李 想，周 良

(南京航空航天大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 南京 210016)

協(xié)同過(guò)濾推薦是當(dāng)前應(yīng)用最廣泛、最成功的個(gè)性化推薦技術(shù)。協(xié)同過(guò)濾推薦主要根據(jù)用戶(hù)對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)，發(fā)現(xiàn)用戶(hù)之間或者項(xiàng)目之間的相關(guān)性，預(yù)測(cè)目標(biāo)用戶(hù)對(duì)未評(píng)分項(xiàng)目的喜好程度，從而產(chǎn)生推薦。目前常用的協(xié)同過(guò)濾推薦算法主要分為2類(lèi):基于用戶(hù)的協(xié)同過(guò)濾推薦和基于項(xiàng)目的協(xié)同過(guò)濾推薦[1]。

傳統(tǒng)的基于用戶(hù)的協(xié)同過(guò)濾推薦算法是以用戶(hù)－項(xiàng)目評(píng)分矩陣為基礎(chǔ)來(lái)計(jì)算用戶(hù)之間的相似性，用戶(hù)評(píng)分?jǐn)?shù)據(jù)的缺失使系統(tǒng)難以準(zhǔn)確定位目標(biāo)用戶(hù)的最近鄰，從而導(dǎo)致推薦質(zhì)量下降。近些年，一些研究者開(kāi)始嘗試將語(yǔ)義知識(shí)應(yīng)用到協(xié)同過(guò)濾推薦中，在解決評(píng)分?jǐn)?shù)據(jù)稀疏性問(wèn)題上取得了顯著的效果。文獻(xiàn)[2]提出了一種基于項(xiàng)目語(yǔ)義相似度的協(xié)同過(guò)濾推薦算法，通過(guò)計(jì)算項(xiàng)目之間的語(yǔ)義相似性來(lái)預(yù)測(cè)用戶(hù)評(píng)分，并填充用戶(hù)評(píng)分矩陣，再計(jì)算用戶(hù)的相似性進(jìn)行推薦。文獻(xiàn)[3]提出了一種基于本體用戶(hù)模型的個(gè)性化推薦算法，利用本體構(gòu)建用戶(hù)興趣模型，并通過(guò)改進(jìn)的相似度計(jì)算方法來(lái)計(jì)算用戶(hù)相似度。文獻(xiàn)[4]提出了一種領(lǐng)域知識(shí)驅(qū)動(dòng)的協(xié)同過(guò)濾推薦算法，通過(guò)項(xiàng)目語(yǔ)義相似度計(jì)算用戶(hù)之間的語(yǔ)義相似度，同時(shí)結(jié)合用戶(hù)評(píng)分相似性和用戶(hù)語(yǔ)義相似性計(jì)算用戶(hù)最近鄰，有效地改善了推薦質(zhì)量。

本文提出了一種基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦算法。其核心在于利用領(lǐng)域本體中概念之間的關(guān)系來(lái)描述項(xiàng)目之間的語(yǔ)義關(guān)系，同時(shí)利用語(yǔ)義擴(kuò)展的余弦相似性方法來(lái)改進(jìn)傳統(tǒng)的用戶(hù)相似性度量方法，并以此來(lái)計(jì)算用戶(hù)語(yǔ)義相似性。該算法能夠很好地克服協(xié)同過(guò)濾中數(shù)據(jù)稀疏性導(dǎo)致的推薦質(zhì)量下降的問(wèn)題，提高推薦的準(zhǔn)確性。

1 基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦流程

協(xié)同過(guò)濾推薦根據(jù)目標(biāo)用戶(hù)最近鄰居集的偏好來(lái)預(yù)測(cè)目標(biāo)用戶(hù)的偏好，推薦流程主要分為2個(gè)部分:發(fā)現(xiàn)用戶(hù)最近鄰和產(chǎn)生推薦。基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦通過(guò)引入語(yǔ)義知識(shí)，同時(shí)綜合用戶(hù)評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算用戶(hù)語(yǔ)義相似度，推薦流程如圖1所示。

圖1 基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦流程圖

根據(jù)圖1中描述的推薦流程，首先利用項(xiàng)目的分類(lèi)信息構(gòu)建領(lǐng)域本體，收集用戶(hù)興趣信息并構(gòu)建用戶(hù)興趣模型，用戶(hù)興趣模型由分類(lèi)本體樹(shù)中的葉子節(jié)點(diǎn)和相應(yīng)的評(píng)分組成;然后，根據(jù)領(lǐng)域本體內(nèi)部的語(yǔ)義關(guān)系計(jì)算項(xiàng)目之間的語(yǔ)義相似度，綜合項(xiàng)目語(yǔ)義相似度和用戶(hù)評(píng)分?jǐn)?shù)據(jù)來(lái)對(duì)余弦相似性方法進(jìn)行語(yǔ)義擴(kuò)展，以此來(lái)計(jì)算用戶(hù)語(yǔ)義相似度，并為目標(biāo)用戶(hù)產(chǎn)生最近鄰居集;最后，根據(jù)用戶(hù)最近鄰居集的評(píng)分產(chǎn)生Top N推薦。

2 基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦算法

2.1 計(jì)算項(xiàng)目語(yǔ)義相似度

領(lǐng)域本體通常用來(lái)描述某個(gè)領(lǐng)域內(nèi)的概念以及概念之間的關(guān)系，領(lǐng)域本體中的上層概念是下層概念的泛化，下層概念是上層概念的具體化。項(xiàng)目之間語(yǔ)義關(guān)系的表達(dá)可以借助領(lǐng)域本體來(lái)實(shí)現(xiàn)，圖2描述了電影領(lǐng)域的一個(gè)分類(lèi)本體，領(lǐng)域本體樹(shù)中的葉子節(jié)點(diǎn)表示具體的電影項(xiàng)目，非葉子節(jié)點(diǎn)表示泛化的電影分類(lèi)概念。

圖2 電影領(lǐng)域的分類(lèi)本體

根據(jù)Ganesan在文獻(xiàn)[5]中提出的思想來(lái)計(jì)算項(xiàng)目之間的語(yǔ)義相似度。設(shè)分類(lèi)本體樹(shù)U中葉子節(jié)點(diǎn)的集合為 LLU={l1，l2，l3，…，ln}，LCAU(li，lj)表示葉節(jié)點(diǎn)li和lj的最近公共祖先節(jié)點(diǎn)，depth(l)表示從根節(jié)點(diǎn)到節(jié)點(diǎn)l的路徑長(zhǎng)度，葉節(jié)點(diǎn)li和lj的語(yǔ)義相似度定義為:

根據(jù)定義可知，itemsim(li，lj)∈[0，1]，當(dāng)且僅當(dāng)li=lj時(shí)，itemsim(li，lj)=1。任意兩個(gè)項(xiàng)目之間的語(yǔ)義相似度可以根據(jù)公式(1)計(jì)算得到，且相似度隨著最近公共祖先節(jié)點(diǎn)深度的增加而增加。

2.2 用戶(hù)語(yǔ)義相似性度量方法

協(xié)同過(guò)濾算法的核心是計(jì)算用戶(hù)之間的相似性，從而發(fā)現(xiàn)目標(biāo)用戶(hù)的最近鄰。傳統(tǒng)的相似性度量方法主要有3種:余弦相似性、相關(guān)相似性和修正的余弦相似性。傳統(tǒng)的相似性度量方法過(guò)于依賴(lài)用戶(hù)評(píng)分?jǐn)?shù)據(jù)，在用戶(hù)評(píng)分?jǐn)?shù)據(jù)極端稀疏或者用戶(hù)之間評(píng)分項(xiàng)目的交集較少的情況下，不能有效地度量用戶(hù)之間的相似性，進(jìn)而影響推薦質(zhì)量。本文根據(jù)用戶(hù)評(píng)分項(xiàng)目之間的語(yǔ)義相似性和用戶(hù)對(duì)項(xiàng)目的評(píng)分，重新定義向量點(diǎn)積的計(jì)算方法，并利用語(yǔ)義擴(kuò)展的余弦相似性方法來(lái)計(jì)算用戶(hù)語(yǔ)義相似度。

設(shè)用戶(hù)a和用戶(hù)b評(píng)分過(guò)的項(xiàng)目數(shù)量分別為m和n，用戶(hù)a和用戶(hù)b的興趣模型分別為n}。其中，pi和s(pi)分別為用戶(hù)a評(píng)分過(guò)的項(xiàng)目及其相應(yīng)的評(píng)分值，qj和s(qj)分別為用戶(hù)b評(píng)分過(guò)的項(xiàng)目及其相應(yīng)的評(píng)分值。將用戶(hù)興趣模型映射到向量空間上，同時(shí)考慮到用戶(hù)評(píng)分尺度不同的問(wèn)題，則用戶(hù)a和用戶(hù)b的興趣評(píng)分向量Ia和Ib可以分別表示為:

同理可以計(jì)算Ib·Ib，當(dāng)用戶(hù)a和用戶(hù)b之間沒(méi)有共同的評(píng)分項(xiàng)目時(shí)，依然可以利用公式(4)來(lái)計(jì)算得到一個(gè)非零數(shù)值。用戶(hù)a和用戶(hù)b的語(yǔ)義相似性可以利用經(jīng)過(guò)語(yǔ)義擴(kuò)展的余弦相似性方法來(lái)計(jì)算:

2.3 產(chǎn)生推薦

發(fā)現(xiàn)最近鄰的目標(biāo)就是為目標(biāo)用戶(hù)a產(chǎn)生一個(gè)最近鄰居集合 Na={a1，a2，…，ak}，a ? Na，且sim(a，ai)≥sim(a，ai+1)，1≤i＜ k，則可以利用公式(7)來(lái)計(jì)算用戶(hù)a對(duì)未評(píng)分項(xiàng)目i的預(yù)測(cè)評(píng)分Pa，i，然后選擇預(yù)測(cè)評(píng)分值較高的若干項(xiàng)目推薦給目標(biāo)用戶(hù)a。

式中:sim(a，b)表示用戶(hù)a與用戶(hù)b之間的語(yǔ)義相似度;Rb，i表示用戶(hù)b對(duì)項(xiàng)目i的評(píng)分;和分別表示用戶(hù)a與用戶(hù)b對(duì)項(xiàng)目的平均評(píng)分。

3 實(shí)驗(yàn)及分析

3.1 數(shù)據(jù)集

本文采用MovieLens站點(diǎn)提供的數(shù)據(jù)集對(duì)基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦算法進(jìn)行測(cè)試，并和傳統(tǒng)的基于用戶(hù)的協(xié)同過(guò)濾推薦算法進(jìn)行實(shí)驗(yàn)對(duì)比。MovieLens數(shù)據(jù)集包含超過(guò)43000個(gè)用戶(hù)對(duì)3500部電影的評(píng)分?jǐn)?shù)據(jù)以及電影的分類(lèi)信息。本文根據(jù)電影的分類(lèi)信息構(gòu)建電影領(lǐng)域的分類(lèi)本體，從該數(shù)據(jù)集中隨機(jī)選取5000條評(píng)分?jǐn)?shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)集，其中包含159個(gè)用戶(hù)和614部電影，并將其分為訓(xùn)練集和測(cè)試集，訓(xùn)練集占80%，測(cè)試集占20%。該實(shí)驗(yàn)數(shù)據(jù)集的稀疏等級(jí)為:

3.2 評(píng)價(jià)標(biāo)準(zhǔn)

本文采用平均絕對(duì)偏差MAE(Mean Absolute Error)作為算法質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)，它通過(guò)計(jì)算預(yù)測(cè)的用戶(hù)評(píng)分和用戶(hù)實(shí)際評(píng)分之間的偏差來(lái)衡量預(yù)測(cè)的準(zhǔn)確性，MAE的值越小，算法推薦的質(zhì)量越高。設(shè)用戶(hù)評(píng)分的預(yù)測(cè)值集合為{p1，p2，…，pN}，其對(duì)應(yīng)的實(shí)際的用戶(hù)評(píng)分值集合為{q1，q2，…，qN}，則 MAE 的計(jì)算方法如下[6]:

3.3 實(shí)驗(yàn)結(jié)果及分析

為了檢驗(yàn)基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦算法的有效性，將傳統(tǒng)的基于用戶(hù)的協(xié)同過(guò)濾推薦算法與之進(jìn)行比較，用戶(hù)鄰居數(shù)從5不斷增加到40，間隔為5。其中，傳統(tǒng)的基于用戶(hù)的協(xié)同過(guò)濾算法分別以相關(guān)相似性和余弦相似性來(lái)計(jì)算用戶(hù)相似度，實(shí)驗(yàn)結(jié)果如圖3所示。

從圖3中可以看出，與傳統(tǒng)的基于相關(guān)相似性和余弦相似性的協(xié)同過(guò)濾算法相比，本文提出的算法均有較小的MAE值。由此可知，與傳統(tǒng)的基于用戶(hù)的協(xié)同過(guò)濾推薦算法相比，基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦算法在用戶(hù)評(píng)分?jǐn)?shù)據(jù)極端稀疏的情況下可以有效地提高推薦質(zhì)量。

4 結(jié)束語(yǔ)

圖3 幾種協(xié)同過(guò)濾推薦算法比較

為了克服傳統(tǒng)協(xié)同過(guò)濾推薦中存在的數(shù)據(jù)稀疏性問(wèn)題，本文提出了一種基于用戶(hù)語(yǔ)義相似性的協(xié)同過(guò)濾推薦算法。通過(guò)構(gòu)建領(lǐng)域本體來(lái)描述項(xiàng)目之間的語(yǔ)義關(guān)系，并計(jì)算項(xiàng)目語(yǔ)義相似度，根據(jù)項(xiàng)目語(yǔ)義相似度和用戶(hù)評(píng)分來(lái)對(duì)傳統(tǒng)的余弦相似性公式進(jìn)行語(yǔ)義擴(kuò)展，計(jì)算用戶(hù)語(yǔ)義相似度并尋找用戶(hù)最近鄰。通過(guò)實(shí)驗(yàn)證明，在用戶(hù)評(píng)分?jǐn)?shù)據(jù)極端稀疏的情況下，該算法與傳統(tǒng)的協(xié)同過(guò)濾推薦算法相比顯著地提高了推薦質(zhì)量。

[1] 馬宏偉，張光衛(wèi)，李鵬.協(xié)同過(guò)濾推薦算法綜述[J].小型微型計(jì)算機(jī)系統(tǒng)，2009，30(7):1282－1288.

[2] 肖敏，熊前興.基于項(xiàng)目語(yǔ)義相似度的協(xié)同過(guò)濾推薦算法[J].武漢理工大學(xué)學(xué)報(bào)，2009，31(3):21－32.

[3] Jiangling Yuan，Hui Zhang，JiangFeng Ni.A new ontology－based user modeling method for personalized recommendation[C]//Computer Science and Information Technology(ICCSIT).Chengdu:20103rd IEEE International Conference，2010:363－367.

[4] Lingling Zhang，Xiaojie Zhang，Quan Chen，et al.Domain－Knowledge driven recommendation method and its application[C]//2011 Fourth International Joint Conference.Yunnan:Computational Sciences and Optimization(CSO)，2011:21－25.

[5] Ganesan P，Garcia－Molina H.Exploiting hierarchical domain structure to compute similarity[J].ACM Transactions on Information Systems，2003，21(1):64－93.

[6] 鄧愛(ài)林，朱揚(yáng)勇，施伯樂(lè).基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J].軟件學(xué)報(bào)，2003，14(9):1621－1628.