周慶芳

摘 要：互聯(lián)網(wǎng)通信技術(shù)和社會化媒體的大力發(fā)展使得每個人既可以是信息的接收者，也可以是信息的創(chuàng)造者。本文著重介紹了目前應(yīng)用最為廣泛的協(xié)同過濾技術(shù)，并在協(xié)同過濾算法實現(xiàn)的基礎(chǔ)上，利用一些通用的開源數(shù)據(jù)集以及常見的評估指標對算法實現(xiàn)的效果做展示和分析，以完成對解決推薦系統(tǒng)的精確性與多樣性兩難問題的探討。

關(guān)鍵詞：協(xié)同過濾、二次優(yōu)化、多樣性

中圖分類號：TP312 文獻標識碼：C 收稿日期：2015-12-09

一、基于協(xié)同過濾的推薦算法

1.基于用戶的協(xié)同過濾

基于用戶的協(xié)同過濾算法是目前應(yīng)用廣泛且效率較高的一種個性化推薦算法。它主要基于3 個假設(shè)。[1]

（1）用戶是可分的。

（2）用戶對不同商品的評價包含了用戶的興趣信息。

（3）用戶對未知商品的評價將和同類用戶的評價相似。

算法通過分析用戶對項目的歷史行為數(shù)據(jù)（如評分、購買、瀏覽等），生成與當(dāng)前用戶行為、興趣最相近（對相同產(chǎn)品有歷史行為）的用戶集，然后利用他們對其他一些項目的評分來預(yù)測當(dāng)前用戶對那些項目的評分，從而產(chǎn)生推薦列表。

2.基于項目的協(xié)同過濾

經(jīng)過前述基于用戶的協(xié)同過濾算法后獲得的推薦候選列表，進一步做基于項目的協(xié)同過濾。其算法過程與前面相似，不過相似度的計算是針對推薦候選列表中的項目以及目標用戶歷史已接觸過的項目集合。主要步驟如下。

（1）輸入準備。同上一節(jié)相反。向量表示中的每個評論過項目的用戶對該項目的評分。

（2）針對項目的最近搜索。同上一節(jié)相似，仍然利用上述相似度計算公式，但是計算結(jié)果為項目與項目的相似度。

（3）推薦產(chǎn)生。同上一節(jié)相似，將上述推薦候選列表中每個項目與目標用戶的評分向量進行相似度計算后排序，獲取前Top-K個項目作為推薦結(jié)果。但是為了后續(xù)推薦結(jié)果的篩選，本文在這里的算法實現(xiàn)不會進行取K個的操作，而是直接保留整個候選推薦項目列表。

上述基于用戶的協(xié)同過濾主要利用了用戶—項目之間的關(guān)系，省略了對項目的建模，能夠避免對于復(fù)雜項目內(nèi)容分析不完全或不準確的問題，具有簡單易實現(xiàn)、性能較好、個性化、自動化程度高等優(yōu)點。

二、多樣性增強算法

1.多樣性及其方法簡介

一個好的推薦系統(tǒng)能夠開拓用戶的視野，就像一個凹透鏡，可將用戶的興趣發(fā)散出去。當(dāng)然，正如前面所述，精確性與多樣性時常是個魚與熊掌不可兼得的難題，所以這種發(fā)散也最好是在極可能不影響到精度的前提下進行的。近年來針對提高推薦系統(tǒng)多樣的研究中，主要存在以下四類方法。[2]

（1）信息物理方法：將物理學(xué)中的物質(zhì)擴散（Mass Diffusion ）和熱傳導(dǎo)（Heat Conduction）理論應(yīng)用到個性化推薦系統(tǒng)中。

（2）二次優(yōu)化方法：采用啟發(fā)式策略對傳統(tǒng)推薦算法得到的候選推薦列表進行二次優(yōu)化。

（3）社會化網(wǎng)絡(luò)方法：信息推薦中社會關(guān)系往往比推薦內(nèi)容與用戶喜好的匹配程度更加重要。

（4）時間感知方法：作為情境的一種，時間信息很容易采集，并且對提高推薦系統(tǒng)的時序多樣性具有重要的價值。

2.二次優(yōu)化的目標函數(shù)建立

為了提高推薦列表的多樣性（Diver sity），一種可行的方式就是在從候選推薦集合篩選時，不僅使用考慮相似度大小的Top-K方法，同時將多樣性考慮在內(nèi)。說明不相似度d（i ， j）的計算依賴于相似度s（i ，j ）的計算，而相似度的計算已經(jīng)在前文公式中進行定義，所以最終的Top-K篩選過程是在每次從候選集合P中篩選項目到推薦列表R中時，逐一計算候選集合P中的每個項目，并且選取項目c使得Quality最大的，放入推薦列表R中。

三、小結(jié)

本文主要研究了推薦系統(tǒng)的Top-K推薦列表選擇的多樣性增強問題。為了避免向用戶推薦過度同質(zhì)化的內(nèi)容，在考慮推薦內(nèi)容時，不應(yīng)該僅僅以推薦精準度作為唯一指標，推薦內(nèi)容的多樣性同樣是提高用戶體驗、增加用戶粘度的重要指標。因此，本文所實現(xiàn)的貪婪選擇算法，它可以在損失一定精準度的條件下實現(xiàn)推薦列表的內(nèi)容多樣性目標。

參考文獻：

[1] 宋真真，王 浩，楊 靜.協(xié)同過濾技術(shù)在個性化推薦中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2008，31（7）：1059-1063.

[2] 安 維，劉啟華，張李義.個性化推薦系統(tǒng)的多樣性研究進展[J].圖書情報工作，2013，57（20）：127-135.