网页设计培训学些什么,关键词优化排名要多少钱,猎头公司招聘,郑州谷歌优化外包来源#xff1a;北京物联网智能技术应用协会作者 | Alexander Felfernig, Seda Polat Erdeniz编译 | CDA数据科学研究院Recommender systems in the Internet of Things1、背景介绍物联网是一种联网的基础架构#xff0c;是物联网、互联网和语义学领域之间融合的结果#xf… 来源北京物联网智能技术应用协会作者 | Alexander Felfernig, Seda Polat Erdeniz编译 | CDA数据科学研究院Recommender systems in the Internet of Things1、背景介绍 物联网是一种联网的基础架构是物联网、互联网和语义学领域之间融合的结果为随时随地连接不同设备提供了基础。在物联网场景中开发了大量的服务和应用程序这使识别相关的服务和应用程序成为用户的一项复杂任务。在这种情况下推荐系统便成了一项关键的技术这些技术使大部分服务和应用程序的识别变得可行。比如在物联网等场景下可以在网关上安装一些应用程序附加设备由网关部署和管理同时在公共显示器上显示的信息文本会被用于在网关上完成特定任务相关的数据传输协议并应包括IoT相关场景中相关的硬件和软件组件。 推荐技术在IoT上下文中的进一步应用包括工作流程的推荐例如应将哪些软件功能包含在IoT应用程序的工作流程定义中食品的推荐例如根据食品的状况可以调整提供条件在个性化店内购物场景中进行推荐例如根据实体店中顾客的位置应推荐哪些商品以及健康监控例如根据一个人当前的饮食行为和身体状况推荐食物和体育锻炼。在许多情况下灵活的物联网网关基础设施都扮演着核心角色。 IoT网关是基于硬件和软件的解决方案其主要作用是实现设备到设备中心/或设备到云的通信。它是一个平台用于支持不同数据源具有各种通信协议的传感器与目的地本地或远程数据管理实体以及各种执行器之间的连接。物联网网关位于设备的边缘和附近也可能在服务执行中发挥关键作用。典型的物联网网关平台由设备管理器通信/数据协议管理器应用程序管理器和数据管理器组成请参见下图。先进的IoT网关包含其他功能其中可以包括配置器和推荐器引擎以帮助用户配置网关或基于给定的网关设置和用户交互协议推荐有用的应用程序。 如图1所示可以使用5GBLELORA和ZigBee等各种连接协议将IoT传感器连接到IoT网关。网关用户可以通过WAN / LAN连接其网关以管理或监视其数据和服务。他们还可以通过将云应用程序与其IoT网关链接来管理或监视收集的数据。2、基本技术和应用场景 推荐技术可用于多种目的以支持不同的物联网场景。在本节中我们将会介绍协同过滤基于内容的过滤基于知识的推荐和组合推荐这四项基本推荐技术如何根据不同场景去实现推荐的功能。2.1 协作过滤 基于“口口相传”的想法即朋友最近邻居– NN对物品的意见或看法被用作计算推荐算法的主要信息来源。然后使用k个最近邻居的偏好等级来推断当前用户的偏好。例如将安装在与当前用户具有类似应用程序库的用户的网关上的应用程序安装在当前用户的网关上。物联网环境中协同过滤的其他应用示例是物联网环境提升中的设备推荐和组件部分推荐。支持协同过滤的不同场景的推荐库的示例是Apache Mahout。表1根据其他网关的安装信息基于协同筛选的设备d1..d4和应用程序app1..app4推荐。与本地网关相比网关1的配置文件是最相似的配置文件。由于app3未安装在本地网关上因此可以将其解释为推荐候选。推荐的应用程序用√表示。2.2 基于内容的过滤 基于稳定的首选项的想法即过去的首选项在将来不会发生重大变化。使用基于内容的过滤时有关物品的基于关键字的信息与从当前用户过去已经消费过的项目中提取的关键字匹配。例如如果用户安装了特定的应用程序则可以在可用时推荐类似的应用程序或对现有应用程序的更新。在IoT上下文中应用基于内容筛选的其他示例是设备和工作流程的推荐。支持基于内容过滤的不同场景的推荐库示例是Apache Lucene。表2使用本地网关上已安装的应用程序的关键字key对应用程序进行基于内容过滤的推荐。与本地网关的配置文件相比app1的关键字是最相似的关键字。由于app1未安装在本地网关上假设因此可以将其选择为推荐候选。推荐的应用程序用√表示。2.3 基于知识的推荐 基于使用以显式方式即在规则约束方面定义的推荐知识的思想。使用基于知识的推荐时当前用户明确定义的首选项将转发到知识库该知识库用于确定推荐搜索问题的解决方案。例如如果IoT网关解决方案的用户更喜欢节电的网关配置则与其他协议相比将首选使用特定的通信协议。在物联网环境中应用基于知识的推荐技术的其他示例包括整个网关配置的推荐以及野生动物监测中数据收集策略的推荐。2.4 基于组的推荐系统 基于组的推荐系统是基于对用户小组的偏好使用不同算法的汇总结果去推荐。在基于算法集成的推荐中基本算法例如协同过滤基于内容的过滤和基于知识的推荐用于确定针对单个用户的推荐。然后将这些建议汇总为该组的最终推荐基于汇总预测的方法。相关聚合函数的示例是平均值推荐用户评分平均值最高的商品和风险最少推荐所有最低评分指标最高的商品。另外小组资料可以从小组成员的个人偏好中得出*基于聚合模型的方法根据小组资料可以使用上述基本方法确定推荐。团体推荐系统的实现通常基于单用户推荐系统的库也就是上述提到的Apache Mahout、Apache Lucene等。3、何时应用哪种推荐技术 本文讨论的推荐方法使用了不同的知识来源并且还具有不同的优点这些优点使它们或更少适用于特定的推荐方案。在下文中我们将简单讨论推荐算法选择的主要标准并针对这些标准分析所讨论的每种算法。3.1 原理简单 基于内容的筛选和基于协同的筛选的原理都比较简单实现方式也比较快只需获得有关评分方面的用户偏好的知识在基于内容的过滤中自动提取的关键字就可以得出推荐。由于基于组的推荐系统大部分是使用这些基本算法所以基于组的推荐系统的实现也比较容易。相比之下基于知识的推荐方法需要更多的设置投资由于领域专家和知识工程师之间的通信开销知识库的构建通常是一个容易出错且繁琐的过程。3.2 会话推荐方法 在推荐复杂的产品和服务时主要支持在用户和系统之间进行对话的会话方法。在这种情况下使用基于知识的推荐器即在基于知识的推荐的上下文中支持对话方法。协同过滤和基于内容的过滤不支持推荐对话框。在小组推荐系统的背景下由于部分小组推荐系统是基于知识的推荐因此可以支持会话过程。3.3 适应性 协同过滤和基于内容的推荐有较好的适应性因为每一个新的等级更高程度的适应性可以改变推荐的项目清单。如果将协同过滤或基于内容的推荐用作基础推荐这也适用于组推荐方案方法。基于知识的推荐方法显示出较低的适应性因为知识库是比较稳定的因为单个用户的偏好习惯不会一时间去改变。3.4 惊喜度 如果用户喜欢某项推荐并同时对此推荐感到完全出乎意料就会产生惊喜度一般这种效果主要可以通过协同推荐方法来实现。基于内容的推荐一般会假定其偏好保持稳定并在已经购买的商品列表中提供建议。因此这种方法提供了非常低的偶然性。同时基于知识的推荐算法中的偶然性程度取决于编码的偶然性程度。基于小组推荐中的偶然性程度取决于所选择的基础基本推荐方法。3.5 冷启动问题 协同过滤和基于内容的过滤都存在冷启动问题如果在协同过滤中没有特定用户的用户评级或者到目前为止当使用基于内容的推荐系统时用户没有购买任何商品时也就是无法获取相似的推荐。此外如果某个商品没有获得评级则协同过滤系统很难将其考虑在内。由于基于内容的过滤基于商品的关键字因此即使没有商品的评级也可以进行推荐。基于知识的推荐不存在冷启动问题因为推荐知识被编码在一个知识库中且假定该知识库在可以开始推荐会话之前就已经存在。3.6 透明度 透明度可以视为推荐结果可解释的程度。协同过滤和基于内容的过滤中的结果具有较低的解释性因为如果要解释的话只能基于内容的推荐中的相似邻居和相似关键字。在基于知识的推荐中可以更细化解释。相关说明可以考虑推荐的原因由用户偏好列表表示但也可以考虑为什么找不到解决方案以及哪些偏好矛盾的原因。在小组推荐系统中可解释性取决于所选的基本推荐方法。3.7 高参与度商品 由于次优决策的负面影响很大因此在大多数情况下此类商品非常复杂并且需要做出相关决策。其示例是选择特定的服务器基础结构或智能家居解决方案。相反低参与度商品的例子是低价应用程序或传感器。在大多数情况下基于知识的方法用于推荐高参与度的商品而基于内容的协作过滤则用于推荐低参与度的商品。按照先前的论点如果选择的基本推荐方法是基于知识的则可以将小组推荐系统用于高度参与的商品。4、结论与下一步工作 在本文中我们提供了对现有推荐方法的简短概述并讨论了它们在物联网场景中的应用的不同方面。在这种情况下我们还针对可用于选择推荐算法的一组标准讨论了不同方法的优缺点。同时也有一些与推荐技术在物联网场景中的应用有关的开放研究问题需要我们关注尤其是在推荐复杂的IoT配置的情况下必须开发搜索机制以便在面对庞大而复杂的配置知识库时也可以进行高效且个性化的解决方案搜索。此外必须以有效的方式测试和更新有关产品可变性的知识。这项要求与软件工程的当前发展相吻合后者在开发测试部署和生产使用之间相继实现了强大的耦合。未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
