趙文濤 成亞飛 王春春

(河南理工大學計算機科學與技術學院 河南 焦作 454000)

基于Logistic時間函數(shù)和用戶特征的協(xié)同過濾算法

趙文濤 成亞飛 王春春

(河南理工大學計算機科學與技術學院 河南 焦作 454000)

目前推薦系統(tǒng)中協(xié)同過濾算法是應用最成熟的推薦算法之一，然而傳統(tǒng)算法沒有考慮隨著時間的遷移，用戶的興趣也可能發(fā)生相應變化以及特征屬性在推薦過程中對推薦結果的影響，致使預測結果不準確。為此，提出一種新的相似性改進算法對傳統(tǒng)算法進行改進。改進后的協(xié)同過濾算法對基于時間的Logistic權重函數(shù)與用戶特征屬性進行加權計算，形成一種新的相似性度量模型。實驗結果表明該算法推薦平均絕對誤差(MAE)比傳統(tǒng)算法降低了12%，較傳統(tǒng)算法推薦質量有明顯提高。

協(xié)同過濾 興趣變化 時間權重 用戶特征

0 引 言

在現(xiàn)實生活和工作中，網(wǎng)絡上的信息量越來越大，為了從大量的信息中搜索到我們所需要的信息，就必須花費更多的時間，這就是所謂的“信息過載”問題。面對與日俱增的信息量，我們再想找到自己所需的信息變得越來越難。針對這個問題，廣大的研究學者和科研人員為了更大程度地挖掘潛在的有用信息，對推薦系統(tǒng)[1]的推薦準確性和效率等方面進行了更深層次的研究，提出了多種改進推薦算法，其中協(xié)同過濾算法[2]就是最為典型的推薦算法。

在推薦系統(tǒng)中推薦算法是關鍵要素。迄今為止，多種推薦算法被提出，其中，冷亞軍等人[3]介紹了相對完整的協(xié)同過濾知識架構，對認清協(xié)同過濾的發(fā)展前景，促進個性化信息服務的發(fā)展具有參考意義。王道平等人[4]在綜合考慮用戶興趣和項目特征的基礎上，提出基于內容相似度的知識協(xié)同過濾推送算法，一定程度上提高了信息推送的精確度。王衛(wèi)平等人[5]提出基于標簽(Tag)和協(xié)同過濾的混合推薦方法TAG-CF，能夠有效降低推薦系統(tǒng)的平均絕對誤差，提高推薦質量。以上文獻中所提到的算法雖然在一定程度上緩解了數(shù)據(jù)稀疏性和冷啟動問題，但沒有考慮用戶興趣變化和用戶特征屬性對推薦結果的影響，這是本文改進算法的研究重點。

研究者更青睞于最常見的基于用戶的協(xié)同過濾算法(UBCF)和基于產(chǎn)品的協(xié)同過濾算法(IBCF)。如果僅采用傳統(tǒng)的協(xié)同過濾算法進行推薦會存在很多問題，主要問題有：數(shù)據(jù)的稀疏性問題[6]，冷啟動問題，算法的擴展性問題和同一性問題。由于用戶年齡大小，所處生活環(huán)境，受教育程度，興趣愛好各不相同，思維方式的差異性和產(chǎn)品個體的差異性，都是導致推薦結果不準確的原因。用戶相互之間的獨立性和預測環(huán)境的不同以及產(chǎn)品之間相互聯(lián)系的不確定性，是基于用戶或產(chǎn)品的協(xié)同過濾算法存在一定局限性的主要原因。在本文中，對傳統(tǒng)的推薦算法進行改進，提出了基于用戶訪問時間和相關特征屬性[7]相似度的數(shù)據(jù)權重[8]，將其引入到協(xié)同過濾算法的生成推薦過程當中，能夠更好地體現(xiàn)用戶興趣的變化規(guī)律，從而改善推薦效率。

1 相關工作及研究

隨著網(wǎng)絡上的信息呈幾何倍數(shù)增長，普通人再想輕松獲取自己所需信息變得越來越困難，這就為研究人員提出了更高的要求。構建一套完整的推薦系統(tǒng)是相當復雜的，分清楚推薦系統(tǒng)與推薦算法、推薦模型的區(qū)別至關重要。推薦系統(tǒng)的核心在于推薦算法，眾多的科研人員可能會將大部分精力投入到推薦算法的優(yōu)化上。然而事實并非如此，數(shù)據(jù)的搜集、整理、篩選等準備工作在推薦系統(tǒng)中同樣重要，例如當淘寶網(wǎng)推薦顧客可能喜歡的商品時，不能只依靠簡單的推薦算法，顧客的個人信息，瀏覽記錄，過去一段時間的購物信息，購物車里面的商品清單等都會影響顧客的購物選擇。

推薦系統(tǒng)的原理：首先，收集數(shù)據(jù)庫中客戶或產(chǎn)品的數(shù)據(jù)信息。其次，選取合適的推薦模型，查找相似用戶集。最后，采用KNN算法為目標用戶選擇推薦對象。

1.1 基于時間的數(shù)據(jù)權重

作為推薦系統(tǒng)的重要準備工作，數(shù)據(jù)信息采集主要是收集用戶對產(chǎn)品的評分記錄，構建一個用戶產(chǎn)品評分矩陣UIM(User Item Matrix)，用R_(m×n)=(R_(a,j))_(m×n)表示。其中，m表示用戶行數(shù)，n表示產(chǎn)品列數(shù)，R_(a,j)表示第a個用戶對第j個產(chǎn)品的評價分數(shù)。

1.2 查找相似用戶集

推薦系統(tǒng)最為核心一步就是推薦算法的選取，采用合適的推薦算法計算用戶(或項目)相互之間的相似度[9]，然后刪選出與目標用戶相似度[10]最高的K個用戶(或項目)作為備選鄰居集。相似度的計算方法種類繁多，但最常用的主要有下面三種方法：如式(1)-式(3)所示。

1) 余弦相似性

(1)

2)Pearson相關相似性

(2)

3) 修正的余弦相似性

(3)

1.3KNN算法推薦

通過前面相似度算法得到用戶相互之間的相似度，采用KNN算法為目標用戶選取與其最相近的前N個作為鄰居集[11]，傳統(tǒng)預測評分方法如下：

(4)

選取其中排在前面的而且未出現(xiàn)過的前N個選項組成Top-N推薦集。

2 改進算法描述

從上述對傳統(tǒng)推薦算法的介紹過程中可以看出，個性化推薦系統(tǒng)[12]主要是根據(jù)用戶對產(chǎn)品的打分操作，得到用戶產(chǎn)品評分矩陣，來表達用戶對某件產(chǎn)品的喜愛程度。然而在現(xiàn)實情況下，用戶隨著閱歷的增加和年齡的增長，興趣愛好[13]同過去一段時間相比會有所變化。例如某用戶A在結婚之前，可能更喜歡襯衣領帶等都是自己生活所需的物品，在結婚之后精力更多地投入到家庭，所購買的用品大多由自己轉向了妻子或孩子，這個例子很好地說明了一個人在一段時間內的興趣轉移，在前一段時間特別關注的物品在當前可能就沒有那么重要了。所以傳統(tǒng)的個性化推薦系統(tǒng)僅僅采用用戶評分矩陣對目標用戶進行推薦可能感興趣的產(chǎn)品存在一定的局限性，雖然算法UBCF和IBCF在一定程度上能夠進行推薦，但考慮現(xiàn)實情況的復雜性和多樣性導致推薦結果差強人意。

2.1 基于Logistic函數(shù)的數(shù)據(jù)權重

推薦系統(tǒng)中一般把時間標簽作為一個重要的標簽信息，能夠體現(xiàn)用戶的興趣遷移。用戶在不同時間區(qū)間內的興趣和行為可能會有很大反差，例如在一天的行為變化中，白天用戶更傾向于將精力投入到工作中，而晚上就可能放松一下，到公園散散步，看看電影或者電視劇等娛樂節(jié)目。

為了解決傳統(tǒng)算法不能充分體現(xiàn)用戶興趣愛好隨時間變化的問題，本文在計算用戶相似度時提出基于時間的logistic權重函數(shù)[14]，運用logistic函數(shù)對產(chǎn)品評分進行時間加權計算，對不同時間區(qū)間的評分數(shù)據(jù)加以區(qū)分，增加近期數(shù)據(jù)的信任度[15]權重，減弱過去喜好的權重比例，logistic函數(shù)為：

(5)

式中，ta,j表示用戶a對項目j產(chǎn)生興趣的時刻與該用戶所有評分項目中最早評價時刻之間的時間差。函數(shù)f(ta,j)隨ta,j的增加而單調遞增。

本文提出的logistic時間函數(shù)比文獻[16]中用到的線性時間函數(shù)更能反映人類的遺忘規(guī)律，相較于文獻[17]中提出的基于Ebbinghaus遺忘曲線作為時間函數(shù)推薦結果更為準確，故采用logistic函數(shù)。從該函數(shù)中可以看出函數(shù)取值范圍是(0,1)，函數(shù)值隨時間標簽的變化呈非線性曲線增長，強調近期活動對目標用戶行為的影響程度，改善傳統(tǒng)算法僅利用用戶評分進行推薦的不足，最大化地為目標用戶推薦有相似興趣愛好的鄰居用戶。

2.2 基于非線性遺忘函數(shù)的改進CF算法

改進算法采用時間窗口技術將用戶過去行為的時間標簽運用離散化方法進行分段，分別將時間標簽映射到這些時間窗口上，遵循客戶興趣的變化規(guī)律，提出基于時間權重的非線性遺忘函數(shù)的改進CF算法，實現(xiàn)個性化的推薦，將式(5)引入到Pearson相關相似性系數(shù)中，得到改進相似度計算方法如式(6):

simT(i,j)=

(6)

上述改進算法在計算過程中有效地為目標用戶挑選可能興趣度相近的鄰居用戶。

2.3 用戶特征的挖掘

在平時的生活中，相同類別的人可能在興趣取向上比較類似，而不同特征屬性的人興趣取向可能差別比較大，正所謂人上一百，形形色色，難免良莠不一，何況是上千上萬。比如教師和農民工這兩類在生活中最經(jīng)常接觸的兩類人群，教師一般都受過高等教育，文化素質較高，工作上教書育人從事腦力勞動且工作環(huán)境干凈整潔，而農民工普遍文化素質不是很高，工作環(huán)境差大多以體力勞動為主。這兩類人群由于工作環(huán)境，社會經(jīng)歷的不同而興趣愛好千差萬別。

傳統(tǒng)的協(xié)同過濾算法在對用戶相似度的計算過程中，沒有結合用戶屬性信息，致使推薦結果具有一定的局限性。為了使推薦結果是用戶想要得到的結果，達到用戶的滿意，在對用戶詳細信息的深入挖掘過程中，特征數(shù)據(jù)與評分數(shù)據(jù)對用戶興趣取向的影響沒有任何交集，分析不同特征數(shù)據(jù)，盡最大可能挖掘與目標用戶具有相似特征信息的用戶作為推薦鄰居。

本文對Movielens電影評分數(shù)據(jù)集中用戶信息進行挖掘，得到用戶的年齡、性別、職業(yè)、郵編等個人基本信息，不同屬性標簽代表不同的用戶群體，例如性別特征，在天貓網(wǎng)進行網(wǎng)購過程中，男女購物類別相差就比較大。不同職業(yè)的用戶，由于工作環(huán)境不盡相同，對事物的感興趣程度也不相同，例如工作在發(fā)達城市的高薪階層與二三線城市的低薪階層，這兩類人群不管在穿著打扮、言行舉止等方面均存在明顯不同。所以本文對用戶的特征屬性標簽進行離散化取值，針對年齡標簽將其大致分類為少年、青年、成年人和老年人階段。將郵編信息表示為用戶地域特征。文中將各類特征標簽進行離散化后得到如下簡化的用戶特征信息表如表1所示。

表1 用戶特征屬性表

根據(jù)上述得到的特征屬性表計算用戶相似性sim1，具體步驟如下：設特征矩陣表示形式為Attri={Aa1,Aa2,…,Aai}，其中Aai分別對應用戶a的屬性標簽中的性別、年齡、職業(yè)、地域特征。如果Aai=Abi=1，表示a和b的第i個特征屬性相同或在同一個特征區(qū)間內，如果Aai=Abi=0，表示a和b的第i個特征屬性沒有交集，不是屬于同一類別的人群，所有就不能將其作為鄰居用戶推薦給目標用戶，實驗中計算特征相似性的計算公式如下：

(7)

得到用戶的特征相似性后將式(7)引入到修正的余弦相似性系數(shù)中，進一步計算得到基于用戶特征的改進相似性公式，得到等式如下：

simR(i,j)=

(8)

上述改進算法利用對具有相似特征的用戶進行聚類分析給目標用戶推薦最相近特征鄰居集。

2.4 改進相似度計算模型

前面介紹了兩種數(shù)據(jù)加權度量，它們各有優(yōu)勢：為了適應用戶興趣頻繁變化的情況，強調近期數(shù)據(jù)在權重上的比例，從而能更快地捕捉到用戶的近期愛好，而基于用戶特征相似度中，具有相似特征的人的興趣愛好會很相近，并且不同類別的人的偏好特征是非常不同的。于是考慮到雙權函數(shù)與一定比例因子組合，基于時間的權重函數(shù)，同時對用戶特征進行定義：

sim(u,v)=(1-W)simT(u,v)+WsimR(u,v)

(9)

式中比例因子W∈[0,1]，W和(1-W)分別代表兩種權重值所占的比例。通過選擇適當?shù)臋嘀?，將兩者的?yōu)點結合起來，從而進一步提高推薦算法的精度。

2.5 組合KNN推薦算法

本文提出的改進協(xié)同過濾算法模型引入非線性logistic時間函數(shù)和用戶特征屬性，有效克服了傳統(tǒng)算法實時性差的缺點，利用KNN算法得到目標用戶的最近鄰居集后，采用式(10)計算得出每一個項目的預測值。

(10)

選取其中排在前面的而且未出現(xiàn)過的前N個選項組成Top-N推薦集。

2.6 算法描述

改進的算法在加入時間因子后能較好地捕獲用戶的興趣取向，對推薦的精度進行優(yōu)化，更能反映在現(xiàn)實生活的推薦實例中，算法1給出了詳細的算法描述。

算法1:

輸入：用戶i，所有被用戶i訪問過的項目Ii，用戶近鄰模型M。

輸出：用戶i所對應的Top-N推薦集。

Step1 運用本文中改進協(xié)同過濾算法對所有用戶計算其近鄰模型M，使用KNN算法得到它的k個最近鄰居集NEIi={I1,I2,…,Ik}，將所有NEIi進行合并得到集合Y；

Step2 將Y中每個用戶評價的所有項目合并得到集合X；

Step3 將X中與Ii相同的項目剔除，剩下的項目即是候選集Cand；

Step4 對所有項目計算得到預估分值，選擇Cand中分值高的N個項目作為推薦集。

3 實驗結果及分析

3.1 數(shù)據(jù)集及評判標準

文中的實驗部分用到的數(shù)據(jù)取自于MovieLens數(shù)據(jù)集，其中的實驗數(shù)據(jù)主要源于設計者們調查不同的用戶群體對電影的看法評分，在子文件u.data中包含了100 000條評分數(shù)據(jù)，這些數(shù)據(jù)是選自943個用戶對1 682部電影項目的打分數(shù)據(jù)。而文件u.user中包含用戶的gender、age、occupation、zipcode等個人基本信息。為了有效緩解數(shù)據(jù)稀疏性，這些用戶都至少評價過二十部以上的電影，評分分值從1到5不等，分值越高代表用戶對電影印象度越深。

在推薦系統(tǒng)中用來衡量算法推薦質量好壞的評判標準有很多，在業(yè)界用到最多的衡量準則是平均絕對誤差MAE(MeanAbsoluteError)，其原理是將實驗得到的結論與實際的結論兩者偏差的比較作為衡量標準，推薦準確度的好壞與MAE值的大小成反比關系，計算得到MAE值越小的算法表示更高質量的推薦算法。在實驗中假設用戶u對所有項目的預測分值為Pu,1，Pu,2，…，Pu,n。與其相對應真實分值為Qu,1，Qu,2，…，Qu,n。則MAE的定義為：

(11)

3.2 仿真分析

實驗中首先對改進相似性計算模型中權值W進行計算，在式(9)中W的值為可變的實驗權重，由前文可知比例因子W的大小范圍是[0,1]。當W=0時，表示改進算法模型只考慮用戶興趣對推薦結果的影響；當W=1時，表示用戶特征屬性對推薦結果的影響。

實驗如圖1所示，取W值從0到1每隔0.1逐漸遞增，從中可以看出權重系數(shù)W在取值不同時對推薦效果的影響程度。由圖1所得，在W=0.1時MAE值最小，表示推薦效果更好。

圖1 權值W對推薦精度的影響

實驗過程中將非線性logistic遺忘函數(shù)的改進CF算法同文獻[17]中基于Ebbinghaus遺忘曲線的CF算法的推薦結果進行比較，比較結果如圖2所示。在鄰居數(shù)很小的情況下，得到的MAE值都比較高，推薦準確度不高；在鄰居數(shù)大于10的情況下，本文提出的logistic權重函數(shù)在推薦過程中比基于Ebbinghaus權重函數(shù)所得到的MAE值都小，MAE值越小表示推薦準確度越高。故本文采用基于時間的非線性logistic權重函數(shù)來表示用戶興趣的變化趨勢。

圖2 兩種函數(shù)推薦結果的平均絕對誤差MAE比較

下面將以傳統(tǒng)算法UCF和文獻[8]中算法作為對照來驗證本文中所提出的改進算法推薦效果。實驗過程中分別計算在不同鄰居數(shù)目下，各種推薦算法所得MAE值大小的不同，結果見表2所示，然后與本文提出的改進算法做對比，對比情況如圖3所示。

表2 改進協(xié)同過濾算法與傳統(tǒng)算法的MAE

續(xù)表2

圖3 推薦算法的平均絕對誤差MAE比較

在表2和圖3中可知，文中提出的融合用戶興趣變化和特征屬性的新的度量方法在不同情況下得到的MAE值在很大程度上都低于傳統(tǒng)方法?？梢姳疚奶岢龅母倪M算法在推薦過程中更加高效實用。

4 結 語

本文在計算用戶相似度的過程中仍存在很多缺點和不足需要研究并改進。例如，因為每個人的遺忘規(guī)律會隨著年齡、經(jīng)歷的不同而有所不同，你也需要為每個用戶提出適合自己的遺忘函數(shù)，這樣就能提高預測評分從而提高推薦的質量。其次實驗部分只選取了常用的相似度計算方法進行了簡單的對比試驗，需要進一步改進，這也是本算法的遺憾之處。在未來的推薦系統(tǒng)的研究領域中，希望能夠將更多的各個方面的知識應用到推薦系統(tǒng)中來，從而使推薦準確性有進一步提高。

[1] 孟祥武,胡勛,王立才,等.移動推薦系統(tǒng)及其應用[J].軟件學報,2013,24(1):91-108.

[2] 劉青文.基于協(xié)同過濾的推薦算法研究[D].合肥:中國科學技術大學,2013.

[3] 冷亞軍,陸青,梁昌勇.協(xié)同過濾推薦技術綜述[J].模式識別與人工智能,2014(8):720-734.

[4] 王道平,李秀雅,楊岑.基于內容相似度的知識協(xié)同過濾推送算法研究[J].情報理論與實踐,2013,36(10):86-90.

[5] 王衛(wèi)平,王金輝.基于Tag和協(xié)同過濾的混合推薦方法[J].計算機工程,2011,37(14):34-35.

[6]XuJ,ZhengX,DingW.Personalizedrecommendationbasedonreviewsandratingsalleviatingthesparsityproblemofcollaborativefiltering[C]//e-BusinessEngineering(ICEBE),2012IEEENinthInternationalConferenceon,2012:9-16.

[7]YangXG.Collaborativefilteringalgorithmbasedonpreferenceofitemproperties[M].FoundationsofIntelligentSystems.SpringerBerlinHeidelberg,2014:1143-1149.

[8] 邢春曉,高鳳榮,戰(zhàn)思南,等.適應用戶興趣變化的協(xié)同過濾推薦算法[J].計算機研究與發(fā)展,2007,44(2):296-301.

[9] 邱璐.協(xié)同過濾算法中的相似度計算與用戶興趣變化問題研究及應用[D].北京:北京郵電大學,2015.

[10] 榮輝桂,火生旭,胡春華,等.基于用戶相似度的協(xié)同過濾推薦算法[J].通信學報,2014,35(2):16-24.

[11] 賈冬艷,張付志.基于雙重鄰居選取策略的協(xié)同過濾推薦算法[J].計算機研究與發(fā)展,2013,50(5):1076-1084.

[12] 鄧曉懿.移動電子商務個性化服務推薦方法研究[D].大連:大連理工大學,2012.

[13] 韋素云,業(yè)寧,吉根林,等.基于項目類別和興趣度的協(xié)同過濾推薦算法[J].南京大學學報(自然科學版),2013,49(2):142-149.

[14]SuH,LinX,YanB,etal.ThecollaborativefilteringalgorithmwithtimeweightbasedonmapReduce[M].BigDataComputingandCommunications.SpringerInternationalPublishing,2015.

[15]YangL,HuY.Animprovedcollaborativefilteringalgorithmbasedontheconstraintmodelofconfidence[J].JournalofComputationalInformationSystems,2015,11(8):3001-3009.

[16] 嵇曉聲,劉宴兵,羅來明.協(xié)同過濾中基于用戶興趣度的相似性度量方法[J].計算機應用,2010,30(10):2618-2620.

[17] 于洪,李轉運.基于遺忘曲線的協(xié)同過濾推薦算法[J].南京大學學報(自然科學版),2010,46(5):520-527.

COLLABORATIVE FILTERING ALGORITHM BASED ON LOGISTIC TIME FUNCTION AND USER FEATURES

Zhao Wentao Cheng Yafei Wang Chunchun

(CollegeofComputerScienceandTechnology,HenanPolytechnicUniversity,Jiaozuo454000,Henan,China)

At present, collaborative filtering algorithm is one of the most mature recommendation algorithms applied in recommendation systems. However, traditional collaborative filtering algorithms do not take into account the problem of users’ interests drifting over time as well as the effects of feature attributes, which may decrease the accuracy of recommendation results. Hence, in order to enhance the traditional algorithms, a novel similarity measurement algorithm is put forward. In this paper, an innovative similarity measurement model is constructed by combining time-based Logistic weight function and user feature similarity-based data weight. Experimental results show that compared with traditional algorithms, the mean absolute error (MAE) of recommendation using the proposed algorithm is reduced by an average of 12% and the quality of recommendation is improved significantly.

Collaborative filtering Interest change Time weight User feature

2016-04-02。河南省科技攻關項目(142402210435)。趙文濤，教授，主研領域：計算機專業(yè)教學和數(shù)據(jù)庫技術，信息系統(tǒng)，大數(shù)據(jù)。成亞飛，碩士生。王春春，碩士生。

TP393

A

10.3969/j.issn.1000-386x.2017.02.051