伴隨電子商務(wù)的飛速發(fā)展與社交媒體的廣泛應(yīng)用，商品、交易、新聞、評論、用戶等社會(huì)化大數(shù)據(jù)呈爆炸式增長。海量的網(wǎng)絡(luò)用戶、巨大的市場規(guī)模，在促進(jìn)經(jīng)濟(jì)與社會(huì)迅猛發(fā)展的同時(shí)，也帶來了新的挑戰(zhàn)。一方面，面對海量交易信息以及文本、圖片、視頻等復(fù)雜信息，信息超載問題日益突出，嚴(yán)重制約了市場相關(guān)參與主體的目標(biāo)達(dá)成；另一方面，盡管當(dāng)前信息傳播的多元化、智能化推動(dòng)了網(wǎng)絡(luò)內(nèi)容的多樣化、情感化與信息共享的便捷化、普惠化，但面對全球各種思想文化交流交融交鋒的復(fù)雜情景以及商業(yè)網(wǎng)絡(luò)平臺(tái)存在的逐利現(xiàn)象，一些違背主流價(jià)值導(dǎo)向的網(wǎng)絡(luò)內(nèi)容甚至是低俗信息在網(wǎng)絡(luò)傳播中的存在，對社會(huì)穩(wěn)定和有效治理形成挑戰(zhàn)。在此背景下，從技術(shù)層面解決信息超載問題，并通過信息定向引導(dǎo)構(gòu)建良好的信息環(huán)境，成為應(yīng)對挑戰(zhàn)的關(guān)鍵要素，而科學(xué)有效的社會(huì)化推薦對于解決上述問題具有重要現(xiàn)實(shí)意義。

傳統(tǒng)推薦方法在大數(shù)據(jù)時(shí)代面臨瓶頸

推薦研究可追溯到1992年美國施樂公司帕克研究中心研發(fā)的郵件過濾系統(tǒng)Tapestry。面對大量電子郵件，人們迫切需要高效的文件管理技術(shù)提升工作效率，而Tapestry的誕生滿足了這一需求。20世紀(jì)90年代末，作為亞馬遜網(wǎng)站核心競爭優(yōu)勢的人工書目推薦團(tuán)隊(duì)，設(shè)立了《亞馬遜的聲音》欄目，成功提升了書籍的銷售業(yè)績；而后，基于客戶歷史偏好信息與商品的相似性，亞馬遜公司又推出了新的推薦技術(shù)，帶來了遠(yuǎn)高于人工推薦團(tuán)隊(duì)的經(jīng)濟(jì)價(jià)值，其銷售貢獻(xiàn)達(dá)到亞馬遜網(wǎng)站的30%。2009年以來，伴隨社交媒體的發(fā)展，好友推薦技術(shù)成為臉譜、推特等社交平臺(tái)用戶規(guī)模擴(kuò)張與保持用戶黏性的重要法寶。近年來，隨著人工智能的快速發(fā)展，深度學(xué)習(xí)技術(shù)極大推動(dòng)了推薦研究的發(fā)展，并成為國際商業(yè)公司的重要推薦方法。

在中國電子商務(wù)產(chǎn)業(yè)發(fā)展進(jìn)程中，電商平臺(tái)高度重視推薦系統(tǒng)的研發(fā)。例如，淘寶推薦系統(tǒng)涵蓋了諸如商品詳情、購物車等近百個(gè)不同的推薦應(yīng)用場景；京東推薦系統(tǒng)基于用戶偏好、長短期行為以及地域三類召回模型構(gòu)建候選商品數(shù)據(jù)庫，并應(yīng)用排序模型生成商品推薦列表。電商平臺(tái)推薦系統(tǒng)的應(yīng)用，實(shí)現(xiàn)了從傳統(tǒng)的“千人一面”界面到“千人千面”界面的轉(zhuǎn)變，極大促進(jìn)了經(jīng)營業(yè)績的提升。在新聞、娛樂等領(lǐng)域，推薦系統(tǒng)也已成為面向文本、圖片、視頻等多源異構(gòu)內(nèi)容傳播與推送的核心途徑，并推動(dòng)了新興媒體的發(fā)展。

面對廣泛而深度的應(yīng)用市場，全球眾多研究機(jī)構(gòu)、高校的科研團(tuán)隊(duì)圍繞推薦方法開展了持續(xù)深入的研究，基本形成了基于內(nèi)容的推薦、協(xié)同過濾推薦、混合推薦三大類劃分，并針對冷啟動(dòng)、可解釋性、結(jié)果評價(jià)等系列問題開展了進(jìn)一步探索。科學(xué)研究與市場應(yīng)用的交叉創(chuàng)新，推動(dòng)了推薦系統(tǒng)的發(fā)展。當(dāng)前，我國網(wǎng)民規(guī)模已超過8億，電商平臺(tái)與社交媒體正在深刻改變?nèi)藗兊纳罘绞?。面對海量、異?gòu)社會(huì)化大數(shù)據(jù)的復(fù)雜情境，一方面，在推薦方法的科學(xué)研究層面，推薦場景的復(fù)雜性與動(dòng)態(tài)性為我們帶來了新的決策困難；另一方面，如何通過信息技術(shù)的創(chuàng)新實(shí)現(xiàn)對信息定向傳播的引導(dǎo)、優(yōu)質(zhì)內(nèi)容的推薦，弘揚(yáng)正能量，是擺在我們面前更為重要的挑戰(zhàn)。

計(jì)算社會(huì)科學(xué)為完善推薦方法提供新視角

傳統(tǒng)推薦方法基于用戶的歷史評分?jǐn)?shù)據(jù)構(gòu)建行為偏好模型進(jìn)而生成推薦方案，但受地域、情感等多維因素的影響，推薦效果受到明顯制約。隨著社交媒體的廣泛應(yīng)用，復(fù)雜的社交行為催生了用戶群體的社會(huì)化網(wǎng)絡(luò)。社會(huì)化網(wǎng)絡(luò)環(huán)境下，人們的通信、交通、交易甚至是瀏覽數(shù)據(jù)被完整記錄與存儲(chǔ)，海量的“數(shù)字腳印”繪制成包含多維信息的個(gè)人畫像、群組畫像以及群體網(wǎng)絡(luò)拓?fù)鋱D。在社會(huì)化網(wǎng)絡(luò)中，不同的子群體形成了橫向結(jié)構(gòu)，不同的社會(huì)角色形成了縱向結(jié)構(gòu)，而子群體內(nèi)部的個(gè)體關(guān)系、子群體之間的行為差異、不同角色之間的結(jié)構(gòu)均衡則影響著社會(huì)化網(wǎng)絡(luò)的穩(wěn)定和演變。事實(shí)上，子群體內(nèi)部個(gè)體之間的鏈接關(guān)系反映了相近的偏好，不同子群體的行為差異反映了群組的偏好特征?；诰W(wǎng)絡(luò)子群體的特征分析，社會(huì)化網(wǎng)絡(luò)研究已廣泛應(yīng)用于經(jīng)濟(jì)學(xué)、管理科學(xué)、歷史學(xué)、哲學(xué)、新聞傳播學(xué)等社會(huì)科學(xué)領(lǐng)域，并推動(dòng)了計(jì)算機(jī)科學(xué)的發(fā)展。

2009年，來自于信息科學(xué)、經(jīng)濟(jì)學(xué)、管理科學(xué)、社會(huì)學(xué)、政治學(xué)、歷史學(xué)等不同領(lǐng)域的全球15位頂尖學(xué)者在《科學(xué)》雜志上提出了“計(jì)算社會(huì)科學(xué)”的概念，他們認(rèn)為計(jì)算社會(huì)科學(xué)這門新的學(xué)科可為人類社會(huì)復(fù)雜規(guī)律的分析與挖掘提供新的研究范式。近年來，伴隨社會(huì)化網(wǎng)絡(luò)的日益復(fù)雜，計(jì)算社會(huì)科學(xué)領(lǐng)域的研究成果逐步涌現(xiàn)。從推薦方法現(xiàn)有的研究瓶頸來看，冷啟動(dòng)、可解釋性、結(jié)果評價(jià)等仍然是其面臨的主要挑戰(zhàn)，而立足于社會(huì)化大數(shù)據(jù)分析的計(jì)算社會(huì)科學(xué)，將為推薦理論與方法體系的發(fā)展完善提供一個(gè)新的研究方向。

社會(huì)化推薦應(yīng)關(guān)注價(jià)值觀塑造與知識(shí)傳播

與傳統(tǒng)推薦方法相比，社會(huì)化推薦優(yōu)勢顯著。面向個(gè)體用戶，海量社會(huì)化大數(shù)據(jù)引入了用戶關(guān)系、用戶交互行為等信息以及跨領(lǐng)域的多維度信息，而用戶交互行為以及跨領(lǐng)域信息的融合可有效應(yīng)對冷啟動(dòng)、可解釋性的挑戰(zhàn)，也有利于實(shí)現(xiàn)推薦結(jié)果的多樣性。而且，社會(huì)化信息的融合實(shí)現(xiàn)了日益精準(zhǔn)的興趣建模，極大推動(dòng)了“量身定制”的個(gè)性化推薦。面向群組用戶，在社會(huì)化網(wǎng)絡(luò)中，頻繁的用戶交互行為引致網(wǎng)絡(luò)社區(qū)不斷涌現(xiàn)，如學(xué)術(shù)交流群組以及諸多公共服務(wù)均表現(xiàn)出典型的群組特性，社會(huì)化網(wǎng)絡(luò)大數(shù)據(jù)為群組相似性偏好、差異性偏好、群體偏好集結(jié)提供了天然的基礎(chǔ)數(shù)據(jù)支撐。如此，社會(huì)化推薦有助于增強(qiáng)用戶黏性，促進(jìn)企業(yè)經(jīng)營業(yè)績的增長。但與此同時(shí)，如果社會(huì)化推薦仍與傳統(tǒng)推薦方法一樣，為產(chǎn)品營銷所驅(qū)動(dòng)，則會(huì)帶來顯而易見的弊端。對個(gè)體用戶而言，個(gè)性化推薦的信息同質(zhì)性問題會(huì)誘導(dǎo)出“信息繭房”效應(yīng)，進(jìn)而引發(fā)個(gè)體偏執(zhí)、極端甚至個(gè)體社會(huì)化屬性的衰退；對群組用戶而言，“信息繭房”效應(yīng)的蔓延將引致群體的觀點(diǎn)同質(zhì)、行為同質(zhì)、偏好同質(zhì)，在社會(huì)重大問題或熱點(diǎn)問題中極易引發(fā)輿情極化行為，進(jìn)而影響社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展。

有鑒于此，社會(huì)化推薦更應(yīng)關(guān)注價(jià)值觀塑造與知識(shí)的傳播。具體而言，面向個(gè)體用戶，社會(huì)化推薦應(yīng)立足于社會(huì)化大數(shù)據(jù)的多維度信息優(yōu)勢，通過個(gè)體社交大數(shù)據(jù)的有效挖掘，精準(zhǔn)判斷個(gè)體的價(jià)值傾向與興趣偏好，有效表達(dá)用戶的多元化需求，基于社交影響力與興趣建模實(shí)現(xiàn)面向個(gè)體的價(jià)值引導(dǎo)，挖掘新穎性產(chǎn)品或信息，實(shí)現(xiàn)推薦結(jié)果的多樣化。面向群組用戶，社會(huì)化推薦應(yīng)著眼于社會(huì)化網(wǎng)絡(luò)中橫向結(jié)構(gòu)群體之間的偏好差異、縱向結(jié)構(gòu)群體之間的外部關(guān)聯(lián)，通過融合網(wǎng)絡(luò)結(jié)構(gòu)與多源數(shù)據(jù)信息，準(zhǔn)確判斷建模群組的價(jià)值傾向、行為偏好與群組個(gè)體的影響力，實(shí)現(xiàn)面向群組的主流價(jià)值信息定向傳播，規(guī)避“信息繭房”效應(yīng)。唯有如此，社會(huì)化推薦才能在深度挖掘用戶興趣偏好與價(jià)值傾向的同時(shí)，實(shí)現(xiàn)推薦精度的提升與主流價(jià)值的定向引導(dǎo)。

（作者：宋鵬、梁吉業(yè)，分別系山西大學(xué)MBA教育中心執(zhí)行主任；山西大學(xué)副校長、計(jì)算智能與中文信息處理教育部重點(diǎn)實(shí)驗(yàn)室主任）