李晨躍 劉克劍 孟慶瑞

摘要：博物館網(wǎng)站主要展示館內(nèi)藏品，繁多的展品使得用戶在訪問網(wǎng)站時會花費大量時間?？梢酝ㄟ^基于Web日志挖掘的技術(shù)分析用戶的訪問行為，判斷其興趣愛好，使用不同的推薦方法主動向用戶推薦其可能感興趣的博物館藏品，以提高用戶訪問體驗。主要使用4種推薦方式，即熱點推薦、類別推薦、相似推薦、猜猜你喜歡。

關(guān)鍵詞：推薦系統(tǒng)；日志挖掘；熱點推薦；類別推薦

DOIDOI：10.11907/rjdk.161496

中圖分類號：TP319

文獻標識碼：A 文章編號：1672-7800（2016）005-0066-02

0 引言

隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，逐漸從信息匱乏時代步入信息超載時代。消費者不易從大量信息中找到自己感興趣的信息；對于信息生產(chǎn)者，其產(chǎn)品或服務(wù)信息受到廣大用戶的關(guān)注，也是一件非常困難的事情[1]。

推薦系統(tǒng)作為一種信息過濾的重要工具，是當(dāng)前解決信息超載問題的重要方法[1]。推薦系統(tǒng)的任務(wù)就是聯(lián)結(jié)用戶和信息，一方面，幫助用戶發(fā)現(xiàn)有價值的信息；另一方面讓信息展現(xiàn)在對它感興趣的用戶面前，從而實現(xiàn)信息消費者和信息生產(chǎn)者的雙贏。

目前主流的推薦技術(shù)包括以下幾種：基于內(nèi)容的推薦、基于用戶統(tǒng)計信息的推薦、基于協(xié)同過濾的推薦[2]、基于關(guān)聯(lián)規(guī)則的推薦?；谖锲返膮f(xié)同過濾算法是目前應(yīng)用最多的算法，它通過分析用戶的歷史行為來計算物品間的相似度。算法主要分為兩步：①計算物品間的相似度；②根據(jù)用戶歷史行為和物品相似度計算用戶的推薦列表[3]。度量物品之間相似性的方法有多種，其中之一為使用余弦相似度定義物品和物品之間的相似度。

1 系統(tǒng)需求與數(shù)據(jù)庫設(shè)計

用戶通過瀏覽器訪問博物館藏品時，系統(tǒng)基于Web日志挖掘技術(shù)分析用戶訪問行為，判斷其興趣愛好，并主動推薦用戶可能感興趣的藏品，同時通過對用戶訪問行為的分析，在用戶登錄時呈現(xiàn)不同的網(wǎng)頁界面。如：通過分析發(fā)現(xiàn)，某用戶對博物館中西藏植物有較大興趣，則當(dāng)該用戶再次訪問網(wǎng)站時，顯示的主要頁面是與西藏植物相關(guān)的內(nèi)容；若用戶從未訪問過網(wǎng)站，將會給予熱點藏品推薦，用戶訪問藏品后，下次再次登錄時，網(wǎng)站將會給予相關(guān)推薦。

1.1 系統(tǒng)模塊

根據(jù)用戶不同，對于沒有登錄的游客，系統(tǒng)只使用熱點藏品推薦功能；對于已登錄游客，如果第一次登錄，使用熱點藏品推薦；如果是已登錄過的會員，系統(tǒng)會調(diào)用所有模塊進行推薦。模塊如圖1所示。

1.2 系統(tǒng)功能模塊

為了增加推薦系統(tǒng)的多樣性，更好服務(wù)于用戶，設(shè)計如下4個推薦功能：熱點藏品推薦、按類別推薦、相似藏品推薦、猜猜你喜歡。

（1）熱點藏品推薦。從數(shù)據(jù)庫中讀取依據(jù)點擊量排名的藏品，選取點擊量前10的藏品推薦給用戶，使用基于內(nèi)容的推薦方法。

（2）按類別推薦。從用戶cookie中讀取用戶瀏覽過的藏品，獲得用戶喜好，從用戶最近瀏覽中選出4種類別，然后按類別從數(shù)據(jù)庫中選取該類別的熱點藏品推薦給用戶，使用基于人口統(tǒng)計的推薦方法。

（3）相似藏品推薦。首先獲取最近瀏覽的前5個藏品，再根據(jù)這5個藏品作相似藏品推薦。從相似度表中讀取與選出藏品相似的藏品，然后根據(jù)相似度排名，選取前4名的藏品作為相似藏品進行推薦，使用基于內(nèi)容的推薦方法。

（4）猜猜你喜歡。用戶點擊一個藏品，藏品的關(guān)鍵詞就會記錄到數(shù)據(jù)庫中，若某藏品也包含該關(guān)鍵詞，則這個關(guān)鍵詞在數(shù)據(jù)庫中的訪問量加1，選出訪問量靠前的關(guān)鍵詞，這些關(guān)鍵詞能代表用戶的興趣愛好。然后從倒排文件中選出包含這些關(guān)鍵詞的所有藏品，對這些藏品包含關(guān)鍵詞的個數(shù)進行排序，選取包含關(guān)鍵詞多的藏品推薦給用戶，使用基于物品協(xié)同過濾的方法。

2 數(shù)據(jù)庫設(shè)計

除最基本的用戶表（User）表和博物館（exhibit）表之外，設(shè)計用戶關(guān)鍵字（UserKeyWord）表；相似度（Similarity）表；關(guān)鍵字權(quán)重（KeyWordWeight）表；關(guān)鍵字字典（KeyWordDictionary）表；倒排文件（InvertedFile）表。數(shù)據(jù)庫關(guān)系表如圖2所示。

3 功能實現(xiàn)

系統(tǒng)數(shù)據(jù)挖掘與推薦時，需要用到自定義函數(shù)以進行數(shù)據(jù)傳遞和分析。首先從用戶的cookie或者數(shù)據(jù)庫中讀取用戶瀏覽信息；然后，根據(jù)不同的推薦類型，選擇不同的函數(shù)對數(shù)據(jù)進行推薦操作；最后，將推薦結(jié)果返還給用戶。詳細步驟如下：

（1）當(dāng)用戶點擊某個藏品時，獲取藏品關(guān)鍵詞，將這些關(guān)鍵字與用戶ID放到一張表中（UserKeyWord），同時記錄關(guān)鍵字的次數(shù)。檢查該藏品的關(guān)鍵詞是否已經(jīng)存在數(shù)據(jù)庫中（表keyWordDictionary）。若關(guān)鍵詞不在數(shù)據(jù)庫中，將該關(guān)鍵詞插入到數(shù)據(jù)庫中，并將該藏品插入到倒排文件中（表InvertedFile）；若該關(guān)鍵詞已經(jīng)在數(shù)據(jù)庫中，則直接將該藏品插入到該關(guān)鍵詞倒排文件中，最后計算藏品與其它藏品間的相似度。

（2）計算藏品之間的相似度。首先，從展品表（exhibit）獲取該藏品的所有關(guān)鍵詞，然后從倒排文件中獲取與該藏品有相同關(guān)鍵詞的所有藏品，計算該藏品與有相同關(guān)鍵詞藏品間的相似度。但只與有相同關(guān)鍵詞的藏品進行相似度計算，與沒有相同關(guān)鍵詞的藏品之間的相似度為0，避免與其它所有藏品間計算相似度，從而節(jié)約資源。計算的方法為獲取藏品的所有關(guān)鍵詞權(quán)重（表KeyWordWeight），計算兩藏品關(guān)鍵詞權(quán)重組成的向量余弦夾角[4]，將兩藏品間的余弦夾角保存到數(shù)據(jù)庫中（表Similarity），最后根據(jù)相似度選出前4個藏品返還給用戶。計算相似度代碼如下：

（3）為了提高訪問速度，減輕數(shù)據(jù)庫負擔(dān)。當(dāng)用戶點擊藏品時，將該藏品以及點擊時間保存到緩存中，若緩存中藏品量達到極限，從緩存中刪除點擊量少并且保存時間久遠的藏品，以便存儲新的藏品。當(dāng)要用到該藏品相似藏品時直接從緩存中讀取，加快訪問速度，減輕數(shù)據(jù)庫服務(wù)器負擔(dān)。

4 結(jié)語

本文將推薦系統(tǒng)引入博物館網(wǎng)站建設(shè)，以提升用戶體驗。系統(tǒng)基于不同推薦算法提供了4種推薦體驗，從多方面考慮用戶需求，盡可能為用戶推薦到滿意的藏品，大大提高用戶體驗。

參考文獻：

[1]許海玲，吳瀟，李曉東，閻保平.互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J].軟件學(xué)報， 2009， 20（2）：350-362.

[2]GOLDBERG D，NICHOLS D，OKI B M，et al.Using collaborative filtering to weave an information tapestry[J].Communications of the ACM，1992，35（12）：61-70.

[3]應(yīng)毅，劉亞軍，陳誠.基于云計算技術(shù)的個性化推薦系統(tǒng)[J].計算機工程與應(yīng)用，2015，51（13）：111-117.

[4]王國霞，劉賀平.個性化推薦系統(tǒng)綜述[J].計算機工程與應(yīng)用，2012，48（7）：66-76.

（責(zé)任編輯：陳福時）