个性化知识服务实现知识的高效管理

来源：CIO时代网

2013/11/6 13:45:41

随着个性化推荐技术的日益成熟，其在企业内部知识管理与应用中也将大有作为，知识的高效管理和应用不再是“不可能完成的任务”。

个性化服务离不开相关技术的支撑。概括来说，个性化知识推荐技术大致包括以下四种：一是基于内容的推荐。它首先分析项目的内容，根据用户评价过的项目建立用户的兴趣模型，即用户描述文件。利用资源和用户兴趣的相似性来过滤信息；二是协同过滤推荐，这也是应用最成熟的个性化推荐技术，它是根据其他用户的偏好信息产生推荐。通过分析用户评价信息（评分）把有相似需求或品味的用户联系起来，用户之间共享对项目的观点和评价，这样就可以更好地做出选择。三是其它推荐技术，例如通过数据挖掘分析关联规则进行推荐；四是混合推荐，即综合两种或两种以上的推荐技术来取得更好的推荐效果。

推荐技术及其系统的应用越来越广泛，特别是在电子商务领域。以亚马逊为例，这家零售巨头的推荐系统推荐的基础是一系列基本元素：用户过去购买过哪些商品；他们的虚拟购物车里有什么；哪些商品被他们评价或“赞”过；其他用户浏览及购买了哪些东西。亚马逊把这套自主研发的算法称为“从项目到项目的协同过滤算法”。依靠这套算法，亚马逊向回头客们提供了深度定制的浏览体验。数码爱好者们会发现亚马逊上满是新潮电子产品的推荐，而新妈妈们在相同的位置看到的却是婴幼儿产品。据统计，亚马逊推荐系统每秒卖出的商品达72.9件，推荐的转化率高达60%，它清楚消费者的喜好，可以预测出消费者的需求进行推荐形成购买。