则可以先采用蚁群算法完成基于用户以及基于项目两种算法的网络权值寻优,这种操作方法可以有效避免传统神经网络算法因为反向传播而陷入局部最优的问题;之后通过蚁群算法寻找到用户兴趣优先项目的初值,并通过神经网络反向传播的方法进一步寻优。

3 实践分析

为了验证上述方法满足用户兴趣建模需求,本文将结合目前社会较为热门的旅游为研究对象,分析基于云计算的用户旅游兴趣模型。

3.1 功能模块设计思路

本次研究中借鉴兴趣建模技术与云计算架构特征,提出一个面向用户旅游兴趣爱好的手机静电服务推荐平台,根据用户的兴趣爱好,针对性的推送各种旅游信息咨询,满足用户旅行出行需求。该系统采用分布式结构,在云环境下能够根据服务请求的数量变化而逐渐增强数据信息处理能力,并且在日常数据处理中,可以依靠云存储模块集中处理用户的各种出行需求,并根据用户设置的系统权限实时推动各种旅游咨询信息,其概念模型的基本结构如图2所示。

在图2的框架下,时间信息是重要因素,其表达方式如表2所示。

3.2 系统功能阐述

在图2所介绍的系统框架下,该系统能够实时建立用户的兴趣模型,根据AS系统所反馈的IP地址数据变化,系统首先能够基本掌握用户的旅行线路图,并根据不同地区的地址参数,获得用户个性化服务p的QoS值。而在这个数据处理过程中,用户的一些信息会被系统读取,例如用户浏览西湖、太湖、潘阳湖等,则系统默认该名用户对湖泊类旅游景点的关注程度最高,则在排名上属于“++”,有关湖泊的旅游咨询会在第一时间发送给用户;而根据用户的浏览轨迹,也可以判断出用户对旅游区域其他附属品的关注度,如用户在游览西湖的同时品尝美味,但是没有浏览西湖周边的雷峰塔等古代建筑,则认为“美食”为旅游推荐的第二顺位,但是与湖泊相比属于“+-”;此时系统在基本了解用户的旅行兴趣爱好之后,会从云端数据库中收集其他的旅游咨询信息,并优先将其他的湖泊旅游信息推送给用户,如青海湖、巢湖、玄武湖等,此类景点属于“++”;而西湖等景区已经游览过,因此属于“-+”;上述景点周边的美食城、地方特色小吃属于“+-”;而周边分古刹风景则属于“--”。在上述旅游景观数据处理中,为确保能够将各种旅游咨询快速的“抓取”出来,则需要通过蚁群神经网络模型,将各种已知的旅游景点信息上传到模型上,在由蚁群全局寻优之后,将关键旅游咨询针对性的推送给用户,在用户时间条件允许的情况下,满足用户对旅游的需求,实现了针对性服务。

4 结论

本文所介绍的基于云计算的用户兴趣建模方法具有可行性,彰显了云计算技术的优势,因此值得推广。

参考文献

[1] 范进.基于多元混合准则模糊模型的个性化推荐算法[J].华东经济管理,2017,21(2):117-119.

[2] 赵晓煜,丁延玲.基于顾客交易数据的电子商务推荐方法研究[J].现代管理科学,2016(3):93-94.

猜你喜欢
云计算
谈云计算与信息资源共享管理
基于MapReduce的故障诊断方法
实验云:理论教学与实验教学深度融合的助推器