網(wǎng)絡信息獲取的應用 提高信息獲取的質量

申請免費試用、咨詢電話：400-8352-114

一、高質量信息獲取的背景

互聯(lián)網(wǎng)的發(fā)展，給人們帶來了各個領域、形式多樣的數(shù)字化媒體信息，對這些信息進行有效獲取和使用，將促進人們的學習和工作效率。隨著互聯(lián)網(wǎng)的進一步發(fā)展，各種基于互聯(lián)網(wǎng)的應用也會逐漸產(chǎn)生，大量應用在本質上可以抽象為信息的有效獲取和使用，當信息從發(fā)送者傳遞到需求者的手中時，價值將隨之產(chǎn)生，應用將隨之形成。因此，信息的個性化服務，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)應用的基礎性研究。

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容上與之匹配的網(wǎng)絡信息資源，例如數(shù)據(jù)庫的網(wǎng)絡檢索系統(tǒng)、網(wǎng)絡目錄、網(wǎng)絡搜索引擎等。用戶每次進行信息獲取時，都要明確地表達自己的需要，通常通過關鍵詞組合。這種方式存在如下不足：一方面，用戶有時難以找到合適的關鍵詞表達自己的需要，另一方面，隨著網(wǎng)絡信息資源的日益膨脹，檢索結果中存在越來越多的非相關信息，信息獲取的精度不足。

信息獲取主要關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量，就要關注用戶的長線信息需求，因此出現(xiàn)了對信息過濾技術的研究，信息過濾技術假設用戶的興趣將維持一段時間基本不變，利用有關用戶興趣的知識，建立用戶的模型，從大量的動態(tài)信息流中，根據(jù)用戶模型找出用戶感興趣的信息。

通常，我們會將經(jīng)由信息過濾形成的結果主動推薦到用戶手中，從而形成了個性化主動信息推薦，目前主要基于信息Agent進行。通過信息推薦技術，計算機以人為中心，主動向用戶推薦信息，滿足用戶的信息需求，這將節(jié)省用戶的時間，提高其學習和工作效率。

通過信息推薦，各種網(wǎng)絡應用可以將相關的信息主動推薦到需要該信息的用戶手中，這一方面實現(xiàn)了應用的價值，另一方面也提高了用戶的工作與生活質量。例如企業(yè)競爭情報信息的獲取、名人資訊獲取、學術研究資料的獲取。高質量的信息獲取將成為高質量網(wǎng)絡應用的基礎，這既是網(wǎng)絡應用提供者的需要，也是網(wǎng)絡用戶的需要。

二、高質量信息獲取的含義

高質量信息獲取通常包括如下含義：

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

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

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

三、高質量信息獲取的相關技術

在信息獲取領域，有兩類研究方向：基于內容的信息獲取和基于合作的信息獲取。基于內容的信息獲取通過分析資源的內容建立資源的特征向量，根據(jù)其與用戶需求的相關性，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。下面對這兩類信息獲取技術的研究現(xiàn)狀進行簡介。

1、基于內容分析的信息獲取

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

1) 關鍵詞匹配法。用戶需求通過加權關鍵詞向量表達，在預測用戶對新資源是否感興趣時，通過計算兩個關鍵詞向量的相似度進行，也稱為矢量相似度法或矢量夾角的余弦值；

2) 向量空間法。通過用戶評價過的資源集來描述用戶的興趣。當要預測用戶對新資源是否感興趣時，需要將資源轉化為向量，在向量空間內進行分類計算（分為用戶感興趣的資源和不感興趣的資源）。這種方法計算量大，但準確率高，一般需要離線進行。

基于內容分析的信息獲取技術通常存在如下障礙：

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

2) 用戶喜歡一個事物的原因各種各樣，例如對一幅畫，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?！?、“畫中是傍晚的景色”、“畫是宋朝的”等等，這種復雜性和多樣性，使得我們難以建立統(tǒng)一的用戶模型及資源模型；

3) 有些需求難以對計算機精確地描述清楚，例如需要的文章的質量、風格或者觀點；

4) 有時用戶雖然明白自己喜歡什么，但是難以清楚地表達自己具體需要什么。

以上障礙影響了信息獲取的質量，為提高獲取質量，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算機來模擬人的智能，在機器智能的發(fā)展過程中，我們取得了非常豐碩的成果，但是，人們也發(fā)現(xiàn)其存在固有的缺點，例如難以把握用戶的需求、缺乏聯(lián)想能力和創(chuàng)新性等，機器智能在很多領域難以超越人的智能。基于內容的信息獲取相當于純粹的機器智能。網(wǎng)絡的發(fā)展，使得計算機可以通過網(wǎng)絡相互連接，它們之間的合作將形成多機合作智能。同時計算機的背后是作為用戶的人，計算機的互聯(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，并將使計算機活起來，此時的智能可能不僅是機器智能，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用，就形成了合作信息獲取。

四、高質量信息獲取的商業(yè)意義

第十一次CNNIC調查結果顯示，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)實驗室的一份研究報告，11.5%的網(wǎng)民使用過付費網(wǎng)絡服務(這里所指的付費網(wǎng)絡服務是指除去在線購買書籍、光盤等實物產(chǎn)品之外的服務類網(wǎng)絡消費項目)，略高于10.3%的網(wǎng)上購物比例。這表明付費網(wǎng)絡服務已經(jīng)在中國啟動。其中，電子郵箱以54.3%的絕對優(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。

有人將值得付費的內容劃分為四大類，即：稀缺、獨家的內容；專業(yè)、權威的內容；不可或缺、賴以生活或者工作的內容；精品的授權內容或某一領域的匯總整合內容等。高質量的信息獲取就是通過先進的信息處理技術，將第三類和第四類的信息進行整合，以用戶為中心，及時提供準確的信息，為用戶創(chuàng)造價值，從而推進有償信息服務的發(fā)展。（CBISMB）