摘要：随着大数据技术的发展，信息化、智能化作战将成为现代战争的未来趋势，如何从浩瀚信息中获取有效信息是提高作战指挥效率的重要问题。面向战场信息共享平台，利用推荐系统可解决信息过载问题的优势，结合军事领域信息数据特点，构建军事平台的个性化推荐系统框架，然后基于该推荐系统，提出融合情景感知的推荐算法，以提高军事平台的推荐服务质量。
关键词：个性化推荐；情景感知；信息共享平台
随着科技的发展，我军不断实现信息资源共享的目标。战场信息共享平台集信息生产与处理于一体，用于实现战场信息的一体化组织、分析处理以及融合集成，管理和主动分发战场信息［1］，对实现信息资源增值利用起着决定性作用。战场信息资源种类繁多复杂使得平台堆积着大量的信息，军事人员面对浩瀚的信息资源容易陷入“信息过载”的境地，从而会降低作战指挥效率。就目前而言，搜索引擎和推荐系统可有效解决“信息过载”问题［2］。其中，搜索引擎需要用户输入相关关键字，根据关键字相似度匹配而呈现出用户感兴趣的内容；而推荐系统是通过大量的用户行为数据进行挖掘用户的偏好，把信息和用户偏好进行匹配，从而进行个性化推荐。在军事领域中，文献［3］针对移动平台上的指挥员难以准确获得所需资源的问题，基于战场环境中移动平台位置动态变化的特征，提出了多样化移动平台军事信息服务模式；文献［4］首次提出了军事主动推荐，构建了军事信息主动推荐系统，但是针对主动推荐的方法并未展示；文献［5］根据军事用户的特点，提出了利用ISM方法层次化分析用户特征，搭建了军事信息服务的智能推荐框架。可见，越来越多的学者致力于提高军事指挥效率，对军事推荐系统开展了研究，但目前的研究仅是独立于信息服务平台的推荐系统研究，本文借鉴个性化推荐系统可解决信息超载问题的思路，基于战场信息共享平台（文中简称为平台），构建军事个性化推荐系统的体系框架，并根据军事领域主要面向任务，且作战环境是决定指挥决策的重要因素之一的特点，获取用户当前情景，提出融合情景感知的个性化推荐服务，为军事人员可以快速获取所需信息提供建设性参考，以提高军事信息资源的利用率。
1战场信息共享平台推荐系统框架
本文提出的军事平台个性化推荐系统主要分为四层：数据层、数据处理层、推荐层和交互层，如图1所示。
1．1数据层数据层
主要包括采集用户资料信息库、军事信息资源库、用户行为日志获得数据保存在MySQL数据库中。用户信息库是存储军事人员基本信息，该信息经过加密处理。用户行为日志是指用户登录、用户处理信息以及浏览信息的行为数据。军事信息资源库是对军事信息资源的格式化整理，且具有稳定、不断更新的特点。
1．2数据分析层
1．2．1用户分析
系统对数据层里的用户信息和行为进行量化、统计和建模，挖掘用户数据然后进行分析用户画像、资源偏好。用户画像是对用户信息标签化进行建模，包括静态画像和动态画像。静态画像是用户独立于信息场景之外的属性。平台采集了用户名称、用户身份、用户类型、用户的任务，作为用户的基本信息。另外，动态画像指用户在军事平台中所产生的显式行为或隐式行为，其中，显式行为指用户明确的表达了自己的喜好，例如点赞、分享、评分等，但是军用平台是以完成军事任务为核心，点赞、评分等行为无疑会加重用户行为负担，此类行为在平台中并未体现。隐式行为指用户没有明确表达自己的喜好，用户利用查阅信息、搜索、点击、停留时长等隐性的行为表达自己所关注的信息，军事平台中隐式行为较为显著。通过分析军事用户画像特点，根据用户基本信息（即静态画像）、行为信息（即动态画像）对用户画像进行建模，挖掘用户偏好，建模过程如图2所示：1）数据源：平台通过用户注册获得用户信息，经过加密技术处理存储在数据库。挖掘用户的浏览行为数据，从而获得用户行为日志。2）行为建模：对用户的点击浏览行为进行建模，得到用户浏览信息的行为矩阵。3）画像构建：通过行为建模，可以输出一系列用户标签。
1．2．2军事信息分析
军事平台中的信息对象有军事文本、图像、视频等，其中主要信息为文本数据。本文仅讨论军事文本的信息，针对文本类信息推荐对象，可使用基于内容的建模方法，利用关键词抽取方法对文本内容的关键词进行抽取，通过TF－IDF算法对关键词相似度进行计算，得到信息文本之间的相似度［6］。
1．3推荐层
在军事平台中，主要是面向作战任务，给军事用户推荐与其任务相关的信息资源，因此更关注于信息内容本身，本文采用了基于内容的推荐算法，根据平台用户的登录信息显性地获取用户的任务数据，还可通过用户的浏览行为信息隐式地获取用户的任务数据，通过推荐算法，与平台信息进行相似度计算，主动推荐给用户与其任务相似的信息，有利于用户快速获取任务相关信息或作出决策。基于内容的推荐算法［7］根据信息本身的基本信息，计算信息之间的相似性，其基本原理为：根据平台用户的检索、浏览等动作所产生的日志数据找到用户关注或需要的信息，通过对整个数据资源的内容分析，使用一套标准数据统计方式，计算出与用户感兴趣的物品相似的信息集合，根据可能需要的权重大小进行排序。基于内容的推荐算法的具体实现步骤主要分为两步：步骤一，构建用户与物品画像。根据1．2节所描述的数据分析方法，获取用户及信息特征。用户画像根据已知用户的历史兴趣得到用户特征的结构化表示r（u），比如行为偏好、职位特点等信息；而物品画像是物品的内容特征的结构化表示r（i），比如包括武器装备、任务、实时军事新闻等信息；步骤二，根据用户画像从数据库中寻找用户偏好的TopN个相似物品item进行推荐。公式如下：item＝argmax｛sim（r（u）×r（i））｝
2构建融合情景感知的个性化推荐方法
文献[8]指出情景表明着个体所处环境的信息数据，如位置、时间、气候等，系统可以通过传感器检测用户的情景信息，对当前环境的分析选择适应用户情景的信息服务，同时向系统反馈情景变化信息，便于系统自动随时调整信息服务策略。在军事作战中，作战环境对于作战人员执行作战任务影响很大，相同作战任务但不同的作战环境会有不同的指挥策略，基于上文设计的个性化推荐系统，提出融合情景感知的个性化推荐算法，以提升平台服务质量。融合情景感知的个性化推荐算法流程如图3：图3融合情景感知的个性化推荐算法流程
2．1情景模型构建
作战环境是作战指挥必须考虑的因素之一，因此分析情景信息有利于提供给用户更准确的指挥决策信息。情景模型的作用是描述平台用户当前的情景，能更好地满足用户需求，发现用户所需的信息内容，然后调取数据库中与此相匹配的信息资源。构建情景模型主要有三个步骤：采集用户情景信息、分析用户情景特点、存储用户情景信息。平台利用智能传感设备，自动检测用户所处情景，对感知和捕获到的情景信息进行语义分析，探索不同情景信息的内在联系，形成情景关联库；再利用平台提取的用户偏好特征，与情景信息偏好进行计算，根据专家经验对不同情景赋予不同权重因子；然后对用户的情景数据进行科学组织和管理，结合用户的偏好空间和信息资源描述向量空间构建用户的情景模型，存储用户情景信息。
2．2融合情景感知的个性化推荐服务过程
首先，捕获分析用户情景信息，构建情景模型；然后，根据情景模型描述的即时情景信息，寻找与用户情景相似的信息，与用户偏好融合进行权重计算，得出用户最终偏好，根据用户偏好利用基于内容推荐算法，从信息资源库中检索与之匹配的信息，并返回情景模型进行个性化处理；最后将个性化推荐的Top－N信息发送到用户端。
3融合情景感知的个性化推荐系统实现
通过对面向军事平台的个性化推荐系统的研究，基于融合情景感知的MapReduce编程模型［9］的个性化推荐算法，系统程序采用Java语言开发，基于Linux操作系统，输入数据放在MySQL数据库，其底层实现是放在Hadoop［10］的分布式文件系统HDFS上。面向战场信息共享平台的个性化推荐系统架构如图4，本系统分为：数据获取与预处理模块、基于情景感知的个性化推荐模块、数据存储模块、推荐服务模块。
4结束语
本文通过对用户特征、信息资源特征的捕获建立用户标签和军事信息资源标签，将情景感知特征融入到推荐系统，剖析用户深层兴趣偏好，对于打造军事信息个性化推荐服务具有重要意义。用户静态画像数据和动态画像数据的结合提高推荐系统的使用长久性，实现基于情景感知的个性化推荐系统，保证推荐系统的推荐内容长期精准有效、细分用户需求、精准推荐内容，以提高平台的信息服务质量和军事信息资源利用率。
作者：葛婉 刘思其 张捷 杜宝珠 单位：南京理工大学自动化学院 陆军装备部驻重庆地区第一军事代表室