游卓霖++周翔

摘 要：文章結(jié)合關(guān)聯(lián)規(guī)則挖掘和協(xié)同過濾算法的特點(diǎn)，根據(jù)圖書館的實(shí)際情況，提出了混合圖書推薦算法。將該算法應(yīng)用于廣大圖書管理系統(tǒng)中，有助于提高用戶體驗(yàn)。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；協(xié)同過濾；圖書推薦

中圖分類號(hào)：TP391.3 文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

現(xiàn)如今，應(yīng)用大數(shù)據(jù)技術(shù)已成為時(shí)代的主流，但海量的數(shù)據(jù)能給我們提供什么呢？答案是信息，而且是有價(jià)值的信息，能使我們提高工作效率。以圖書館為例，傳統(tǒng)圖書館管理系統(tǒng)中不僅有大量圖書信息、用戶信息，也有許多借閱者的借閱信息，這就帶來一個(gè)問題，這么多借閱信息能帶來什么好處？通過數(shù)據(jù)挖掘，我們就能從中很容易發(fā)現(xiàn)用戶的一些興趣偏好，并以此為依據(jù)，向用戶推薦他/她可能感興趣的書籍。

二、現(xiàn)狀

推薦系統(tǒng)運(yùn)用十分廣泛，最常見的可能就是電商網(wǎng)站上的推薦系統(tǒng)。國(guó)內(nèi)如阿里旗下的淘寶、天貓等購(gòu)物網(wǎng)站，同時(shí)網(wǎng)易云音樂在推薦系統(tǒng)方面也建樹頗豐，往往能向用戶推薦可滿足其喜好的音樂。在圖書推薦領(lǐng)域，國(guó)內(nèi)外專家學(xué)者在其作品中也有涉及。如吉林大學(xué)李欣弘發(fā)表的《基于關(guān)聯(lián)規(guī)則和情感分析的圖書 推薦算法研究》中就介紹了利用關(guān)聯(lián)規(guī)則和情感分析算法實(shí)現(xiàn)圖書推薦，F(xiàn).Heylighen的“Hebbian algorithms for a digital library recommandation system”等。但是相對(duì)其他領(lǐng)域，推薦算法在圖書推薦方面的應(yīng)用還是相對(duì)較少的。

三、關(guān)鍵技術(shù)介紹

1.基于KNN的協(xié)同過濾推薦算法

鄰居模型通常又稱為KNN模型（K-nearest neighbors），KNN算法的核心思想是：如果一個(gè)樣本在特征空間中的k個(gè)最相鄰的樣本中的大多數(shù)屬于某一個(gè)類別，則該樣本也屬于這個(gè)類別，并具有這個(gè)類別上樣本的特性。該方法在確定分類決策上只依據(jù)最鄰近的一個(gè)或者幾個(gè)樣本的類別來決定待分樣本所屬的類別。采用 KNN方法進(jìn)行類別決策時(shí)，只與極少量的相鄰樣本有關(guān)。相關(guān)性的計(jì)算本例中使用的是Pearson相關(guān)系數(shù)。Pearson相關(guān)系數(shù)考慮到不同用戶的評(píng)分尺度問題，將同一個(gè)用戶對(duì)不同的項(xiàng)目評(píng)分進(jìn)行歸一化的處理，這樣就可消除因由用戶個(gè)人主觀因素而造成的對(duì)相似性結(jié)果的影響。結(jié)合本例Pearson相關(guān)系數(shù)公式如下：

sim（i，j）=

sim（i，j）表示書本i和j的相似度，Pmn表示對(duì)書m、n都評(píng)過分的用戶集合rm，rn，分別表示書m和n的平均評(píng)分，分別表示用戶v對(duì)書本m、n的評(píng)分。

2.關(guān)聯(lián)規(guī)則

（1）關(guān)聯(lián)分析（Association Analysis）

用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中的令人感興趣的聯(lián)系，所以發(fā)現(xiàn)的模式通常為關(guān)聯(lián)規(guī)則（Association Rule），或以頻繁項(xiàng)集的形式表示。

Apriori算法是關(guān)聯(lián)規(guī)則挖掘中最常用的算法，在介紹Apriori算法之前要首先了解何謂先驗(yàn)原理。先驗(yàn)原理是減少候選集數(shù)量的方法之一，其核心思想是：如果一個(gè)項(xiàng)集是頻繁的，則它的所有子集一定也是頻繁的；反之，如果一個(gè)項(xiàng)集是非頻繁的，那么它的所有超集一定也是非頻繁的。Apriori算法正是運(yùn)用這一性質(zhì)。算法的主要步驟主要由連接步和剪枝步組成。這里不再描述連接步和剪枝步的具體實(shí)施步驟。不過Apriori算法存在一定的缺陷，如會(huì)產(chǎn)生龐大的候選集；多次掃描事務(wù)數(shù)據(jù)庫(kù)時(shí)，需要很大的I/O負(fù)載。為此Jiawei Han等于2000年提出了不產(chǎn)生候選挖掘頻繁項(xiàng)集的方法——頻繁模式增長(zhǎng)（Frequent-Pattern Growth，F(xiàn)P-Growth）算法。該算法通過把頻繁項(xiàng)集的數(shù)據(jù)庫(kù)壓縮到一棵頻繁模式樹上，然后將這個(gè)壓縮后的數(shù)據(jù)庫(kù)劃分成一組條件數(shù)據(jù)庫(kù)并分別挖掘每個(gè)條件數(shù)據(jù)庫(kù)，實(shí)驗(yàn)證明，采用這種方法可以克服改正數(shù)據(jù)集過大的缺點(diǎn)。

四、圖書推薦的實(shí)現(xiàn)

1.目前圖書推薦方面存在的問題

（1）KNN協(xié)同過濾算法相似度計(jì)算依賴共同評(píng)分的項(xiàng)目，對(duì)數(shù)據(jù)集的大小或者說數(shù)據(jù)的稀疏程度特別敏感，數(shù)據(jù)集數(shù)量越大，往往推薦的結(jié)果越精確，但系統(tǒng)剛上線時(shí)，往往數(shù)據(jù)較少，這時(shí)如果使用KNN協(xié)同過濾算法計(jì)算推薦的書籍時(shí)，結(jié)果可能不盡如人意。

（2）新用戶的問題。其實(shí)和第一個(gè)問題類似，主要是新用戶可能沒有借閱過相應(yīng)的書籍，或者借閱的數(shù)量太少，盲目使用KNN協(xié)同過濾推薦算法時(shí)并不會(huì)產(chǎn)生很好的結(jié)果。

（3）用戶口味的變化。比如，某位讀者可能以前經(jīng)常看同一類書籍，例如，讀者平常都會(huì)借閱一些與計(jì)算機(jī)相關(guān)的書籍，可是有一天該讀者突然想看一本小說，就借了一本小說，期間讀者可能還想再看其他小說類的書籍。這時(shí)運(yùn)用算法進(jìn)行推薦時(shí)，產(chǎn)生的推薦可能還會(huì)是計(jì)算機(jī)方面的書籍居多，這樣的結(jié)果就不會(huì)準(zhǔn)確。

2.針對(duì)以上問題，我們可以將兩種算法適當(dāng)做點(diǎn)改變并加以應(yīng)用

首先，用關(guān)聯(lián)規(guī)則算法挖掘圖書與圖書之間的關(guān)聯(lián)程度，找出強(qiáng)關(guān)聯(lián)。這可能需要大量的數(shù)據(jù)進(jìn)行模型訓(xùn)練，所以，初期的數(shù)據(jù)集可以來源于網(wǎng)絡(luò)或者其他資源，這樣就產(chǎn)生了一個(gè)巨大的關(guān)聯(lián)規(guī)則庫(kù)，初期的用戶圖書推薦就可以使用這個(gè)關(guān)聯(lián)規(guī)則庫(kù)。例如用戶A的借閱記錄集合為{A，C，D，F(xiàn)，G}，關(guān)聯(lián)規(guī)則庫(kù){{A=>B}，{D，F(xiàn)=>Z}，...etc}，這時(shí)候就可以把書B和書Z推薦給用戶A。隨著用戶借閱記錄的增多，關(guān)聯(lián)規(guī)則庫(kù)也會(huì)逐漸豐富，借閱數(shù)據(jù)達(dá)到一定量時(shí)，可以挖掘符合本管借閱者的借閱習(xí)慣的關(guān)聯(lián)規(guī)則庫(kù)。關(guān)聯(lián)規(guī)則挖掘所需的時(shí)間較長(zhǎng)，規(guī)則庫(kù)的更新可以考慮每周更新或者每月更新。

其次，使用KNN協(xié)同過濾算法可用于實(shí)時(shí)在線的推薦，即推薦的書籍會(huì)根據(jù)用戶的借閱記錄改變而改變。這里又涉及一個(gè)問題，就是用戶喜好突然發(fā)生改變，數(shù)據(jù)中可表示為近期的借閱記錄的圖書的種類與以往借閱圖書的種類產(chǎn)生了區(qū)別，其實(shí)這種喜好變化也很難界定，因此每個(gè)人的借閱習(xí)慣不同。但我們可以大概猜測(cè)到最近的借閱記錄一般對(duì)推薦書籍的影響比較大。二八定律可以解釋生活中的一些現(xiàn)象，在這里我們也同樣可以運(yùn)用。一般來說，最近借閱的書籍對(duì)近期可能想看的書籍的影響程度是80%，而之前看的書可就只有20%。通過應(yīng)用二八定律我們可以這么界定，假設(shè)用戶A的借閱記錄如下{計(jì)算機(jī)類書A，計(jì)算機(jī)類書B，計(jì)算機(jī)類書C}，假設(shè)用戶A近期突然借閱了一本文學(xué)類書D，那么用戶A的借閱記錄就可以表示成{計(jì)算機(jī)類書A，計(jì)算機(jī)類書B，計(jì)算機(jī)類書C，文學(xué)類書D}，那么接下來用戶A可能就有80%的可能還想借文學(xué)類的書來看，產(chǎn)生推薦結(jié)果時(shí)，也可以有80%的書籍是屬于與文學(xué)類書籍D強(qiáng)關(guān)聯(lián)的書，或者至少文學(xué)類的叢書應(yīng)占大多數(shù)，這個(gè)問題的解決方案后文有闡述。

考慮到實(shí)時(shí)推薦，響應(yīng)的時(shí)間往往是決定性因素，為了減少響應(yīng)的時(shí)間，應(yīng)該對(duì)數(shù)據(jù)集進(jìn)行精簡(jiǎn)。圖書的分類是個(gè)很好的切入點(diǎn)，根據(jù)中圖分類法，書籍分為五個(gè)基本部類及下設(shè)的二十二個(gè)大類，不用通過實(shí)驗(yàn)計(jì)算，從理論上就可以知道一本相似的圖書也應(yīng)該是屬于它所在的分類，或者在父分類、子分類里。例如，讀者借閱的是一本小說類書籍，則認(rèn)為推薦給該讀者的書籍也一般是小說類。所以可以先從小說這個(gè)分類底下的所有叢書中尋找相似的圖書。如果找不到適合的可推薦的書籍，則再?gòu)淖臃诸愔胁檎?。如果圖中小說分類底下沒有子分類，則從父分類中進(jìn)行查找，即從中國(guó)文學(xué)這個(gè)分類下查找，以此類推，一般來說父級(jí)的父級(jí)類別下的書與當(dāng)前書的相關(guān)性也不高。相似程度從大到小可以分為：當(dāng)前分類>子分類>父分類。

通過這種方式，可以大大縮短尋找可能推薦書籍的時(shí)間。

是否可進(jìn)行推薦，主要是預(yù)測(cè)用戶對(duì)這本書可能的評(píng)分，如果大于一個(gè)閾值，則可進(jìn)行推薦。公式如下：

其中為用戶對(duì)書籍ru，m的（預(yù)測(cè)）評(píng)分，Smn為書籍m和書籍n的相似度，ru，n是用戶對(duì)書籍n的評(píng)分，書籍n的選擇就是運(yùn)用到了KNN算法找到的和書本m相似的k個(gè)“鄰居”之一。采用該算法得出的結(jié)論其實(shí)往往并不是用戶真實(shí)想得到的，為此，我們提出了兩個(gè)場(chǎng)景的假設(shè)。場(chǎng)景1：讀者讀書的喜好的變化不大，都是在一個(gè)類別下面的書，即新借閱的書籍的類型和以往的書籍基本類似。場(chǎng)景2：讀者讀書興趣比較廣泛，新借閱的書籍往往和近一段時(shí)間所借閱的書籍的類型不同，可能之前有借閱過，也有可能之前并沒有借閱過。

針對(duì)以上兩個(gè)場(chǎng)景，可以靈活運(yùn)用這兩個(gè)算法：針對(duì)場(chǎng)景1，在數(shù)據(jù)量足夠大的前提下，可以使用KNN協(xié)同過濾算法進(jìn)行推薦。該算法很重要的一點(diǎn)，是在預(yù)測(cè)一本書可能的評(píng)分時(shí)，會(huì)去尋找讀者借閱記錄中與該本書相似的書，如果讀者的讀書喜好變化不大，則找到的“鄰居”就足夠多，計(jì)算結(jié)果也就更加準(zhǔn)確。而場(chǎng)景2，則采用關(guān)聯(lián)規(guī)則即可。關(guān)聯(lián)規(guī)則算法彌補(bǔ)了傳統(tǒng)協(xié)同過濾算法的不足。如遇到數(shù)據(jù)集的稀疏性和冷啟動(dòng)問題，同時(shí)針對(duì)場(chǎng)景2和上文遺留下的問題，如果發(fā)現(xiàn)用戶的喜好發(fā)生了改變，應(yīng)用二八定律，80%的書本可以為最近剛借閱的書的類似書本，20%為以前借閱的書籍的類似書。

最后，同時(shí)對(duì)關(guān)聯(lián)規(guī)則加以挖掘，采用Apriori算法可以產(chǎn)生關(guān)聯(lián)規(guī)則，也可使用FP-Growth算法，兩者各有優(yōu)缺點(diǎn)，可根據(jù)實(shí)際情況進(jìn)行選擇；不過在如此大規(guī)模數(shù)據(jù)量的情況下，F(xiàn)P-Growth算法的效率可能會(huì)更高。

五、結(jié)語(yǔ)

本文主要介紹了關(guān)聯(lián)規(guī)則和協(xié)同過濾算法在圖書推薦方面的應(yīng)用，在圖書應(yīng)用方面，我們可以巧妙運(yùn)用圖書分類的特點(diǎn)，縮小候選圖書集，從而提高圖書推薦的效率，因而可以運(yùn)用于實(shí)時(shí)圖書推薦方面。此外，關(guān)聯(lián)規(guī)則挖掘可以發(fā)據(jù)一些潛在的、不容易讓人察覺的聯(lián)系。本文所闡述的推薦方法還有待優(yōu)化，以實(shí)現(xiàn)目標(biāo)。

參考文獻(xiàn)：

[1]賀嘉楠，董立巖.基于權(quán)重調(diào)節(jié)的矩陣補(bǔ)全協(xié)同過濾算法的研究[D].長(zhǎng)春：吉林大學(xué)，2016

[2]梁亞聲，徐 欣.數(shù)據(jù)挖掘原理、算法與應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2015.

[3]汪 靜.一種基于混合推薦模式的圖書推薦系統(tǒng)[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2014（11）.

[4]王雪梅.基于混合協(xié)同過濾推薦的圖書館管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].秦皇島：燕山大學(xué)，2015.