·272. 智能系统学报 第9卷 目”的点击情况，因而存在“用户-项目矩阵稀疏”等 次资源中，用户兴趣与资源之间、资源与资源之间的 问题。社会媒体中，“网络社群性”可望更好地解决 相似或相关性度量无法采用传统的“距离”度量机 上述问题。但这里用户与资源的关系已不仅是“点 制予以实现。 击”操作，在“用户角色双重性”及在多种媒体形式 构成的社会媒体环境中，如何构建“用户-资源”异 5进一步的研究方向 构信息网络并在其中挖掘用户社群，并最终映射为 可以认为，社会媒体中用户角色的变化构成了 用户兴趣，则是一个挑战。 更加复杂的用户关系，社会媒体资源表现形式呈现 2)多层次资源质量与条件相关性判别问题。 多模态特点，社会媒体资源推荐应该、并可以满足多 社会媒体的资源是用户发布的，因此存在大量 层次的用户需求。基于此，提出进一步的研究方向。 噪音、重复数据等信息质量问题，不同用户发布的相 1)社会媒体资源与用户兴趣模型结构研究。 同内容的资源质量也不尽相同，信息质量问题较传 令社会媒体资源集合为R={,2,,T},每 统媒体愈发严重。此外，就推荐而言，在传统的推荐 个r(i=1,2,,n)为一个资源，n为资源总数。对 系统中，如果以项目或网页序列表达用户兴趣，那么 一用户u,其兴趣模型Mu={mu1,m山2，，mm}是 序列“A”与“AB”对应的推荐应该是不同的。在社会 根据该用户对资源的操作历史及其社群关系得到的 媒体中，这一特点同样存在，然而不同的是，A、B资 资源序列集合，其中每个mu∈Mu为用户u感兴趣 源的媒体形式更加多样。而在多层次资源推荐中，的一个资源序列。不失一般性，将mu表示为mu=r A、B的粒度则可为子资源、资源和复合资源，推荐结 r2Tn(m为该序列长度，即用户u感兴趣的一组相 果还可能是综合资源，条件相关性的分析变得更加 关资源数目，m<n)。就兴趣模型存储本身，将r∈R 困难。 表示为(r,心，〉，心，为用户对r的兴趣度，基于用户对 3)用户兴趣与多层次资源的描述问题。 r的操作（发布、转发、、以及来源于社群兴趣等） 无论多层次资源模型、还是用户兴趣模型，均涉 赋予不同的权值。而在推荐时，将根据兴趣度对资 及用户、各层次资源及其关系的描述，而资源之间关 源序列进行筛选。基于指定的mu∈Mu的推荐，实 系的获取需要不同模态的内容分析，这种分析又将 际上需要在R中发现一个最适合推荐的资源序列 落实到特征分析，因此带来如下问题：首先，表现这RcR,使该序列中任一项r∈R,满足argmaxf(rlr 些资源的数据本身大多是非结构化的：其次，不同资 2Tm),其中f为推荐指数，f(rlr12rm)即用户 源数据之间是内容异构的：第三，这些非结构化数据 u对r2rn感兴趣的条件下、推荐资源r的指数。 的特征是高维的。若准确而合理地表达不同资源之 由于社会媒体推荐中“资源”已非原始粒度的信息， 间的关系、并有效地支持综合资源的挖掘以及多层 因此，资源的识别和描述将是一个新的问题。同时， 次资源推荐时的搜索，这种描述非简单的数据结构 如何对多层次资源和用户兴趣建模，如何进行推荐 所能胜任。 条件判断，乃至模型的维护和支持查询的有效索引 4)综合资源的发现与推荐问题。 均为需要研究的问题。 前述定义2中，多层次资源的“子资源”、“资 2)社会媒体多模态内容与资源质量分析基础研究。 源”和“复合资源”一般以显式方式存在，而“综合资 由于社会媒体中存在大量噪音、重复资源等质 源”则是隐式的，需要在资源和复合资源基础上，通 量问题，无论在构建资源模型与用户兴趣模型、还是 过分析和挖掘才能获得。如何在多（跨）模态的社 构建用户资源信息网络时，均存在资源的质量分析 会媒体资源中，通过针对各种模态的内容分析，发现 问题，噪音和重复资源的检测依赖于多模态内容分 并表达综合资源、进而向所需用户推荐综合资源，将 析。此外，资源模型的表达是以计算两资源T。。∈R 涉及多（跨）模态挖掘以及推荐时的搜索与匹配等 的f(rIr。)为基础的，而f(r.Ir6)正比于资源内 若干新问题。 容相关性，内容相关性的度量同样依赖于多模态内 5)多层次资源模型中的信息度量问题。 容分析。如前所述，这里的多模态内容除包括媒体 如本节内容3)所述，表达社会媒体多层次资源 上下文线索、标签等元数据等语义信息外，视觉、听 推荐模型已非简单的数据结构，推荐时用户兴趣与 觉等内容分析的基础是特征提取，这需要将特征相 资源的匹配又涉及条件相关性判别。在结构化和纯 关性问题首先在不同类别的特征中解决，再进一步 文本内容中，由于特征形式单一，传统的距离度量机 在多类特征中融合。这样，分层次、分类别的特征提 制一般尚可奏效。但在社会媒体多模态内容和多层 取将是一个重要的研究问题。目”的点击情况，因而存在“用户－项目矩阵稀疏”等 问题。 社会媒体中，“网络社群性”可望更好地解决 上述问题。 但这里用户与资源的关系已不仅是“点 击”操作，在“用户角色双重性” 及在多种媒体形式 构成的社会媒体环境中，如何构建“用户－资源” 异 构信息网络并在其中挖掘用户社群，并最终映射为 用户兴趣，则是一个挑战。 ２）多层次资源质量与条件相关性判别问题。 社会媒体的资源是用户发布的，因此存在大量 噪音、重复数据等信息质量问题，不同用户发布的相 同内容的资源质量也不尽相同，信息质量问题较传 统媒体愈发严重。 此外，就推荐而言，在传统的推荐 系统中，如果以项目或网页序列表达用户兴趣，那么 序列“Ａ”与“ＡＢ”对应的推荐应该是不同的。 在社会 媒体中，这一特点同样存在，然而不同的是，Ａ、Ｂ 资 源的媒体形式更加多样。 而在多层次资源推荐中， Ａ、Ｂ 的粒度则可为子资源、资源和复合资源，推荐结 果还可能是综合资源，条件相关性的分析变得更加 困难。 ３）用户兴趣与多层次资源的描述问题。 无论多层次资源模型、还是用户兴趣模型，均涉 及用户、各层次资源及其关系的描述，而资源之间关 系的获取需要不同模态的内容分析，这种分析又将 落实到特征分析，因此带来如下问题：首先，表现这 些资源的数据本身大多是非结构化的；其次，不同资 源数据之间是内容异构的；第三，这些非结构化数据 的特征是高维的。 若准确而合理地表达不同资源之 间的关系、并有效地支持综合资源的挖掘以及多层 次资源推荐时的搜索，这种描述非简单的数据结构 所能胜任。 ４）综合资源的发现与推荐问题。 前述定义 ２ 中，多层次资源的“子资源”、“资 源”和“复合资源”一般以显式方式存在，而“综合资 源”则是隐式的，需要在资源和复合资源基础上，通 过分析和挖掘才能获得。 如何在多（跨） 模态的社 会媒体资源中，通过针对各种模态的内容分析，发现 并表达综合资源、进而向所需用户推荐综合资源，将 涉及多（跨） 模态挖掘以及推荐时的搜索与匹配等 若干新问题。 ５）多层次资源模型中的信息度量问题。 如本节内容 ３）所述，表达社会媒体多层次资源 推荐模型已非简单的数据结构，推荐时用户兴趣与 资源的匹配又涉及条件相关性判别。 在结构化和纯 文本内容中，由于特征形式单一，传统的距离度量机 制一般尚可奏效。 但在社会媒体多模态内容和多层 次资源中，用户兴趣与资源之间、资源与资源之间的 相似或相关性度量无法采用传统的“距离” 度量机 制予以实现。 ５ 进一步的研究方向 可以认为，社会媒体中用户角色的变化构成了 更加复杂的用户关系，社会媒体资源表现形式呈现 多模态特点，社会媒体资源推荐应该、并可以满足多 层次的用户需求。 基于此，提出进一步的研究方向。 １）社会媒体资源与用户兴趣模型结构研究。 令社会媒体资源集合为 Ｒ ＝ ｛ｒ１ ， ｒ２ ，．．．， ｒｎ ｝，每 个 ｒｉ（ｉ ＝ １， ２， ．．．， ｎ）为一个资源，ｎ 为资源总数。 对 一用户 ｕ，其兴趣模型 Ｍｕ ＝ ｛ｍｕ１ ， ｍｕ２ ， ．．．， ｍｕｍ ｝是 根据该用户对资源的操作历史及其社群关系得到的 资源序列集合，其中每个 ｍｕ ÎＭｕ 为用户 ｕ 感兴趣 的一个资源序列。 不失一般性，将 ｍｕ 表示为 ｍｕ ＝ ｒ１ ｒ２ ．．．ｒｍ（ｍ 为该序列长度，即用户 ｕ 感兴趣的一组相 关资源数目，ｍ＜ｎ）。 就兴趣模型存储本身，将 ｒ ÎＲｒ 表示为〈ｒ， ｗｒ〉，ｗｒ为用户对 ｒ 的兴趣度，基于用户对 ｒ 的操作（发布、转发、．．．、以及来源于社群兴趣等） 赋予不同的权值。 而在推荐时，将根据兴趣度对资 源序列进行筛选。 基于指定的 ｍｕ ÎＭｕ 的推荐，实 际上需要在 Ｒ 中发现一个最适合推荐的资源序列 ＲｒÍＲ，使该序列中任一项 ｒ ÎＲｒ满足 ａｒｇｍａｘｆ ｒｅｃ（ ｒ ｜ ｒ１ ｒ２ ．．．ｒｍ ），其中 ｆ ｒｅｃ为推荐指数，ｆ ｒｅｃ（ｒ ｜ ｒ１ ｒ２ ．．．ｒｍ ）即用户 ｕ 对 ｒ１ ｒ２ ．．．ｒｍ感兴趣的条件下、推荐资源 ｒ 的指数。 由于社会媒体推荐中“资源”已非原始粒度的信息， 因此，资源的识别和描述将是一个新的问题。 同时， 如何对多层次资源和用户兴趣建模，如何进行推荐 条件判断，乃至模型的维护和支持查询的有效索引 均为需要研究的问题。 ２）社会媒体多模态内容与资源质量分析基础研究。 由于社会媒体中存在大量噪音、重复资源等质 量问题，无论在构建资源模型与用户兴趣模型、还是 构建用户⁃资源信息网络时，均存在资源的质量分析 问题，噪音和重复资源的检测依赖于多模态内容分 析。 此外，资源模型的表达是以计算两资源 ｒａ 、ｒｂÎＲ 的 ｆ ｒｅｃ（ｒａ ｜ ｒｂ）为基础的，而 ｆ ｒｅｃ（ｒａ ｜ ｒｂ） 正比于资源内 容相关性，内容相关性的度量同样依赖于多模态内 容分析。 如前所述，这里的多模态内容除包括媒体 上下文线索、标签等元数据等语义信息外，视觉、听 觉等内容分析的基础是特征提取，这需要将特征相 关性问题首先在不同类别的特征中解决，再进一步 在多类特征中融合。 这样，分层次、分类别的特征提 取将是一个重要的研究问题。 ·２７２· 智 能 系 统 学 报 第 ９ 卷