您现在的位置是:Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款 >
facebook好友排序規則(什么是大數據。。大數據是什么)
Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款2024-06-04 04:02:39【】7人已围观
简介社交網絡數據分析與應用社交網絡數據分析與應用根據最近的一份調查數據顯示,美國互聯網媒體的市值已達10890億美元,是傳統媒體的3倍,類似的在中國,根據艾瑞買粉絲發布的2014年第二季度網絡經濟核心數據
社交網絡數據分析與應用
社交網絡數據分析與應用
根據最近的一份調查數據顯示,美國互聯網媒體的市值已達10890億美元,是傳統媒體的3倍,類似的在中國,根據艾瑞買粉絲發布的2014年第二季度網絡經濟核心數據顯示,截止2014年6月30日,中國主要上市互聯網公司市值前五的為騰訊(1405.6億美元)、百度(654.5億美元)、京東(389.7億美元)、奇虎360(120.9億美元)、唯品會(111.9億美元)。與此同時,以Facebook,Twitter,微博,買粉絲等為代表的社交網絡應用正蓬勃發展,開啟了互聯網時代的社交概念。據全球最大的社會化媒體傳播買粉絲公司We Are Very Social Limited分析指出,目前社交類軟件使用的人數已達25億——占世界總人數約的35%,另據艾瑞買粉絲發布的2014年第二季度社區交友數據顯示,2014年5月,社區交友類服務月度覆蓋人數達到4.7億,在總體網民中滲透率為92.5%;2014年5月社交服務在移動App端月度覆蓋人數為1.9億人,其中微博服務在移動端優勢較為明顯,月度覆蓋人數達到1.1億人;互聯網媒體和社交網絡是Web2.0時代兩個非常重要的應用,那么一個自然的問題是這兩個領域將會如何互動發展?本報告主要從數據分析(非財務、非戰略)的角度嘗試探討網絡結構會給互聯網媒體帶來什么樣的機遇和挑戰。具體而言,我們根據自己的研究經驗只關注以下幾個方面:新聞、影音和搜索,根據艾瑞買粉絲發布的2013網絡經濟核心數據顯示,這三部分的收入占到中國市值TOP20互聯網企業總市值的32.16%,其重要性不可忽視。我們通過具體的案例并結合理論前沿做探索性的研討。
一、音樂推薦
根據《2013中國網絡音樂市場年度報告》顯示,2013年底,我國網絡音樂用戶規模達到4.5億。其中,手機音樂用戶人數由2012年的0.96億增長到2013年的2.91億,年增長率達203%。從網絡音樂用戶規模的飛躍式增長可以看到音樂流媒體服務蘊含著巨大的商機。在國外,科技巨頭爭奪音樂市場的野心也初露端倪,今年年初,蘋果斥資30億美元買下Beats Electronics,而谷歌也隨后收購了流媒體音樂服務提供商Songza。
音樂產業在新媒體時代占據重要地位。本報告主要關注移動互聯網環境下在線音樂服務商(酷狗音樂、QQ音樂、天天動聽等)的發展現狀并且對當前的音樂個性化推薦提出我們的一些見解。
1.1 音樂推薦與社交網絡
根據國內知名研究機構CNIT-Research 8月份發布的《2014年第二季度中國手機音樂APP市場報告》的數據顯示,排名前三的手機音樂App為酷狗音樂、QQ音樂、天天動聽。他們所占的市場份額分別為:20.1%,17.0%以及15.8%。
酷狗音樂 QQ音樂 天天動聽
其中,酷狗音樂和天天動聽憑借在在線音樂領域長期積累的用戶資源、高品質音質、卓越的UI界面以及完美的下載體驗取勝。而QQ音樂主要依附強大的社交工具QQ應運而生,可謂是“社交音樂”領域的先驅者。從2014年第二季度手機音樂數據來看,QQ音樂增勢迅猛,連續三個月用戶下載量增速均超過行業增速水平,而酷狗音樂、天天動聽均增速低于市場行業增速,用戶市場份額有所下降。
根據速途研究院對手機音樂用戶愿景的調查顯示,有58%的用戶希望增強個性化音樂推薦的功能,這說明有很多用戶在收聽音樂時其實并不清楚自己喜歡什么類型的歌曲,如果音樂電臺能根據用戶的個人喜好“猜出”用戶喜歡什么歌曲并為其進行推薦,那將會給用戶帶來意想不到的完美體驗。目前的很多音樂軟件都支持推薦這一功能。以下是音樂App市場中常見的音樂產品的個性化推薦以及定制方式:
酷狗音樂 QQ音樂 天天動聽
酷狗音樂 QQ音樂 天天動聽
上述事實說明,社交音樂存在巨大的潛力和價值。那么,這一方面有無突出的企業呢?其中英國的Last.fm和中國的QQ音樂可以算得上是這方面的一個代表。
Last.fm QQ音樂
Last.fm是 Audioscrobbler 音樂引擎設計團隊的旗艦產品,有遍布232個國家超過1500萬的活躍聽眾。2007年被CBS Interactive以2.8億美元價格收購,目前,Last.fm是全球最大的社交音樂平臺。QQ音樂是中國互聯網領域領先的網絡音樂平臺及正版數字音樂服務提供商,在中國手機音樂市場所占份額躋身四大巨頭(其他三個分別是酷狗、天天動聽、酷我),月活躍用戶已達到3億,是中國社交音樂領域的領軍人物。
以QQ音樂為例,我們詳細分析它在利用社交網絡信息進行個性化推薦的優勢與可能存在的不足。QQ音樂依附強大的社交工具QQ而生,長期以來受到廣大用戶的喜愛,這與QQ背后的億萬級用戶是無法割離的,可以說,QQ音樂是有先天的社交優勢的。用戶登錄QQ音樂后,可以看到動態欄中顯示的好友音樂動態,同時,它還允許用戶綁定自己的微博賬號,把音樂分享給微博好友。不僅如此,QQ音樂允許用戶自己編輯生成歌單,并分享給好友,這起到了一定的自媒體的作用。在“明星部落”這一功能中,QQ音樂允許粉絲之間交流互動,并形成一定的社交規模。從上述總結中,我們已經可以看到,QQ音樂已經有意識的把社交信息融合到產品設計和運營中,以增加客戶粘性。但是從數據分析的基礎和推薦算法的構建上,是否真正做到有效利用社交網絡信息了呢?為此,使用QQ音樂于2012年全面更新升級的“猜你喜歡”功能,并發現了如下問題:當筆者沒有任何聽歌記錄時,這一模塊并不能為筆者推薦歌曲。根據提示內容,目前該功能可能主要依靠用戶的歷史聽歌記錄進行推薦。同樣的問題出現在QQ音樂館的推薦欄中:大部分初始推薦音樂來源于當下熱門音樂歌曲,缺少個性化成分。
QQ音樂:猜你喜歡 QQ音樂館
以上事實說明音樂服務商在推薦算法上沒有充分利用社交網絡的信息。事實上,在獲得用戶個人綁定社交網絡賬號的基礎上,可以得到用戶的朋友關系,進一步可以獲得用戶好友的聽歌記錄,這些歌曲可以成為初始推薦曲目的備選項,將這些備選項通過一定規則(熱度、好友相似度)排序,可以用于音樂推薦;另外,眾所周知,社交網絡(如微博)是明星與粉絲互動的一個重要渠道,因此,可以重點提取用戶對于社交網絡中歌手以及音樂人的關注關系,以獲得對用戶偏好的推測。以上這些過程可以用下圖表示。
可以看到,在以社交網絡綁定的音樂社區中,每個人并不是孤立的個體,而是通過好友關系,以及粉絲與明星的關注關系聯系起來。音樂活動的多元化為QQ音樂的推薦場景帶來了新的挑戰。我們認為存在以下幾個需要處理的問題:(1)如何高效利用好友的音樂信息對用戶進行推薦?用戶的好友眾多,每個好友會留下很多音樂記錄,這些信息綜合起來的話數量極其龐大,如何迅速整合朋友及其收聽記錄并按照優先程度排序對用戶進行推薦是提高用戶體驗的前提條件。(2)如何整合多種信息渠道進行推薦?隨著時間的推進,一個音樂賬戶留下的信息是多元化的。例如,用戶主動搜索的音樂記錄、用戶對歷史收聽音樂記錄的反饋,用戶選擇的電臺種類、用戶自己總結生成的歌單、用戶對朋友分享音樂的反饋信息等。因此,如何對這些異質的信息來源進行有效整合,或者,在資源有限的情況下,如何判斷和篩選出對于提高推薦精度最有效的指標是提高音樂推薦效果的關鍵法寶。(3)如何整合當前音樂潮流趨勢與用戶個人興趣基因?音樂是充滿了潮流和娛樂性的產業,因此,用戶的音樂興趣不僅受其自身興趣基因驅使,也受到當前音樂流驅使的影響。因此,如何結合用戶個人興趣以及音樂潮流趨勢對用戶進行有效推薦,是對于音樂這一特殊娛樂行業的特別要求。綜上我們認為QQ音樂雖然是利用社交關系進行音樂推薦的先驅者,但是在利用網絡數據的層面上仍有很大的改進和提升空間。
1.2 基于社交網絡的音樂推薦
在此我們給出如何利用網絡數據對用戶進行推薦的技術思想。由于音樂推薦場景實體的多元化,我們將常見的推薦場景列舉如下:推薦歌曲、推薦歌單、推薦電臺、推薦歌手、推薦用戶。接下來,我們將從音樂分類與結構化、用戶信息整合、網絡結構應用三個步驟詳細闡述我們的觀點。
音樂結構化與歸一化
1.歌曲標簽化
首先,基于音樂的不同風格,我們需要對系統中存在的海量歌曲進行分類,通過打標簽的方式,使音頻信息通過文本的方式結構化。分類的方法多種多樣,標準各異,從幾個音樂主流網站的標簽組織形式看來,主要從客觀、主觀兩個角度進行分析。從客觀的角度講,音樂可以按照流派、地域、年代、演奏樂器等方式分類,如“流行”、“搖滾”、“鄉村音樂”、“90后”、“鋼琴曲”等等,且大類下面可以設小類,如“流行”下可以設置“華語流行”、“歐美流行”等小類;從主觀的角度講,音樂風格與聽歌時的心情、場景高度相關,如分為“甜蜜”、“安靜”、“治愈”、“酒吧”、“咖啡館”等等,這種標簽使得用戶在聽音樂時仿佛有一種身臨其境的感覺,帶來更高的視聽享受。除此之外,標簽也可以由用戶自己生成,如用戶的熱搜關鍵詞記錄、用戶自行備注標簽等。這在一定程度上正是利用自媒體的形式擴充標簽庫,使之更能反應用戶興趣。
2.歌手信息提取
除了可以將歌曲標簽化,我們還可以進一步的對歌手信息進行提取。比如根據地域我們可以把歌手分為大陸、港臺、歐美等,根據年代可以分為60后、70后、80后歌手,根據他們的曲風可以分為搖滾、抒情、朋克等。通過打標簽的形式把歌手進行分類,從而形成結構化的數據格式,方便以后快速清晰的定位用戶喜歡哪一類型的歌手。同樣的我們也可以對歌單、作詞者、作曲者進行標簽化處理,例如歌單的標簽可以模仿歌曲的形式,因為歌單是由歌曲組成,所以可以用歌曲的標簽來代表歌單的標簽。作詞者和作曲者的標簽可以參考歌手打標簽的方法,另外值得注意的是,由于音樂人之間形成合作、作曲、寫詞等合作關系,可以認為是一個社交網絡關系,常常可以見到的現象是某些歌手與詞作者存在密切的合作關系,而這部分信息也可用于音樂的個性化推薦。例如,對于一些有特定合作的歌手和詞(曲)作者,我們應該特別留意,比如周杰倫和方文山這對組合。
3.歌詞的語義分析
歌曲的重要組成部分就是歌詞,由于歌詞屬于文本,我們不可能直接對其打標簽,所以首先要進行的是語義分析,通過語義分析我們可以大概知道歌詞的內容,比如我們可以把歌詞切分成短語,然后對每一個短語進行歸納總結,可以判斷短語的情感極性(如積極還是消極),對短語進行主題分類,由于歌詞數目龐大,可以利用自然語言處理的方式,如主題模型等預先提取主題,再通過人工加以校正。這樣就可以對歌詞進行標簽化處理了。下面我們以歌曲為例,簡要的說明具體標簽化過程。
通過標簽的形式我們可以對每個歌曲的主題予以分類和描述。用于描述一支單曲的標簽數目越多,對于音樂主題的描述就更加清晰、明朗;但同時,冗余和重復的信息也可能越多,處理的難度就越大。因此,我們要對標簽進行排序和篩選,一個比較簡單高效的辦法是選擇最熱門的N個標簽作為我們的目標詞庫,并且對該詞庫定期進行更新。具體來說,我們將所有標簽按照重要程度由高到低進行排序,選擇前p個標簽作為我們的標簽集合。給定一首歌曲t,我們用一個超高維向量Xt=(Xt1,…,Xtp)∈?p表示它的標簽信息,其中Xtj=1表示該歌曲含有第j個標簽,否則,該歌曲不含有第j個標簽。例如對于一首鋼琴曲演奏的純音樂,對其打的標簽可能是:鋼琴曲、安靜、咖啡館等。設鋼琴曲、安靜、咖啡館分別對應于標號為1、3、5的標簽,那么向量Xt可以表示為Xt=(1,0,1,0,1,0,…0) 。通過以上步驟,我們就可以把看似雜亂的音樂風格通過打標簽的形式進行結構化,用一個只含0、1元素的超高維向量對每首歌曲進行分類。
對于歌單、電臺這些由歌曲集合而成的實體,我們也可以通過標簽的方式對其進行刻畫。例如,對于給定的一個歌單m,我們同樣用一個超高維向量
推薦算法簡介
寫在最前面:本文內容主要來自于書籍《推薦系統實踐》和《推薦系統與深度學習》。
推薦系統是目前互聯網世界最常見的智能產品形式。從電子商務、音樂視頻網站,到作為互聯網經濟支柱的在線廣告和新穎的在線應用推薦,到處都有推薦系統的身影。推薦算法是推薦系統的核心,其本質是通過一定的方式將用戶和物品聯系起來,而不同的推薦系統利用了不同的方式。
推薦系統的主要功能是以個性化的方式幫助用戶從極大的搜索空間中快速找到感興趣的對象。因此,目前所用的推薦系統多為個性化推薦系統。個性化推薦的成功應用需要兩個條件:
在推薦系統的眾多算法中,基于協同的推薦和基于內容的推薦在實踐中得到了最廣泛的應用。本文也將從這兩種算法開始,結合時間、地點上下文環境以及社交環境,對常見的推薦算法做一個簡單的介紹。
基于內容的算法的本質是對物品內容進行分析,從中提取特征,然后基于用戶對何種特征感興趣來推薦含有用戶感興趣特征的物品。因此,基于內容的推薦算法有兩個最基本的要求:
下面我們以一個簡單的電影推薦來介紹基于內容的推薦算法。
現在有兩個用戶A、B和他們看過的電影以及打分情況如下:
其中問好(?)表示用戶未看過。用戶A對《銀河護衛隊 》《變形金剛》《星際迷航》三部科幻電影都有評分,平均分為 4 .7 分 ( (5+4+5 ) / 3=4.7 );對《三生三世》《美人魚》《北京遇上西雅圖》三部愛情電影評分平均分為 2.3 分 ( ( 3十2+2 ) /3=2.3 )。現在需要給A推薦電影,很明顯A更傾向于科幻電影,因此推薦系統會給A推薦獨立日。而對于用戶B,通過簡單的計算我們可以知道更喜歡愛情電影,因此給其推薦《三生三世》。當然,在實際推薦系統中,預測打分比這更加復雜些,但是其原理是一樣的。
現在,我們可以將基于內容的推薦歸納為以下四個步驟:
通過上面四步就能快速構建一個簡單的推薦系統。基于內容的推薦系統通常簡單有效,可解釋性好,沒有物品冷啟動問題。但他也有兩個明顯的缺點:
最后,順便提一下特征提取方法:對于某些特征較為明確的物品,一般可以直接對其打標簽,如電影類別。而對于文本類別的特征,則主要是其主題情感等,則些可以通過tf-idf或LDA等方法得到。
基于協同的算法在很多地方也叫基于鄰域的算法,主要可分為兩種:基于用戶的協同算法和基于物品的協同算法。
啤酒和尿布的故事在數據挖掘領域十分有名,該故事講述了美國沃爾瑪超市統計發現啤酒和尿布一起被購買的次數非常多,因此將啤酒和尿布擺在了一起,最后啤酒和尿布的銷量雙雙增加了。這便是一個典型的物品協同過濾的例子。
基于物品的協同過濾指基于物品的行為相似度(如啤酒尿布被同時購買)來進行物品推薦。該算法認為,物品A和物品B具有很大相似度是因為喜歡物品A的用戶大都也喜歡物品B。
基于物品的協同過濾算法主要分為兩步:
基于物品的協同過濾算法中計算物品相似度的方法有以下幾種:
(1)基于共同喜歡物品的用戶列表計算。
此外,John S. Breese再其論文中還提及了IUF(Inverse User Frequence,逆用戶活躍度)的參數,其認為活躍用戶對物品相似度的貢獻應該小于不活躍的用戶,應該增加IUF參數來修正物品相似度的公式:
上面的公式只是對活躍用戶做了一種軟性的懲罰, 但對于很多過于活躍的用戶, 比如某位買了當當網80%圖書的用戶, 為了避免相似度矩陣過于稠密, 我們在實際計算中一般直接忽略他的興趣列表, 而不將其納入到相似度計算的數據集中。
(2)基于余弦相似度計算。
(3)熱門物品的懲罰。
此外,Kary pis在研究中發現如果將ItemCF的相似度矩陣按最大值歸一化, 可以提高推薦的準確率。 其研究表明, 如果已經得到了物品相似度矩陣w, 那么可以用如下公式得到歸一化之后的相似度矩陣w':
歸一化的好處不僅僅在于增加推薦的準確度,它還可以提高推薦的覆蓋率和多樣性。一般來說,物品總是屬于很多不同的類,每一類中的物品聯系比較緊密。假設物品分為兩類——A和B, A類物品之間的相似度為0.5, B類物品之間的相似度為0.6, 而A類物品和B類物品之間的相似度是0.2。 在這種情況下, 如果一個用戶喜歡了5個A類物品和5個B類物品, 用ItemCF給他進行推薦, 推薦的就都是B類物品, 因為B類物品之間的相似度大。 但如果歸一化之后, A類物品之間的相似度變成了1, B類物品之間的相似度也是1, 那么這種情況下, 用戶如果喜歡5個A類物品和5個B類物品, 那么他的推薦列表中A類物品和B類物品的數目也應該是大致相等的。 從這個例子可以看出, 相似度的歸一化可以提高推薦的多樣性。
那么,對于兩個不同的類,什么樣的類其類內物品之間的相似度高,什么樣的類其類內物品相似度低呢?一般來說,熱門的類其類內物品相似度一般比較大。如果不進行歸一化,就會推薦比較熱門的類里面的物品,而這些物品也是比較熱門的。因此,推薦的覆蓋率就比較低。相反,如果進行相似度的歸一化,則可以提高推薦系統的覆蓋率。
最后,利用物品相似度矩陣和用戶打過分的物品記錄就可以對一個用戶進行推薦評分:
基于用戶的協同算法與基于物品的協同算法原理類似,只不過基于物品的協同是用戶U購買了A物品,會計算經常有哪些物品與A一起購買(也即相似度),然后推薦給用戶U這些與A相似的物品。而基于用戶的協同則是先計算用戶的相似性(通過計算這些用戶購買過的相同的物品),然后將這些相似用戶購買過的物品推薦給用戶U。
基于用戶的協同過濾算法主要包括兩個步驟:
步驟(1)的關鍵是計算用戶的興趣相似度,主要是利用用戶的行為相似度計算用戶相似度。給定用戶 u 和 v,N(u) 表示用戶u曾經有過正反饋(譬如購買)的物品集合,N(v) 表示用戶 v 曾經有過正反饋的物品集合。那么我們可以通過如下的 Jaccard 公式簡單的計算 u 和 v 的相似度:
或通過余弦相似度:
得到用戶之間的相似度之后,UserCF算法會給用戶推薦和他興趣最相似的K個用戶喜歡的物品。如下的公式度量了UserCF算法中用戶 u 對物品 i 的感興趣程度:
首先回顧一下UserCF算法和ItemCF算法的推薦原理:UserCF給用戶推薦那些和他有共同興趣愛好的用戶喜歡的物品, 而ItemCF給用戶推薦那些和他之前喜歡的物品具有類似行為的物品。
(1)從推薦場景考慮
首先從場景來看,如果用戶數量遠遠超過物品數量,如購物網站淘寶,那么可以考慮ItemCF,因為維護一個非常大的用戶關系網是不容易的。其次,物品數據一般較為穩定,因此物品相似度矩陣不必頻繁更新,維護代價較小。
UserCF的推薦結果著重于反應和用戶興趣相似的小群體的熱點,而ItemCF的推薦結果著重于維系用戶的歷史興趣。換句話說,UserCF的推薦更社會化,反應了用戶所在小型興趣群體中物品的熱門程度,而ItemCF的推薦更加個性化,反應了用戶自己的個性傳承。因此UserCF更適合新聞、微博或微內容的推薦,而且新聞內容更新頻率非常高,想要維護這樣一個非常大而且更新頻繁的表無疑是非常難的。
在新聞類網站中,用戶的興趣愛好往往比較粗粒度,很少會有用戶說只看某個話題的新聞,而且往往某個話題也不是每天都會有新聞。 個性化新聞推薦更強調新聞熱點,熱門程度和時效性是個性化新聞推薦的重點,個性化是補充,所以 UserCF 給用戶推薦和他有相同興趣愛好的人關注的新聞,這樣在保證了熱點和時效性的同時,兼顧了個性化。
(2)從系統多樣性(也稱覆蓋率,指一個推薦系統能否給用戶提供多種選擇)方面來看,ItemCF的多樣性要遠遠好于UserCF,因為UserCF更傾向于推薦熱門物品。而ItemCF具有較好的新穎性,能夠發現長尾物品。所以大多數情況下,ItemCF在精度上較小于UserCF,但其在覆蓋率和新穎性上面卻比UserCF要好很多。
在介紹本節基于矩陣分解的隱語義模型之前,讓我們先來回顧一下傳統的矩陣分解方法SVD在推薦系統的應用吧。
基于SVD矩陣分解在推薦中的應用可分為如下幾步:
SVD在計算前會先把評分矩陣 A 缺失值補全,補全之后稀疏矩陣 A 表示成稠密矩陣,然后將分解成 A' = U∑V T 。但是這種方法有兩個缺點:(1)補成稠密矩陣后需要耗費巨大的儲存空間,對這樣巨大的稠密矩陣進行儲存是不現實的;(2)SVD的計算復雜度很高,對這樣大的稠密矩陣中進行計算式不現實的。因此,隱語義模型就被發明了出來。
更詳細的SVD在推薦系統的應用可參考 奇異值分解SVD簡介及其在推薦系統中的簡單應用 。
隱語義模型(Latent Factor Model)最早在文本挖掘領域被提出,用于找到文本的隱含語義。相關的算法有LSI,pLSA,LDA和Topic Model。本節將對隱語義模型在Top-N推薦中的應用進行詳細介紹,并通過實際的數據評測該模型。
隱語義模型的核心思想是通過隱含特征聯系用戶興趣和物品。讓我們通過一個例子來理解一下這個模型。
現有兩個用戶,用戶A的興趣涉及偵探小說、科普圖書以及一些計算機技術書,而用戶B的興趣比較集中在數學和機器學習方面。那么如何給A和B推薦圖書呢?
我們可以對書和物品的興趣進行分類。對于某個用戶,首先得到他的興趣分類,然后從分類中挑選他可能喜歡的物品。簡言之,這個基于興趣分類的方法大概需要解決3個問題:
對于第一個問題的簡單解決方案是找相關專業人員給物品分類。以圖書為例,每本書出版時,編輯都會給出一個分類。但是,即使有很系統的分類體系,編輯給出的分類仍然具有以下缺點:(1)編輯的意見不能代表各種用戶的意見;(2)編輯很難控制分類的細粒度;(3)編輯很難給一個物品多個分類;(4)編輯很難給一個物品多個分類;(5)編輯很難給出多個維度的分類;(6)編輯很難決定一個物品在某一個類別中的權重。
為了解決上述問題,研究員提出可以從數據出發,自動找到那些分類,然后進行個性化推薦。隱語義模型由于采用基于用戶行為統計的自動聚類,較好地解決了上面提出的5個問題。
LFM將矩陣分解成2個而不是3個:
推薦系統中用戶和物品的交互數據分為顯性反饋和隱性反饋數據。隱式模型中多了一個置信參數,具體涉及到ALS(交替最小二乘法,Alternating Least Squares)中對于隱式反饋模型的處理方式——有的文章稱為“加權的正則化矩陣分解”:
一個小細節:在隱性反饋數據集中,只有正樣本(正反饋)沒有負反饋(負樣本),因此如何給用戶生成負樣本來進行訓練是一個重要的問題。Rong Pan在其文章中對此進行了探討,對比了如下幾種方法:
用戶行為很容易用二分圖表示,因此很多圖算法都可以應用到推薦系統中。基于圖的模型(graph-based model)是推薦系統中的重要內容。很多研究人員把基于領域的模型也稱為基于圖的模型,因為可以把基于領域的模型看作基于圖的模型的簡單形式。
在研究基于圖的模型之前,需要將用戶行為數據表示成圖的形式。本節的數據是由一系列用戶物品二元組 (u, i) 組成的,其中 u 表示用戶對物品 i 產生過行為。
令 G(V, E) 表示用戶物品二分圖,其中 V=V U UV I 由用戶頂點 V U 和物品節點 V I 組成。對于數據集中每一個二元組 (u, i) ,圖中都有一套對應的邊 e(v u , v i ),其中 v u ∈V U 是用戶對應的頂點,v i ∈V I 是物品i對應的頂點。如下圖是一個簡單的物品二分圖,其中圓形節點代表用戶,方形節點代表物品,用戶物品的直接連線代表用戶對物品產生過行為。比如下圖中的用戶A對物品a、b、d產生過行為。
度量圖中兩個頂點之間相關性的方法很多,但一般來說圖中頂點的相關性主要取決于下面3個因素:
而相關性高的一對頂點一般具有如下特征:
舉個例子,如下圖,用戶A和物品c、e沒有邊直連,但A可通過一條長度為3的路徑到達c,而Ae之間有兩條長度為3的路徑。那么A和e的相關性要高于頂點A和c,因而物品e在用戶A的推薦列表中應該排在物品c之前,因為Ae之間有兩條路徑。其中,(A,b,C,e)路徑經過的頂點的出度為(3,2,2,2),而 (A,d,D,e) 路徑經過了一個出度比較大的頂點D,所以 (A,d,D,e) 對頂點A與e之間相關性的貢獻要小于(A,b,C,e)。
基于上面3個主要因素,研究人員設計了很多計算圖中頂點相關性的方法,本節將介紹一種基于隨機游走的PersonalRank算法。
假設要給用戶u進行個性化推薦,可以從用戶u對應的節點 v u 開始在用戶物品二分圖上進行隨機游走。游走到任一節點時,首先按照概率α決定是繼續游走還是停止這次游走并從 v u 節點重新開始游走。若決定繼續游走,則從當前節點指向的節點中按照均勻分布隨機選擇一個節點作為游走下次經過的節點。這樣,經過很多次隨機游走后,每個物品被訪問到的概率會收斂到一個數。最終的推薦列表中物品的權重就是物品節點的訪問概率。
上述算法可以表示成下面的公式:
雖然通過隨機游走可以很好地在理論上解釋PersonalRank算法,但是該算法在時間復雜度上有明顯的缺點。因為在為每個用戶進行推薦時,都需要在整個用戶物品二分圖上進行迭代,知道所有頂點的PR值都收斂。這一過程的時間復雜度非常高,不僅無法在線進行實時推薦,離線計算也是非常耗時的。
有兩種方法可以解決上面PersonalRank時間復雜度高的問題:
(1)減少迭代次數,在收斂之前停止迭代。但是這樣會影響最終的精度。
(2)從矩陣論出發,重新涉及算法。另M為用戶物品二分圖的轉移概率矩陣,即:
網絡社交是當今社會非常重要甚至可以說是必不可少的社交方式,用戶在互聯網上的時間有相當大的一部分都用在了社交網絡上。
當前國外最著名的社交網站是Facebook和Twitter,國內的代表則是買粉絲/QQ和微博。這些社交網站可以分為兩類:
需要指出的是,任何一個社交網站都不是單純的社交圖譜或興趣圖譜。如QQ上有些興趣愛好群可以認識不同的陌生人,而微博中的好友也可以是現實中認識的。
社交網絡定義了用戶之間的聯系,因此可以用圖定義社交網絡。我們用圖 G(V,E,w) 定義一個社交網絡,其中V是頂點集合,每個頂點代表一個用戶,E是邊集合,如果用戶va和vb有社交網絡關系,那么就有一條邊 e(v a , v b ) 連接這兩個用戶,而 w(v a , v b )定義了邊的權重。一般來說,有三種不同的社交網絡數據:
和一般購物網站中的用戶活躍度分布和物品流行度分布類似,社交網絡中用戶的入度(in degree,表示有多少人關注)和出度(out degree,表示關注多少人)的分布也是滿足長尾分布的。即大部分人關注的人都很少,被關注很多的人也很少。
給定一個社交網絡和一份用戶行為數據集。其中社交網絡定義了用戶之間的好友關系,而用戶行為數據集定義了不同用戶的歷史行為和興趣數據。那么最簡單的算法就是給用戶推薦好友喜歡的物品集合。即用戶u對物品i的興趣 p ui 可以通過如下公式計算。
用戶u和用戶v的熟悉程度描述了用戶u和用戶在現實社會中的熟悉程度。一般來說,用戶更加相信自己熟悉的好友的推薦,因此我們需要考慮用戶之間的熟悉度。下面介紹3中衡量用戶熟悉程度的方法。
(1)對于用戶u和用戶v,可以使用共同好友比例來計算他們的相似度:
上式中 out(u) 可以理解為用戶u關注的用戶合集,因此 out(u) ∩ out(v) 定義了用戶u、v共同關注的用戶集合。
(2)使用被關注的用戶數量來計算用戶之間的相似度,只要將公式中的 out(u) 修改為 in(u):
in(u) 是指關注用戶u的集合。在無向社交網絡中,in(u)和out(u)是相同的,而在微博這種有向社交網絡中,這兩個集合的含義就不痛了。一般來說,本方法適合用來計算微博大V之間的相似度,因為大v往往被關注的人數比較多;而方法(1)適用于計算普通用戶之間的相似度,因為普通用戶往往關注行為比較豐富。
(3)除此之外,還可以定義第三種有向的相似度:這個相似度的含義是用戶u關注的用戶中,有多大比例也關注了用戶v:
這個相似度有一個缺點,就是在該相似度下所有人都和大v有很大的相似度,這是因為公式中的分母并沒有考慮 in(v) 的大小,所以可以把 in(v) 加入到上面公式的分母,來降低大v與其他用戶的相似度:
上面介紹了3種計算用戶之間相似度(或稱熟悉度)的計算方法。除了熟悉程度,還需要考慮用戶之間的興趣相似度。我們和父母很熟悉,但很多時候我們和父母的興趣確不相似,因此也不會喜歡他們喜歡的物品。因此,在度量用戶相似度時,還需要考慮興趣相似度,而興趣相似度可以通過和UserCF類似的方法度量,即如果兩個用戶喜歡的物品集合重合度很高,兩個用戶的興趣相似度很高。
最后,我們可以通過加權的形式將兩種權重合并起來,便得到了各個好有用戶的權重了。
有了權重,我們便可以針對用戶u挑選k個最相似的用戶,把他們購買過的物品中,u未購買過的物品推薦給用戶u即可。打分公式如下:
其中 w' 是合并后的權重,s買粉絲re是用戶v對物品的打分。
node2vec的整體思路分為兩個步驟:第一個步驟是隨機游走(random walk),即通過一定規則隨機抽取一些點的序列;第二個步驟是將點的序列輸入至word2vec模型從而得到每個點的embedding向量。
隨機游走在前面基于圖的模型中已經介紹過,其主要分為兩步:(1)選擇起始節點;(2)選擇下一節點。起始節點選擇有兩種方法:按一定規則抽取一定量的節點或者以圖中所有節點作為起始節點。一般來說會選擇后一種方法以保證所有節點都會被選取到。
在選擇下一節點方法上,最簡單的是按邊的權重來選擇,但在實際應用中需要通過廣度優先還是深度優先的方法來控制游走范圍。一般來說,深度優先發現能力更強,廣度優先更能使社區內(較相似)的節點出現在一個路徑里。
斯坦福大學Jure Leskovec教授給出了一種可以控制廣度優先或者深度優先的方法。
以上圖為例,假設第一步是從t隨機游走到v,這時候我們要確定下一步的鄰接節點。本例中,作者定義了p和q兩個參數變量來調節游走,首先計算其鄰居節點與上一節點t的距離d,根據下面的公式得到α:
一般從每個節點開始游走5~10次,步長則根據點的數量N游走根號N步。如此便可通過random walk生成點的序列樣本。
得到序列之后,便可以通過word2vec的方式訓練得到各個用戶的特征向量,通過余弦相似度便可以計算各個用戶的相似度了。有了相似度,便可以使用基于用戶的推薦算法了。
推薦系統需要根據用戶的歷史行為和興趣預測用戶未來的行為和興趣,因此大量的用戶行為數據就成為推薦系統的重要組成部分和先決條件。如何在沒有大量用戶數據的情況下設計個性化推薦系統并且讓用戶對推薦結果滿意從而愿意使用推薦系統,就是冷啟動問題。
冷啟動問題主要分為三類:
針對用戶冷啟動,下面給出一些簡要的方案:
(1)有效利用賬戶信息。利用用戶注冊時提供的年齡、性別等數據做粗粒度的個性化;
(2)利用用戶的社交網絡賬號登錄(需要用戶授權),導入用戶在社交網站上的好友信息,然后給用戶推薦其好友喜歡的物品;
(3)要求用戶在登錄時對一些物品進行反饋,手機用戶對這些物品的興趣信息,然后給用推薦那些和這些物品相似的物品;
(4)提供非個性化推薦。非個性化推薦的最簡單例子就是熱門排行榜,我們可以給用戶推薦熱門排行榜,然后等到用戶數據收集到一定的時候,在切換為個性化推薦。
對于物品冷啟動,可以利用新加入物品的內容信息,將它們推薦給喜歡過和他們相似的物品的用戶。
對于系統冷啟動,可以引入專家知識,通過一定高效的方式快速建立起物品的相關度表。
在上面介紹了一些推薦系統的基礎算法知識,這些算法大都是比較經典且現在還在使用的。但是需要注意的是,在實踐中,任何一種推薦算法都不是單獨使用的,而是將多種推薦算法結合起來,也就是混合推薦系統,但是在這里并不準備介紹,感興趣的可以查閱《推薦系統》或《推薦系統與深度學習》等書籍。此外,在推薦中非常重要的點擊率模型以及基于矩陣的一些排序算法在這里并沒有提及,感興趣的也可自行學習。
雖然現在用的很多算法都是基于深度學習的,但是這些經典算法能夠讓我們對推薦系統的發展有一個比較好的理解,同時,更重要的一點——“推陳出新”,只有掌握了這些經典的算法,才能提出或理解現在的一些更好地算法。
百度是誰創立的
百度是李彥宏創立的。
1991年,李彥宏畢業于北京大學信息管理專業,隨后前往美國布法羅紐約州立大學完成計算機科學碩士學位,先后擔任道·瓊斯公司高級顧問,《華爾街日報》網絡版實時金融信息系統設計者,Infoseek公司資深工程師。
2000年1月,李彥宏創建百度。并持有“超鏈分析”技術專利。2013年,當選第十二屆全國政協委員,兼任中國民間商會副會長,第十一屆中華全國工商業聯合會副主席、第八屆北京市科協副主席等職務,并獲聘“國家特聘專家”。
2018年1月19日,李彥宏成為了《時代》當期亞洲版的封面人物。2018年12月18日,黨中央、國務院授予李彥宏改革先鋒稱號,頒授改革先鋒獎章。
最優秀的即時通訊軟件是什么?
MSN!!
MSN 全稱 MICROSOFT SERVICE NETWORK 微軟網絡服務
MSN Messenger的最新版本是Windows Live Messenger 8.1
MSN 8 是一種 Inter買粉絲 軟件,它基于 Microsoft 高級技術,可使您和您的家人更有效地利用 Web。MSN 8 是一種優秀的通信工具,使 Inter買粉絲 瀏覽更加便捷,并通過一些高級功能加強了聯機的安全性。這些高級功能包括家長控制、共同瀏覽 Web、垃圾郵件保護器和定制其他
"MSN Messenger" 這個字眼是相當含糊的,因為微軟用這個術語關系了幾個不同部分的消息解決方案.你通過"MSN Messenger 網絡"聊天,用來連接MSN Messenger 網絡的最流行的程序是"MSN Messenger",而程序在MSN Messenger 網絡中使用的語言則是"MSN Messenger 協議"。
什么是MSN Messenger網絡
MSN Messenger網絡是一個出自微軟的實時通信網絡。它在1999年7月發布,它不是第一個通信網絡,也不是最后一個通信網絡。MSN是4大頂級個人實時通信網絡之一。到2003年3月,獨占的MSN Instant Messenger 網絡用戶遠遠少于AOL Instant Messenger和ICQ,但多于Yahoo Messenger。
程序在MSN Messenger 網絡上做什么?
在你計算機上的程序被稱為"客戶端"。它通過Inter買粉絲連接到MSN Messenger服務器。具體點將,就是客戶端通過服務器和其他的客戶端收發消息。一些信息沒有處理,僅僅通過服務器簡單傳遞。例如,當發送一個實時的消息,命令“here is a message, pass it on”被服務器處理了,但消息本身僅通過服務器傳遞給客戶端。
微軟已經發布了兩種MSN Messenger客戶端:MSN Messenger(也叫“.NET Messenger”)和Windows Messenger。微軟向大多數Windows用戶推薦使用MSN Messenger,包括Windows XP在內,Windows Messenger被綁定在操作系統中。其它人和公司已經寫了“第三方”MSN Messenger客戶端。你能在資源頁列表中看到一些客戶端。 MSN Messenger一般被認為是事實上的標準客戶端,而其他大多數的客戶端從它的行為中確定他們的發展方向,所以它在網上被認為是“官方客戶端”。
微軟從未公開發布過他們的Messenger服務器端,并且官方客戶端不允許你連接非微軟的服務器端。目前,一些人已經寫了第三方的服務器端,這些能在資源頁中找到。
在兩臺計算機程序間通訊使用的“語言”叫做“協議”。MSN Messenger客戶端和服務器端之間消息發送的規則就叫做“MSN Messenger協議”。從一個客戶端通過服務器發送消息到另一個客戶端的規則在這里被稱之為“MSN 客戶端協議”。
什么是MSN Messenger協議
MSN Messenger有一系列可在客戶端和服務器端發送的命令組成。例如,當在你聯系人列表中的一些人離線時,服務器向你的客戶端發送類似這樣的消息:FLN myname_123@hotmail.買粉絲。當接到這個命令,客戶端應該將這個用戶從在線用戶列表中移到離線用戶列表中。
MSN Messenger協議這幾年已經經歷了幾次修改。在起草協議的時候(2003年10月),微軟的服務器允許客戶端使用8,9和10版的協議。個人協議版常常是由“MSNP8”,“MSNP9”和“MSNP10”寫的。
本站點旨在完整定義MSN Messenger協議和MSN Messenger服務器斷的特性,使得第三方軟件開發者能寫自己的程序與網絡交互。到目前為止,只有MSNP8被文檔化了,還有一些論題可在MSNP9和MSNP10中獲得。
關于協議的信息可以通過閱讀官方IETF草案, 閱讀各種源代碼,分析數據包,分析官方客戶端,寫程序。大部分這樣的工作由其他一些MSN Messenger研究團體完成的,而我們只是將它記錄下來。如果你發現了關于協議的新的東西,請將它公布在論壇上。
什么是MSN客戶端協議?
MSN客戶端協議由在客戶端之間發送的消息組成。例如,當你向你朋友說“hello”的時候,你的客戶端將hello作為消息的主體發送他們的客戶端。
直到最近,MSN客戶端協議比較有組織地發展——一個官方客戶端版本將和其他客戶端有不同表現,你只能猜猜它會有什么誰預想的特性行為(這句翻不出來)。近期,試圖已經制定強加一個版本編號系統。到2003年10月為止,已經發現有3個版本的MSN Messenger客戶端協議,在本站點叫做“MSNC0” ,“MSNC1”,“MSNC2”。
本站點旨在完整定義MSN Messenger協議和官方客戶端的特性使得第三方軟件開發者們能寫出他們自己的程序和網絡交互。我們希望最終完整定義所有版本的協議。本站點僅僅定義官方客戶端的行為跟它通知我們關于其他客戶端是怎樣可預見的行為(這句翻不出來)。本站作者沒有使用官方客戶端,所以對主體不會有公正的判斷。其他一些站點很好地覆蓋了這個主體。
關于這一切,微軟是怎么想的?
我們跟微軟沒有關系,僅僅是非常有限的交流。我們知道至少一些微軟的員工大體上清楚這個站點和社區,但是公司的政策看起來像是在忽略我們。微軟還沒任何使第三方客戶端從他們網絡中去除的正式的嘗試,但他們也從未嘗試和我們溝通或者給大家關于未來的保證。他們已經非常善于接受有安全隱患的錯誤報告。
跟AOL(AIM和ICQ的擁有者)相比,微軟就他的協議對第三方開發者是非常不錯的了。這大概不能反映任何慈善的部分:第三方客戶端促使微軟的網絡用戶的增加,并且(不像AOL)我們不是他們收入的直接威脅。
下面就給你介紹一下如何安裝和使用msn。
下載安裝
單擊買粉絲://messenger.買粉絲.msn.買粉絲 上的“立即下載”按鈕就可以獲得最新版本的 MSN Messenger。當出現打開或保存到計算機上的提示后,單擊打開就可以自動下載MSN Messenger。 在隨后出現的《MICROSOFT 軟件最終用戶許可協議》中選擇“我接受許可協議中的條款”,然后點擊“下一步”、“完成”按鈕,結束安裝過程。
注冊登陸
如果您已經擁有 Hotmail或 MSN的電子郵件帳戶就可以直接打開msn,點擊“登錄”按鈕,輸入您的電子郵件地址和密碼進行登錄了。如果你沒有這類帳戶,請到買粉絲s://register買粉絲.passport.買粉絲申請一個Hotmail電子郵件帳戶。
添加新的聯系人
在 Messenger 主窗口中,單擊“我想”下的“添加聯系人”。或者,單擊“聯系人”菜單,然后單擊“添加聯系人”。選擇“通過輸入電子郵件地址或登錄名創建一個新的聯系人”,下一步后輸入完整的對方郵箱地址,點“確定”后再“完成”,你就成功地輸入一個聯系人了,這個聯系人上網登錄MSN后,會收到你將他加入的信息,如果他選擇同意的話,他在線后你就可以看到他,他也可以看到你。重復上述操作,就可以輸入多個聯系人。
管理您的組
在 Messenger 主窗口中,單擊“聯系人”菜單,指向“對聯系人進行排序”,然后單擊“組”,將聯系人組織到不同的組中。在聯系人名單的“組”視圖中,右鍵單擊現有組的名稱,或者單擊“聯系人”菜單,指向“管理組”,就可以創建、重命名或刪除組以方便你的查找。
發送即時消息
在您的聯系人名單中,雙擊某個聯機聯系人的名字,在“對話”窗口底部的小框中鍵入您的消息,單擊“發送”。在“對話”窗口底部,您可以看到其他人正在鍵入。當沒有人輸入消息時,您可以看到收到最后一條消息的日期和時間。每則即時消息的長度最多可達400個字符。
保存對話(此功能需要IE6.0)
在主窗口中的“工具”菜單上或“對話”窗口中,單擊“選項”,然后選擇“消息”選項卡。在“消息記錄”下,選中“自動保留對話的歷史記錄”復選框,單擊“確定”后,就可將您的消息保存在默認的文件夾位置。或者單擊“更改”,然后選擇要保存消息的位置。
更改和共享背景
添加、刪除或修改自定義圖釋
在“對話”窗口中的“工具”菜單上,單擊“創建圖釋”就可以添加、刪除或修改自定義圖釋。或者選擇您的“對話”窗口上的“選擇圖釋”按鈕。
更改或隱藏顯示圖片
在“對話”窗口中的“工具”菜單上,單擊“更改顯示圖片”。或者單擊“對話框”圖片下的箭頭,選擇“更改顯示圖片”。從列表中選擇一幅圖片,然后單擊“確定”。或者單擊“瀏覽”,在您的計算機上選擇一幅圖片,然后單擊“打開”。
設置聯機狀態
在 Messenger 主窗口頂部,單擊您的名字,然后單擊最能準確描述您狀態的選項。或者單擊“文件”菜單,指向“我的狀態”,然后單擊最能準確描述您狀態的選項。
阻止某人看見您或與您聯系
在 Messenger 主窗口中,右鍵單擊要阻止的人的名字,然后單擊“阻止”。被阻止的聯系人并不知道自己已被阻止。對于他們來說,您只是顯示為脫機狀態。
更改您名稱的顯示方式
在主窗口中的“工具”菜單上,單擊“選項”,然后選擇“個人信息”選項卡。或者在 Messenger 主窗口中右鍵單擊您的名字,然后單擊“個人設置”。在“我的顯示名稱”框中,鍵入您的新名稱,單擊“確定”。
使用網絡攝像機進行對話
若要在 MSN Messenger 中發送網絡攝像機視頻,您必須在計算機上連接了攝像機。在對話期間單擊“網絡攝像機”圖標。或者,在主窗口中單擊“操作”菜單,單擊“開始網絡攝像機對話”,選擇要向其發送視頻的聯系人的名稱,然后單擊“確定”。若要進行雙向的網絡攝像機對話,則兩位參與者必須都安裝了網絡攝像機并且必須邀請對方。
語音對話
您可以在 Messenger 主窗口中啟動音頻對話或者在對話期間中添加音頻。 在 Messenger 主窗口中,單擊“操作”菜單,單擊“開始音頻對話”,然后選擇要與其進行對話的聯系人。 或者,在對話期間,單擊“對話”窗口頂部的“音頻”。使用“對話”窗口右側的音量控制滑塊來調整通過麥克風輸入的音量以及從揚聲器中輸出的音量。
視頻會議
在主窗口中的“操作”菜單上,單擊“開始視頻會議”,選擇一個聯系人,然后單擊“確定”。或者,右鍵單擊某個聯系人,單擊“開始視頻會議”,選擇希望邀請參加會議的人的名字,然后單擊“確定”。一旦其他人接受了邀請,就將在各自的計算機上自動啟動音頻和視頻,但雙方必須都安裝了網絡攝像機和頭戴式耳機(或揚聲器和麥克風)。
發送文件和照片
在 Messenger 主窗口中,右鍵單擊某個聯機聯系人的名字,然后單擊“發送文件或照片”。在“發送文件”對話框中,找到并單擊您想要發送的文件,然后單擊“打開”。
msn的另類工具
1.十分有趣的MSN聊天機器人“小布”
機器人小布是一個基于MSN的聊天機器人,能夠和我們進行一些簡單的對話,而且還可以向小布買粉絲新聞、天氣預報、身份證、電話區號和郵編、各大城市公交車線路、Today、IP所在地、手機號所在地、漢字的注音。有了這位機器人秘書,許多實用信息都可以信手得來,極大方便了我們的工作學習生活。
具體操作:您只要隨便加以下好友之一
例如:輸入“weather:上海”可以查出上海的天氣。
輸入“news:國際”,小布回復五條消息,每條消息帶有一個國際新聞的鏈接。
輸入“song:周杰倫”,就可以查到周杰倫相關的歌曲試聽鏈接。
2.msn短信機器人
目前國內第一個msn的短信機器人,而且現在的收費也相當便宜,不僅每天有免費的5條短信,而且每發1條短信便可獲得1分的積分,也不收任何的包月費用。還有方便的通訊錄功能,不用每次都輸入手機號。超出每條收費1毛,和普通短信資費一樣。
具體操作:您只要隨便把以下地址加為msn好友,和他說話即可了解使用方法。
msn機器人(任選其一):
smsbot11@sms107.買粉絲smsbot22@sms107.買粉絲smsbot23@sms107.買粉絲smsbot23@sms107.買粉絲
《游戲化思維》丨NOTES
本書由開設了全世界第一個游戲化課程的沃頓商學院副教授凱文 韋巴赫和丹 亨特所著,第一次全面系統地介紹游戲化的理論,闡述了如何將游戲的理念應用到商業實踐中。
凱文韋·巴赫(KevinWerbach),任教于賓夕法尼亞大學沃頓商學院,全球游戲化課程創建第一人,技術分析買粉絲公司超新星集團創始人。奧巴馬商業顧問,文章與見解多次登上CNN、美國國家公共電臺、《紐約時報》、《華爾街日報》以及《華盛頓郵報》等權威媒體。
丹亨特(DanHunter),紐約法學院信息法與政策研究所主任,賓夕法尼亞大學沃頓商學院法學副教授。
樂趣是能夠解決商業發展問題的寶貴工具,它能作用于商業的方方面面:市場營銷,提高生產率,技術創新,提高顧客參與度以及可持續發展等。 在這里,我們談論的樂趣不是暫時的享樂,而是深度樂趣,是人們通過與設計精良的游戲進行廣泛互動而體會到的愉快感。
在全球化競爭的時代,技術從根本上降低了競爭的準入門檻,而 更強的參與性才是你的競爭優勢 ,游戲設計技術正為我們提供了增強參與性的方法。 游戲的本質并不是娛樂,它是人性與設計過程巧妙地融合后的產物。 數以百萬計的人們之所以沉迷于游戲機、手機、平板電腦和Facebonk等社交網站上的游戲,是因為那些游戲是設計者們在借鑒了人類幾十年的現實社會經驗和心理學的研究成果后,嚴格而巧妙地設計出來的。 游戲化的核心是幫助我們從必須做的事情中發現樂趣。通過讓流程有趣而使得商業產生吸引力。
微軟測試部門招募員工利用業余時間檢查win7的問題,設置積分獎勵和積分排行榜,成功快速修復問題的同時又讓大家覺得很愉悅。這種方法就是 游戲化,即充分利用游戲機制創造更大商業價值。
內部游戲化。 公司利用組織內的游戲化提高生產力,促進創新,增進友誼,或以其他方式鼓勵員工。特征:參與者是公司的一部分;強大的心流體驗。
外部游戲化。 通常與你的客戶或潛在客戶有關,目的是獲得更好的營銷效果,改善企業與客戶之間的關系,提高客戶參與度及其對產品的忠誠度,并增加企業的利潤。例如社區的勛章等機制,激發了用戶的參與度。
行為改變游戲化。 它旨在幫助大家形成更好的習慣。這可能與你身邊的任何事物有關:鼓勵人們做出更健康的選擇,如合理飲食;或者重新裝飾教室,讓孩子們在獲取知識的同時獲得學習的樂趣。通常,這些新的習慣會帶來理想的社會效果:減少肥胖人數,降低醫療費用,提高教育質量。
游戲化(gamifying)最早可以追溯到1980年,多人在線游戲先驅理查德·巴特爾教授率先提出這一概念:把不是游戲的東西或工作變成游戲。
游戲化是指在非游戲情境中使用游戲元素和游戲設計技術 把這個抽象的概念分解開來,就涉及三個概念:
游戲元素。 游戲是一種綜合、全方位的體驗,但也是由許多小部一分有機組成的,我們稱這些為游戲元素。以象棋為例,棋子、規則都是游戲元素。 游戲化的關鍵是將游戲元素應用到非游戲的活動之中。
游戲設計技術。 該如何決定將哪些游戲元素用在哪里,如何使整個游戲化體驗大于各元素之間的總和?這就是游戲設計技術要解決的問題。
非游戲情境。 你的玩家并非想要通過你的產品進入虛擬世界,他們的目的是更加深入地介入你的產品、業務或交易。我們在游戲化中面臨的問題是如何將這些游戲因素整合進游戲過程,并能夠在現實中加以合理地運用。
價值1: 參與。 游戲化可以提高參與度。
價值3: 成果。 游戲化是有效的。
游戲的特征之一是, 游戲是自愿的 ,沒有人可以強迫你追求樂趣。游戲的另一個重要的方面是,在游戲中,你需要做出選擇,而這些選擇會產生一定的結果反饋給你。《文明》系列游戲的傳奇設計師席德·梅爾認為: 游戲是“一系列有意義的選擇”。
《游戲的人》中提出了“魔環”(magiccircle)的概念:游戲可以構建起一個“魔環”,將參與者與外界世界暫時地隔離開。參與者在游戲過程中服從于一個暫時的社會系統,這個系統的規則僅僅適用于游戲過程中,對這個“魔環”之外的人或事,并不起任何規定作用。“魔環”定義的邊界可以是物理性的,也可以是虛擬的。參與者需要接受的,是游戲確實以某種方式真正地存在。只要是游戲就需要有一些規則、目標,以及為了實現這些目標需要克服的一些障礙,但最關鍵的是,參與者要接受并遵循這些規則。
游戲化思維,利用現有的資源創建出引人入勝的體驗,從而驅動參與者做出你想要的行為。游戲化思維提出了一個全新的問題: 人們需要購買你的產品或者使用你所提供的服務的根本原因是什么? 說得更具體一些:他們的動機是什么?你能讓這一切變得更具吸引力、更一有趣、更好玩嗎? 玩家玩游戲是為了贏,游戲設計者設計游戲則是為了吸引玩家去玩。
“等級”系統把奇妙的游戲之旅變成了一系列的獎勵。沒有了等級,玩家就可能會失去對游戲的興趣,因為他們失去了衡量進步的尺度,可能會太輕易地完成游戲。游戲是一個過程,而不是一個簡單的結果。玩家是游戲的核心,他們需要在游戲中擁有掌控感。畢竟是玩家,而不是設計者挑選游戲,玩家的興奮感源于玩家的自主意識。
動機: 如何從被激勵的行為中獲得價值?動機尤為重要的三類活動:創造性的工作、事務性的工作,以及行為改變。這些任務會涉及情感交流、獨特技能、創造力以及團隊合作。
結構: 預期行為可以被固定的程序模式化嗎?游戲化需要用量化體系來衡量游戲的質量和用戶的行為。追蹤和記錄用戶的行為是相對容易的,所有相關的數據都會被反饋到一個線上系統。用于更好地管理和提高游戲的質量。
潛在的沖突: 游戲可以避免與現有的激勵機制之間的矛盾嗎?必須找出現有的針對目標人群的激勵方式,并考慮這些現有機制該如何與游戲化機制協同運作。你需要做的是把自己擺在玩家的位置上,問問公司到底在傳達什么樣的信息。
一個理想的游戲化過程取決于是否有:良好的動機,有意義的選擇,容易被編碼的游戲規則,以及是否與現有的激勵系統相協調:在現實中,想要實現游戲化并不容易,因為理想的游戲化需要以上4個因素共同作用。其中,為參與者提供更有意義的選擇是最為重要的。
想要做某件事情的沖動,被稱為“內在動機”,因為這是被內心的渴望驅使的。而感覺自己不得不去做某事的動機被稱為“外在動機”,因為這種動力來自外部。
行為主義強調人只是被動地應對外部刺激,而自我決定理論專注于人類本身的發展趨勢—內在的需求。內在需求分為三類:
能力需求, 意味著積極處理與外部環境的關系的能力,如順利完成一筆難纏的生意,學會跳探戈,完成稅務申報表的填寫。
關系需求, 涉及社會聯系,與家庭成員、朋友以及他人互動的普通愿望。它也可以表現為更高的欲望目標,比如帶來不同。
自主需求, 是人們天生的使命,是有意義的,是與個人價值觀統一的。想象一下當你遇到不幸時,當你被迫做一些不想做的事(或違背自己原則的事情)時,再對比一下當你從事自己最喜歡的事情或負責一個重要項目時發自內心的愉悅感。
涉及上述這些需求的心理活動更有可能是被內在動機驅使的。換句話說,他們這樣做是為自己著想。有些例子是顯而易見的:只要有空你就會從事自己喜歡的事情,完成具有創造性的活動,比如寫作、繪畫,和朋友一起參加晚宴。無論在何種情形下,能滿足人們的能力需求、自主需求和關系需求等需求的活動往往是引人人勝和有趣的。
游戲是自我決定系統的完美診釋范例。人們為什么玩游戲?沒有人強迫他們—他們是自愿的。即使是一個簡單的游戲,比如數獨,也能激活玩家內在動機的需求:自主需求—“我來決定完成哪道難題,我來決定怎么完成”;能力需求—“我做出來了”;關系需求—“我可以與朋友們分享自己的成果”。游戲化利用自我決定機制的這三類需求可以以相同的方式產生強大的效果。升級和積分都標志著玩家能力的提升,給予玩家廣泛的選擇機會和多種體驗可以滿足他們的自主需求,通過徽章或Facebook的分享,朋友們可以看到并回應玩家的表現—這就是關系需求的體現。每個外在動機也都是非常強大的。作為一個游戲化系統的設計者你需要決定激勵用戶哪一層次的動機以及如何激勵他們。最重要的區別是用戶體驗這段經歷的過程,而非獎勵的內容,因為每個人的需求和關注的點都是不一樣的。
第一,獎勵會擠出樂趣。 排擠效應:外在動機往往會排擠內在動機。在執行一項有趣的任務的過程中,當它的外在動機實實在在、可預期、有條件時,內在動機就會慢慢消散。 不要盲目地將外在動機附著在內在動機上。
第二,外在獎勵機制適用于本質上并不那么有趣的活動。 外在動機可以幫助人們享受那些無聊的活動:與內在動機驅動的活動不同,外在獎勵一可以幫助一個人在處理枯燥、重復、單調的工作時獲得積極的行為效果。
第三,協調你的反饋。 用戶需要意想不到的驚喜:信息反饋可以提高用戶的自主性和自我報告的內在動機;用戶希望在他們“表現得如何”的問題上得到反饋;用戶可以根據提供的標準調整自己的行為。反饋回路可以在反饋方向上不斷調整用戶的行為,并提供成功的標準以在這個方向上繼續激勵用戶。
第四,整合內外動機。 外在動機可以作用于一整套行為調節活動,從“融合”到“認同”再到“整合”。對于個人而言,除了因獎勵或懲罰等動機而完成的那些工作以外,任何沒有完成的任務都會被當作外在的。由個人需求驅動并逐漸內化的任務被認為是“融合”—“我必須在學校里表現良好”。那些被視為對個人未來或價值重要的任務可以被描述為“認同”動機或者“整合”動機。
將外在動機設計為可以被融合、內化和整合的內在動機是可能的,點數和排行榜是很好的例子:這些游戲化的機制可以被視為產生融合的行為調節系統,因為它們能吸引用戶炫耀自己。又如,社交游戲機制讓用戶成為一個更大的社區的一部分。無論是游戲的元素、任務、徽章還是其他的設計,都能成為用戶們關心的動機。
大多數游戲化系統都包括三大要素:點數、徽章和排行榜,這也是游戲化的三大標準特征。
P:點數(Points)。 作用:有效記分、確定獲勝狀態、在游戲進程和外在獎勵之間構建聯系、提供反饋、成為對外顯示用戶成就的方式、為游戲設計師提供分析數據。
B:徽章(Badges)。 徽章是點數的集合。徽章是一種視覺化的成就,用以表明玩家在游戲化進程中取得的進步。特征:徽章可以為玩家提供努力的目標方向,這將對激發玩家動機產
生積極影響;徽章可以為玩家提供一定的指示,使其了解系統內什么是可以實現的,以及系統是用來做什么的。這可以被視為“入伙”,或參與某個系統的重要標志;徽章是一種信號,可以傳遞出玩家關心什么、表現如何。它們是一種記錄玩家聲譽的視覺標記,玩家往往會通過獲得的徽章向別人展示自己的能力;徽章是一種虛擬身份的象征,是對玩家在游戲化系統中個人歷程的一種肯定;徽章可以作為團體標記物。用戶一旦獲得徽章,就會與其他擁有相同徽章的個人或團體產生認同感。一個精良的游戲設計會將徽章與用戶的認同感結合在一起。
L:排行榜(Leaderboard)。 一方面,玩家們通常想知道相比于其他玩家,自己達到了何種水平,這樣一來,排行榜就能給出點數和徽章不能表達的游戲進程。另一方面,排行榜也會削弱玩家的士氣。如果你看到自己和位居榜首的頂級玩家相差那么遠,你很可能會放棄這個游戲,或者終止繼續嘗試的努力。
從游戲元素在游戲化系統中的作用來看,可將它們分為三類:動力、機制和組件。它們是以抽象程度的高低排列的。每個機制都被連接到一個或多個動力系統上,每個組件都被連接到一個或多個更高級別的機制元素上。
動力元素(Dynamics)。 包括:約束,限制或強制的權衡;情感,好奇心、競爭力、挫折、幸福感;敘事,一致、持續的故事情節的講述;進展,玩家的成長和發展;關系,社會互動產生的友情、地位、利他等感情。
機制元素(Mechanics)。 機制是推動游戲進程和用戶參與的基本流程。包含:挑戰,需花費力氣解決的任務;機會,隨機的元素;競爭,有勝有負;合作,為共同目標努力;反饋,玩家表現的如何的信息;資源獲取,獲得有用或值得收藏的物品;獎勵;交易;回合,不同玩家輪番參與;獲勝狀態。
組件元素(Components)。 組件是動力和機制的具體形式。如:成就,既定目標;頭像,可視化的用戶形象;徽章,可視化的成就標示;打怪,尤其在一定等級的、殘酷的生存挑戰中;收集,成套徽章的收集和積累;戰斗,短期的戰役;內容解鎖,只有當玩家達到目標才能顯示;贈予,與他人共享資源的機會;排行榜,視覺化顯示玩家的進展和成就;等級,用戶在游戲進程中獲得的定義步驟;點數,游戲進展的數值表示;任務,預設挑戰,與目標和獎勵相關;社交圖譜,表示玩家在游戲中的社交網絡;團隊,為了一個共同的目標在一起工作的玩家組;虛擬商品,游戲潛在的價值或與金錢等價的價值。正如每個機制元素都與一個或多個動力元素相連一樣,每一個組件元素也與一個或多個較高級別的元素相連。
整合。 把所有這些元素結合在一起,就是游戲化設計的中心任務,要讓這些元素各司其職,游戲才會更加引人人勝。記住,沒有一個游戲化項目能包括所有要素。
游戲化即使當時有效,所產生的結果也并不一定有幫助。你要做一份精確的目標清單,并按照重要性排序。 劃掉那些只能是手段而非目的的內容。 換句話說,留下來的內容必須是為了實現更重要的目標而存在的基石。
確定了游戲化的目標后,就必須 專注于你所希望的用戶行為,并學會如何衡量他們的行為。 行為和指標最好能結合起來考慮:目標行為應該是具體而明確的,例如:注冊一個賬戶或添加一個好友。
現實用戶是誰?與你是什么關系?比如員工是.與客戶不r一樣的人群,他們與你的關系到底是怎樣的?什么能激勵你的玩家?細分你的用戶,20世紀80年代后期游戲研究員理查德·巴特爾將用戶分為四種類型:成就者、探險家、社交家和殺手。
成就者喜歡不斷地升級或不停地獲取徽章;探險家樂于探尋新的內容;社交家喜歡與朋友在線互動;而殺手希望通過獲勝的方式,將自己的意志強加于他人: 我們每個人都或多或少擁有這
些原型的某些特征,只是每種成分所占比例不同而已。 其實用戶的首要動機可能會隨著時間的推移而轉變,最好的游戲和游戲化系統能為不同類型的用戶提供他們所需要的一切選擇。
每個人一開始都被視為新手,新手需要手把手地教,他們可能需要朋友們的肯定來增強自信,這就涉及他們朋友的參與。一旦新手變成熟練玩家,他就需要一些新奇的刺激以保持對游戲的興趣,起初,那些新鮮勁兒到這個時候都不再管用。而當玩家成為專家之后,就需要足夠難度的挑戰來保持他們持續參與的積極性。與此同時,他們往往也需要強化自己的專家地位。盡管某個游戲平臺上線越久,專家級玩家越多,但在某一特定時間里,用戶的水平是參差不齊的,你必須為各個階段的玩家提供不同的興奮點。
在游戲化系統中,將行為模式化的最有效的方法是制定活動周期。在享受社會化媒體和社交網絡的服務的過程中,人們形成了這個概念。用戶在網絡上采取的行動會引發其他的活動,這又反過來影響其他用戶的操作,周而復始。發展周期有兩類:
參與回路。 用戶的網絡行為由其動機產生,系統會對此做出相應的反饋,比如授予點數,而這種反饋又會反過來刺激用戶采取進一步的行動。反饋和動機一樣,是使游戲有效的關鍵環節:在好的游戲中,用戶行為立即就可以產生 可 見的反饋,比如你總是能隨時知道自己身處何地,當你表現良好時你也總能立刻知曉。 反饋的意義在于,為用戶的下一步行為創造動機。
進階。 進階反映了這樣一個事實:玩家對游戲的體驗在玩的過程中是不斷變化的。這通常意味挑戰的難度在不斷升級。在游戲化系統中,升級所需要的時間和經驗值相當于獎勵層次之間的間距。如果將玩家在游戲化系統中的整個旅程看作一個短期任務與長遠目標的集合,這就產生了一系列的滾動階梯。
問自己:用戶是不是自愿參加你的系統?如果不提供任何外在的獎勵,用戶是不是依然愿意參與其中?如果答案是否定的,你應該考慮怎樣能讓你的系統更加有趣。樂趣的四種類型: 挑戰樂趣 是在成功應對挑戰或解決難題時體驗到的樂趣; 放松樂趣 是休閑享受,這是一種不過度消耗自己的休閑方式; 實驗樂趣 是嘗試新的人物角色和新的游戲體驗帶來的享受; 社會樂趣 ,這些樂趣依賴于與他人的互動,即使他們之間存在競爭關系。
設計是一個反復的過程,一種學習經驗。首先建立游戲化進程,看看它們是如何工作的;接著測試游戲的設計,看看什么能真正起效;再構建和分析系統,嘗試改變,看看有什么可以幫助整個系統進一步完善;接下來是和玩家互動,看看他們喜歡什么;然后繼續回到地圖板,重新開始檢驗。如果你真的想設計和實現游戲化系統,你只有不斷地進行測試和重復檢驗。
你可以在自己的游戲化系統中設計一些外在獎勵機制,但是必須清楚什么是它們能做的,什么是它們不能做的。同時你還需要明確的是, 我們一直在尋找用內在的愉快體驗取代外在獎勵的方法。 不要把游戲化作為一種廉價的營銷技巧,而要把它當作一個微妙的、深沉的參與技術。
隱私、知識產權、虛擬的知識產權、抽獎和賭博、欺詐行為、廣告、人力、付費背書、虛擬貨幣監管等。
在工作場所單一使用排行榜會使員工的士氣普遍低落。在像銷售行業這樣的高度競爭的環境中,這么做雖然效果并不顯著,但仍然會被采用。 問題不在于排行榜本身,真正的問題在于這些激勵技巧是通過恐懼而不是樂趣起效的。 我們認為游戲化應該是調解人們行為的一種方式,但同時也要服從這些調解規則的限制。最終,人還是人,人們將做回自己。你所能影響的就只有那么一點。.
什么是大數據。。大數據是什么
大數據是指在一定時間內,常規軟件工具無法捕捉、管理和處理的數據集合。它是一種海量、高增長、多元化的信息資產,需要一種新的處理模式,以具備更強的決策、洞察和流程優化能力。
大數據技術的戰略意義不在于掌握龐大的數據信息,而在于對這些有意義的數據進行專業的處理。換句話說,如果把大數據比作一個行業,這個行業盈利的關鍵在于提高數據的“處理能力”,通過“處理”實現數據的“增值”。
從技術上講,大數據和云計算的關系就像硬幣的正反面一樣密不可分。大數據不能用單臺計算機處理,必須采用分布式架構。其特點在于海量數據的分布式數據挖掘。但它必須依賴云計算分布式處理、分布式數據庫、云存儲和虛擬化技術。
擴展信息:
是體現大數據技術價值的手段,是進步的基石。這里從云計算、分布式處理技術、存儲技術、感知技術的發展,闡述大數據從采集、處理、存儲到形成結果的全過程。
實踐是大數據的終極價值。在這里,我們從互聯網大數據、政府大數據、企業大數據、個人大數據四個方面來描繪大數據的美好圖景和將要實現的藍圖。
很赞哦!(6)
相关文章
- 02 網紅燒烤名字大全(燒烤店創意名字)
- free youtube video 4k downloader mp3轉換器(為什么我用Youtube Downloader HD 最新版的軟件 去下載Youtube 上的視頻 我把地址復制上去后)
- 02 網紅男歌手好聽的歌曲(最近最火的好聽的歌曲有哪些?)
- 02 網紅文化對青少年的影響(網紅現象對大學生價值觀影響論文)
- 02 網紅照片怎么拍出來的 英倫風(穿衣服搭配技巧)
- facebook驗證身份(為什么我的facebook賬戶被封了,從來沒登錄過,然后需要你上傳身份證核實,這樣是不是泄露隱私信?) - 副本
- 02 網紅直播用什么攝像頭(大網紅直播用什么攝像頭)
- 02 網紅歌手小龍女唱歌視頻(龍婷出生地?)
- 02 網紅歌手光頭大哥叫什么(抖音最火的煙嗓光頭大叔叫什么名字)
- 02 網紅景點打卡文案簡短(網紅打卡朋友圈文案 網紅地打卡的說說)
热门文章
站长推荐
free youtube to mp3 converter app(免費下載歌曲軟件 全免費)
free youtube downloader windows版(為什么我用Youtube Downloader HD 最新版的軟件 去下載Youtube 上的視頻 我把地址復制上去后)
02 網紅炸雞加盟店排行榜前十名(網紅炸雞店衛生質量看吐網友)
02 網紅直播帶貨排行榜前十名有哪些(快手銷售排行榜(快手帶貨主播排名前十名))
02 網紅直播帶貨數據造假(職業打假人王海說網紅帶貨多涉假,他的打假數據是怎么得來的?)
02 網紅直播專用背景布(一個游戲主播需要什么設備??)
02 網紅電商客群沙龍(從網店賣貨到網紅帶貨,沙溪服裝電商轉型路子怎么走?)
02 網紅景點打卡說說(發朋友圈打卡景點精美句子有哪些)