论文部分内容阅读
摘 要：对于面向云计算的大数据知识服务情景化推荐来说，就是结合客户的地理条件、实际工作以及平时的阅读意识等，充分挖掘情景化，同时在巨大的数据海洋中，将用户所需的知识信息进行提取，这种服务方式是新型的。本文从面向云计算的大数据知识服务情景化推荐的特点入手，对其当前面临的挑战进行分析，并从兴趣描述以及情境化推荐等方面，构建面向云计算的大数据知识服务情景化推荐体系，从而使知识服务能力和质量效率等方面给予快速的提高，使知识服务产业的发展得以有效推进。
关键词：云计算；大数据；情景化
中图分类号：G252 文献标识码：A 文章编号：1004-7344（2018）35-0258-02
当前我们已经进入大数据时代，使得知识服务行业发生了很大的变化，想要使客户多样化需求得以满足，这一行业必须建立合理的知识服务体系以及体制。而当前情景化推荐服务，就是对现代知识服务体系的不断改进。利用情景化推荐，能够根据用户的相关数据以及其位置、时间数据，以云计算为基础，对数据进行挖掘，使用户想要获取的信息得以有效得到，以提高数据查询速度为依托，使用户的实际需求得以满足，使这一产业的经济价值以及其它价值的实现有了一定的保障。
1 面向云计算的大数据知识服务情景化推荐的特点
在现代服务行业中，最关键的内容就是知识服务，根据用户的具体情况，筛选其所需的知识信息，使用户的多样化需求得以满足。利用推荐这一方式和手段，能够使知识服务水平以及质量大大提高，使客户的现实需求得以满足。其特点主要有四个方面，见图1。
（1）面向客户行为的情景感知推荐，根据用户的位置、时间等信息，在大数据环境条件进行剖析，以此为基础，结合用户的行为特征，推荐客户的需求，使情景模拟与客户实际期望更加的符合，使用户的满意度大大提升。
（2）这一推荐与大数据物理世界是密切联系的，其具有真实性，在推荐时，这种情景推荐，能够确定用户的个人资料，能够以实名制的模式，同时利用云计算以及数据挖掘技术，对其物理世界的现实状态给予全面反映，使知识服务水平大大提高。
（3）预测推荐，其是面向云计算的大数据知識服务情景化推荐的关键内容，是结合用户的个人爱好以及相关记录，推荐用户所需的知识服务，以服务成效提升为依托，使客户应用时的有效性得以全面提升。
（4）交叉利用推荐，数据间的交叉关系、依赖关系是存在的，在知识服务里，情景推荐要与用户的相关数据密切联系起来，对供应知识服务的过程中，其对于利用推荐的能力是十分需要的，从而使用户多样化需求得以满足，使服务质量得以提升。
2 大数据下的知识服务情景化推荐存在的挑战
当前的大数据时代，知识服务行为的信息量越来越多，这一行业必须对合理的路径以及措施进行寻求，使其工作效率、质量以及服务等能够快速的提高。所以，就要推进情景化推荐模式，提高服务的推荐成效，相应的提高这一工作的推荐质量。
2.1 信息服务情景化的改变
对于知识服务来说，是将所需的数据资料向需求者进行提供，由于物联网等相关技术的不断深入发展，知识信息的增长快速，而且越来越多，想要使人们获知识的能力得以满意，这一行业就必须对用户的知识体系以及结构等给予注重，同时将相应的推荐服务进行实施，使用户的现实需求得以满足。然而以往的这一工作，在数据传送等方面都是有约束，未能结合用户需求将服务进行提供，未能体现出个性化服务的特点。同时，由于很多的数据信息，会涉及到知识服务的平稳以及有效性，使得其必须以实际情况为出发点，与用户的具体状态相联系在一起，注重用户的多样化要求，将合理的知识结构、体系进行推荐，使知识服务质量得以提升。
2.2 大数据条件下知识服务的差异化
在知识库中，其信息来源是非常广泛的，库中的数据数量也是非常巨大的，这些信息必然使得这一工作的困难程度不断提升，特别是在保存、查询以及变更数据时，未使大数据的动态分析需求得以满足，使得数据的使用延时得以产生，使得用户的使用质量受到影响。此外，由于数据孤岛的产生，对知识服务水平有着重要的影响，其主要原因就是由于知识体系未将数据传输、共享系统进行建立，未能有效获取知识，使得用户的正常使用受到影响。在知识服务时，想要使用户的情景化推荐更加合理，大多会以实名制的方式为主，然而倘若过度的数据挖掘，会造成个人信息丢失，会使用户对这一对工作的认可度产生影响。
2.3 大数据获取难度越来越高
由于互联网技术的快速发展，大数据的影响会造成这一工作的困难程度越来越大。特别是数据量大、数据信息复杂，使得采集、收集、传输知识结构以及机制难度越来越高。同时，由于用户需求的多样化，加之市场环境的不断变化，这样会造成工作效率以及有效性受到影响。最后，在知识服务推荐过程中，想要使信息安全得以保证，与第三方服务信息进行衔接，使得这一行业的挑战越来越大。
3 构建面向云计算的大数据知识服务情景化推荐体系
3.1 兴趣描述
根据具体的情景兴趣实际情况，以及情景化推荐模式与云计算并行推荐，构建情景化推荐体系，从而提高知识服务水平，提升工作效率以及质量，使其多样化要求得以保障。
3.2 用户情景兴趣描述
想要不断提高情景化推荐水平，提升推荐质量，就要将用户评分情景手段进行使用，在评分过程中，用户可以获取个人属性资料。在这之中，评分的内容由Item来表示，同时情景能过Context来表示，利用两者间的关系对其进行分析，对用户评分和用户现在的情景相似情况进行确定，这样可以有效的描述出用户情景兴趣。
3.3 大数据知识服务情景化推荐
在具体进行推荐时，结合用户评分，对情景兴趣进行剖析，合理的建立推荐途径。这一途径必须保证可以获取评分对其属性的相关资料，同时结合评分修正情景，再通过评分结果值进行估算的手段，使用户想要推荐得以完成。 3.4 Map Reduce化的云计算并行推荐
通过Map Reduce中的Map函数，进行编制和设计，使用户的具体情况和全局搜索策略相符合，这样使情景化推荐体系，将个性化的服务向用户进行提供。
3.5 建立情境化推荐方式
在情景化推荐时，一定要对详细论述推荐流程给予关注。想要使知识服务的科学性、有效性得以实现，就一定要對推荐流程的规范化情况进行注重。它的主要步骤有四个方面：①结合用户搜索记录以及情境兴趣，通过云计算来进行分析、记录，通过大数据挖掘技术来对数据库中的数据进行选择。②筛选数据资料，通过云计算系统制定合理的服务，同时要与用户的情境相结合，将与具体情形相区配的服务进行建立。③服务制定结束后，将情境化推荐进行实施，在这时推荐的内容有三点，分别是阅读方式、内容以及安全，使用户的现实需求得以满足。④结合用户的反馈，完善和改进情景化推荐，使知识服务水平快速提高。⑤在工作时以用户为主体，在应用推荐时，要对用户的体验、感受给予重视，将以用户为中心的知识服务方式进行建立，使用户的多样化需求得以满足，使用户满意度得到提升。此外，还要使精准推送得以落实，持续使这一推荐得以有效的传输，使其有效性、精准性得以全方位的提升，这样才能使用户的满意度得到有效的增加。
4 结 语
在现代知识服务中，最关键内容就是面向云计算的大数据知识服务情景化推荐，其能够结合用户个人信息等资料，将服务向用户进行合理的推荐，同时使推荐的有效性、实时性得以满足，使高质量的知识服务向用户进行推荐，同时结合用户的需求，来将与用户实际相符合的个性化、情景化推荐服务进行提供，从而不断提升用户的满意度以及体验感受，不断提高知识服务水平，使知识服务行业的平稳发展得以有效推进。
参考文献
[1]刘海鸥，房俊峰.面向云计算的数据协同过滤并行推荐方法[J].电子商务，2015（3）.
[2]马晓亭.基于情景大数据的图书馆个性化服务推荐系统研究[J].现代情报，2016（4）.
[3]官思发.大数据知识服务关键要素与实现模型研究[J].图书馆论坛，2015（4）.
收稿日期：2018-11-4
作者简介：徐 瑜（1989-）女，本科，主要从事系统运维项目工作，有多年电信系统运营服务经验，工作中使用到天翼云服务整合hadoop、storm等多种大数据处理技术，完善电信知识体系。
关键词：云计算；大数据；情景化
中图分类号：G252 文献标识码：A 文章编号：1004-7344（2018）35-0258-02
当前我们已经进入大数据时代，使得知识服务行业发生了很大的变化，想要使客户多样化需求得以满足，这一行业必须建立合理的知识服务体系以及体制。而当前情景化推荐服务，就是对现代知识服务体系的不断改进。利用情景化推荐，能够根据用户的相关数据以及其位置、时间数据，以云计算为基础，对数据进行挖掘，使用户想要获取的信息得以有效得到，以提高数据查询速度为依托，使用户的实际需求得以满足，使这一产业的经济价值以及其它价值的实现有了一定的保障。
1 面向云计算的大数据知识服务情景化推荐的特点
在现代服务行业中，最关键的内容就是知识服务，根据用户的具体情况，筛选其所需的知识信息，使用户的多样化需求得以满足。利用推荐这一方式和手段，能够使知识服务水平以及质量大大提高，使客户的现实需求得以满足。其特点主要有四个方面，见图1。
（1）面向客户行为的情景感知推荐，根据用户的位置、时间等信息，在大数据环境条件进行剖析，以此为基础，结合用户的行为特征，推荐客户的需求，使情景模拟与客户实际期望更加的符合，使用户的满意度大大提升。
（2）这一推荐与大数据物理世界是密切联系的，其具有真实性，在推荐时，这种情景推荐，能够确定用户的个人资料，能够以实名制的模式，同时利用云计算以及数据挖掘技术，对其物理世界的现实状态给予全面反映，使知识服务水平大大提高。
（3）预测推荐，其是面向云计算的大数据知識服务情景化推荐的关键内容，是结合用户的个人爱好以及相关记录，推荐用户所需的知识服务，以服务成效提升为依托，使客户应用时的有效性得以全面提升。
（4）交叉利用推荐，数据间的交叉关系、依赖关系是存在的，在知识服务里，情景推荐要与用户的相关数据密切联系起来，对供应知识服务的过程中，其对于利用推荐的能力是十分需要的，从而使用户多样化需求得以满足，使服务质量得以提升。
2 大数据下的知识服务情景化推荐存在的挑战
当前的大数据时代，知识服务行为的信息量越来越多，这一行业必须对合理的路径以及措施进行寻求，使其工作效率、质量以及服务等能够快速的提高。所以，就要推进情景化推荐模式，提高服务的推荐成效，相应的提高这一工作的推荐质量。
2.1 信息服务情景化的改变
对于知识服务来说，是将所需的数据资料向需求者进行提供，由于物联网等相关技术的不断深入发展，知识信息的增长快速，而且越来越多，想要使人们获知识的能力得以满意，这一行业就必须对用户的知识体系以及结构等给予注重，同时将相应的推荐服务进行实施，使用户的现实需求得以满足。然而以往的这一工作，在数据传送等方面都是有约束，未能结合用户需求将服务进行提供，未能体现出个性化服务的特点。同时，由于很多的数据信息，会涉及到知识服务的平稳以及有效性，使得其必须以实际情况为出发点，与用户的具体状态相联系在一起，注重用户的多样化要求，将合理的知识结构、体系进行推荐，使知识服务质量得以提升。
2.2 大数据条件下知识服务的差异化
在知识库中，其信息来源是非常广泛的，库中的数据数量也是非常巨大的，这些信息必然使得这一工作的困难程度不断提升，特别是在保存、查询以及变更数据时，未使大数据的动态分析需求得以满足，使得数据的使用延时得以产生，使得用户的使用质量受到影响。此外，由于数据孤岛的产生，对知识服务水平有着重要的影响，其主要原因就是由于知识体系未将数据传输、共享系统进行建立，未能有效获取知识，使得用户的正常使用受到影响。在知识服务时，想要使用户的情景化推荐更加合理，大多会以实名制的方式为主，然而倘若过度的数据挖掘，会造成个人信息丢失，会使用户对这一对工作的认可度产生影响。
2.3 大数据获取难度越来越高
由于互联网技术的快速发展，大数据的影响会造成这一工作的困难程度越来越大。特别是数据量大、数据信息复杂，使得采集、收集、传输知识结构以及机制难度越来越高。同时，由于用户需求的多样化，加之市场环境的不断变化，这样会造成工作效率以及有效性受到影响。最后，在知识服务推荐过程中，想要使信息安全得以保证，与第三方服务信息进行衔接，使得这一行业的挑战越来越大。
3 构建面向云计算的大数据知识服务情景化推荐体系
3.1 兴趣描述
根据具体的情景兴趣实际情况，以及情景化推荐模式与云计算并行推荐，构建情景化推荐体系，从而提高知识服务水平，提升工作效率以及质量，使其多样化要求得以保障。
3.2 用户情景兴趣描述
想要不断提高情景化推荐水平，提升推荐质量，就要将用户评分情景手段进行使用，在评分过程中，用户可以获取个人属性资料。在这之中，评分的内容由Item来表示，同时情景能过Context来表示，利用两者间的关系对其进行分析，对用户评分和用户现在的情景相似情况进行确定，这样可以有效的描述出用户情景兴趣。
3.3 大数据知识服务情景化推荐
在具体进行推荐时，结合用户评分，对情景兴趣进行剖析，合理的建立推荐途径。这一途径必须保证可以获取评分对其属性的相关资料，同时结合评分修正情景，再通过评分结果值进行估算的手段，使用户想要推荐得以完成。 3.4 Map Reduce化的云计算并行推荐
通过Map Reduce中的Map函数，进行编制和设计，使用户的具体情况和全局搜索策略相符合，这样使情景化推荐体系，将个性化的服务向用户进行提供。
3.5 建立情境化推荐方式
在情景化推荐时，一定要对详细论述推荐流程给予关注。想要使知识服务的科学性、有效性得以实现，就一定要對推荐流程的规范化情况进行注重。它的主要步骤有四个方面：①结合用户搜索记录以及情境兴趣，通过云计算来进行分析、记录，通过大数据挖掘技术来对数据库中的数据进行选择。②筛选数据资料，通过云计算系统制定合理的服务，同时要与用户的情境相结合，将与具体情形相区配的服务进行建立。③服务制定结束后，将情境化推荐进行实施，在这时推荐的内容有三点，分别是阅读方式、内容以及安全，使用户的现实需求得以满足。④结合用户的反馈，完善和改进情景化推荐，使知识服务水平快速提高。⑤在工作时以用户为主体，在应用推荐时，要对用户的体验、感受给予重视，将以用户为中心的知识服务方式进行建立，使用户的多样化需求得以满足，使用户满意度得到提升。此外，还要使精准推送得以落实，持续使这一推荐得以有效的传输，使其有效性、精准性得以全方位的提升，这样才能使用户的满意度得到有效的增加。
4 结 语
在现代知识服务中，最关键内容就是面向云计算的大数据知识服务情景化推荐，其能够结合用户个人信息等资料，将服务向用户进行合理的推荐，同时使推荐的有效性、实时性得以满足，使高质量的知识服务向用户进行推荐，同时结合用户的需求，来将与用户实际相符合的个性化、情景化推荐服务进行提供，从而不断提升用户的满意度以及体验感受，不断提高知识服务水平，使知识服务行业的平稳发展得以有效推进。
参考文献
[1]刘海鸥，房俊峰.面向云计算的数据协同过滤并行推荐方法[J].电子商务，2015（3）.
[2]马晓亭.基于情景大数据的图书馆个性化服务推荐系统研究[J].现代情报，2016（4）.
[3]官思发.大数据知识服务关键要素与实现模型研究[J].图书馆论坛，2015（4）.
收稿日期：2018-11-4
作者简介：徐 瑜（1989-）女，本科，主要从事系统运维项目工作，有多年电信系统运营服务经验，工作中使用到天翼云服务整合hadoop、storm等多种大数据处理技术，完善电信知识体系。