基于IPv6网络环境的推荐系统在智慧社区中的使用

张立博?王凯

摘要：智慧社区是以信息化、智能化技术为支撑，以提高社区居民生活质量和社区管理效率为目标的一种新型社区模式。基于IPv6网络背景，通过案例分析的方式，将大数据挖掘技术与关联分析、过滤算法等技术相协同，在智慧社区中应用推荐系统极具可行性，大数据挖掘技术与推荐系统为实现智慧社区提供了技术支持，可以从大量实时的信息中提取生活、政务信息。对此，本研究基于IPv6網络环境，探讨智慧社区发展中对推荐系统的应用。

关键词：IPv6网络环境；推荐系统；智慧社区；大数据

经济迅猛发展的现阶段，信息技术水平也随之提升，尤其是5G时代的到来，在很大程度上改变了公众接收信息的方式，也推动着国内各个行业的发展。智慧城市是现阶段全球城市发展的必然趋势，我国也在积极探索和建设智慧城市，作为智慧城市建设的重要组成部分，智慧社区已成为国内发展共识[1]。本研究基于IPv6网络环境，探讨智慧社区发展中对推荐系统的应用。

一、相关概念

（一）智慧社区

智慧社区指的是遵循“利民、便民以及惠民”原则，创建智能高效便民服务体系、智慧社区设施网络以及安全高效管理服务体系，保证社区居民日常社会生活的协同化、数字化、互动化以及智能化，不仅在生活服务、文化教育、养老助残以及卫生计生等环节为社区居民提供便利，通过社区定位系统、交通综合管理系统以及安防系统等智慧终端也助力提升社区的治理效率[2]。基于IPv6网络环境的智慧社区，是以人为本创建的智能管理系统，为社区居民提供智慧化、现代化的生活环境，保证居民能够实现舒适、高效的生活。

（二）IPv6网络环境

IPv6是下一代互联网协议，是IPv4的升级版，相比IPv4，IPv6具有地址空间更大、安全性更高、支持多播和移动性等优点，能够为未来的互联网应用提供更好的支持。

在IPv6网络环境中，每个设备都可以拥有唯一的IPv6地址，这使得设备之间的通信更加方便和高效；IPv6还支持多播和任播，可以实现更加灵活的数据传输方式；在IPv6网络环境中的网络层协议、传输层协议和应用层协议都进行了相应地调整和优化。

总之，IPv6网络环境将成为未来互联网的发展趋势，了解和适应IPv6网络环境是非常有必要的。

（三）IPv6网络环境下的系统介绍

网络居民可以在手机APP端的社区服务与IPv6网络相连接，在使用期间，能够和服务器实现信息交互，例如，登录地址、发表的论坛、消费过的场所、店铺访问、消费种类、消费金额和购买评价等，通过大数据分析与机器学习服务器，分析网民行为，并对网民实施标签化处理，为所有网络用户创建画像，再基于网络用户的画像与标签，通过协同过滤算法将可能喜欢的商品、店铺或者服务提供给该用户[3]。

该研究基于IPv6网络环境，在智慧社区中应用推荐系统，主要创新之处在于：

①在推荐系统中接入社区居民关于“吃”的行为，通过分析社区居民生活发现，居民的“吃”集中在超市购物、点外卖、菜市场买菜以及堂食等领域，因此，可以采用数据挖掘技术分析用户行为数据，并用推荐算法将可能喜欢的菜谱或者店铺推荐给社区居民。

②通过分析社区居民浏览或消费的历史数据，随机更改推荐侧重点，以帮助社区居民实现均衡饮食。

二、智慧社区的兴起与大数据技术

（一）智慧社区的兴起

社区是城市建设发展不可缺少的组成部分，智慧社区建设离不开社区的信息化和智能化，同时，智慧社区在智慧城市建设中发挥着重要作用。当前，世界各国基于自身优势创建智慧社区，我国智慧社区建设时间比较晚，发展速度却非常快，目前国内智慧社区已经初有成效。

例如，上海市建设国内第一个智慧社区，实现了社区信息门户网站、智能家庭终端、云计算中心以及云卡等基础项目；江苏无锡创建便民服务中心，通过社区服务站、呼叫平台以及网站等，为居民提供信息化居家服务、民生商品配送以及养老服务等[4]；山东青岛所建设的“U社区”，先后开发了物业管理平台、U购物平台、社区政务管理系统以及U社区一卡通等，涵盖社会保险、社会福利、救助以及水电气等便民服务。

（二）IPv6环境下智慧社区的大数据技术

国内智慧社区建设力度不断加大，由此产生的智慧社区数据积累为社区公共服务提供重要的数据指导，也是智慧社区建设的依据。所以，IPv6环境下的大数据挖掘技术，可以为城市和社区带来以往环境无法比拟的价值，通过挖掘网络数据，为居民配备精准信息，并衍生出更多新服务，提炼居民需求，为居民提供个性化服务，以此辅助当地政府制定相关决策。

IPv6环境下，大数据必须通过新处理模式，方可具备更强大洞察发现力、决策力以及流程优化能力的信息资产，才能为居民提供海量信息服务。亚马逊网络服务研究者JohnRauser指出，大数据只是信息资产，只有分析大数据，方可获取大量有价值的、智能的、深入的信息。而大数据挖掘，也叫做数据库知识发现，是现阶段数据库与人工智能领域的热点话题，从根本上说，大数据挖掘是从随机的、大量的、模糊的以及不完全的应用数据中，将人们事先不知、隐含其中的信息与知识挖掘出来的决策知识过程。

IPv6环境下的大数据分析技术所包含数据挖掘、统计分析、模型预测以及结果呈现等，其中应用比较多的就是数据挖掘技术与统计分析技术[5]。统计分析包括聚类分析、假设检验、相关分析、因子分析、判别分析、显著性检验、多元对应分析、差别分析以及快速聚类分析等，而数据挖掘则主要包括复杂数据类型挖掘、预测、分类、描述与可视化等技术。

三、推荐系统用于智慧社区的相关工作

现如今，智慧社区研究内容逐渐增多，主要包括智慧社区养老服务体系、智慧社区生活发展以及智慧社区智能化等，随着智慧社区建设的逐渐深入，居民的生活服务也越来越智能化，同时，居民的网络消费需求对智慧社区建设与发展具有推动作用，实现了居民消费环境的智能化。学者杨一丁等在《互联网+智慧菜市场》中创建了个人菜场，为消费者创建第三方线上交易平台，使菜场购买方式越来越多元化，形成饮用、现场买菜以及烹饪等多样服务，推出智能菜市场有助于实现菜市场的智慧化、智能化[6]。

IPv6网络环境下，推荐系统是越来越多网络应用软件的重要组成部分，也有很多科研团队研究了推荐系统的内容，其中Grouplens在电商平台内应用以评分为依托的协同过滤算法；俞骋超等学者通过DeepSession算法，解决个性化推荐问题；而学者舒芳书则通过关联规则算法与协同过滤算法，为网络用户智能推荐图书，但却很少有学者研究智慧社区饮食推荐。

未来智慧社区所提供的服务，为社区居民的衣食住行提供了更多便利，居民生活也越来越智能化。本文基于IPv6网络环境下，对智慧社区为居民提供的饮食服务展开研究，通过分析居民饮食记录，利用协同过滤推荐算法与关联规则推荐算法，为网络用户提供人性化店铺、均衡饮食菜谱等[7]。该研究密切结合美食推荐与智慧社区发展，可以通过推荐系统将社区周边外卖店铺、菜市场、美食餐馆以及超市等关联起来。

四、基于IPv6网络环境的推荐系统用于智慧社区的案例

该案例选择关联分析、协同过滤算法、推荐算法以及NMF算法等相关数据挖掘工具，将推荐系统应用于智能社区，对A秘书智慧社区平台所提供的社区居民消费信息展开数据分析，以此为餐馆、外卖店铺以及超市等上架用户所需商品提供有用的信息参考。A秘书智慧社区是以互联网信息技术为依托，所创建的利民、便民以及惠民的智能综合服务平台，该平台整合了线上、线下两大便民服务资源，内容包括民生、医疗、购物、文体以及交通等，社区居民消费信息主要显示在社区超市服务板块，社区超市对接互联网在线购物平台，在注册会员后，社区居民即可进行线上超市购物或者餐馆消费。

（一）智能推荐系统的概述

所谓个性化推荐，就是基于用户购买行为与兴趣特点，将感兴趣的商品或信息提供给用户。近年来，电子商务规模持续扩大，使得商品种类与个数也随之呈现迅猛增长态势，消费者必须花费更多时间，方可锁定自己感兴趣的商品，但是浏览大量没有价值的产品和信息过程，很容易流失因为信息过载而浪费时间的消费者。为解决以上问题，开发出了个性化推荐系统，个性化推荐系统是基于海量数据挖掘而创建的高级商务智能平台，有助于电子网站将个性化信息服务与决策支持提供给消费者[8]。

（二）智慧社区对推荐系统的应用

IPv6网络环境下智慧社区对推荐系统的应用与IPv4网络环境类似，可以利用推荐系统为居民提供更加个性化、精准地服务。根据居民的兴趣爱好、需求和历史行为等信息，推荐系统为居民推荐适合的社区服务，如健身、休闲娱乐、文化活动等；基于社区历史安全事件数据，推荐系统为社区安全监控提供更加精准地预警，提醒安保人员应当在哪些时间段、哪些地点加强巡逻和监控，进而提高社区的安全。

（三）数据预处理

本次待挖掘的数据是A秘书平台会员从2020年6月至2022年5月的会员消费数据与会员注册信息，注册会员共计26542人，其中男性会员占比62.5%，女性会员占比37.5%。

对数据进行数字序列化处理：

1.收集1000名会员的消费记录，获得商品购买唯一清单（即某种商品在清单上仅出现一次），消费清单长度用N表示；

2.创建零矩阵X，其中Column=N，而Row=995，例如第i个会员，重新对X第i行Xi赋值，公式为：

Xi = {aij}

以上公式中，aij表示第i位会员对第j种商品进行购买的次数，因此X= {aij}995*N。

以稀疏矩阵X和对应唯一清单为基础，能够清晰获得各用户消费记录，为数据的完整性提供保障。基于系数矩阵X，通过关联规则推荐算法与协同过滤算法构建推荐系统模型。

（四）关联规则下的推荐算法

关联分析是一种数据挖掘技术，用于发现数据集中物品之间的关联关系。关联规则推荐算法可以通过分析用户的历史交互数据，找到物品之间的关联规则，并利用这些规则进行推荐。

关联规则推荐算法首先需要收集用户的历史交互数据，包括用户行为记录，如购买记录、点击记录、评分记录等，这些数据通常以事务的形式表示，每个事务包含一个用户与一组物品的关联。例如，用户购买商品的历史记录可以转化为一个交易记录数据集，通过挖掘交易记录中频繁出现的商品组合，得到商品之间的关联规则，再基于挖掘到的关联规则，针对用户当前的行为和偏好，生成个性化推荐结果。例如，如果用户购买了咖啡，关联规则分析结果可能表明用户经常购买咖啡和面包的组合，那么可以向用户推荐面包。

为了确定哪些关联规则是有意义的，需要进行关联规则的评估。常见的评估指标包括支持度（support）、置信度（confidence）和提升度（lift），支持度表示规则在数据集中出现的频率，置信度表示规则的可靠性，而提升度表示规则对于推荐的贡献程度。

五、结束语

基于IPv6网络，通过案例分析的方式，将大数据挖掘技术与关联分析、过滤算法等技术相协同，在智能推荐系统中应用，能够将信息参考提供给需要上架商品的社区超市。由此可见，IPv6网络环境下，在智慧社区中应用推荐系统极具可行性。大数据挖掘技术与推荐系统为实现智慧社区提供了技术支持，可以从海量实时信息中提取生活、政务信息，作为智慧社区的关键支撑技术，推荐系统的市场应用前景非常广阔。

参  考  文  献

[1]肖建平，傅东东.广州市《基于CIM的智慧社区建设、运营及评价技术指引（试行）》解读[J].智能建筑与智慧城市，2022（11）：20-22.

[2]钟泽鹏，张涛.业务驱动数据赋能打造可信可视可持续的智慧社区新生态[J].中国建设信息化，2022（20）：48-49.

[3]杨启坤.运用信息化手段建设智慧社区助力疫情防控[N].雙鸭山日报，2022-10-28（A01）.

[4]田月.“互联网+”智慧社区养老服务模式浅议[J].合作经济与科技，2022（22）：170-172.

[5]杨启坤.科技赋能智慧社区助力精准疫情防控[N].双鸭山日报，2022-10-18（002）.

[6]周建民，陈国民，陈绍根，等.人口数据空间化赋能智慧场景精细化管理[C]//.夯实数据底座·做强创新引擎·赋能多维场景——2022年中国城市规划信息化年会论文集，2022：32-36.

[7]赖丽萍，杨金亮.基于协同推荐算法的智慧社区服务系统的设计与实现[J].黄冈职业技术学院学报，2020，22（04）：109-113.

[8]李佳雯.IPv6网络环境下推荐系统在智慧社区中的应用[J].网络安全技术与应用，2019（08）：104-106.

[9]尹华一，基于O2O模式的智慧社区电子商务云平台研发.福建省，厦门理工学院，2018-01-19.

[10]吴桐.面向智慧社区的个性化健康信息服务的应用研究[D].北京交通大学，2017.

张立博（1980.07-），男，汉族，山东泰安，本科，工程师，研究方向：信息工程。