王曉耘 趙 菁 徐作寧(杭州電子科技大學(xué)管理科學(xué)與工程，浙江 杭州 310018)

以用戶原創(chuàng)內(nèi)容為標(biāo)志的Web2.0的出現(xiàn)和流行，用戶角色從被動(dòng)的消費(fèi)者轉(zhuǎn)為積極的內(nèi)容生產(chǎn)者。CiteUlike、YouTube、Delicious、Flickr等社會(huì)化標(biāo)注系統(tǒng)不斷涌現(xiàn)，吸引了大量用戶興趣。標(biāo)簽作為社會(huì)化標(biāo)注系統(tǒng)的載體，成為Web2.0時(shí)代下一種重要的信息組織形式，越來越多學(xué)者對(duì)標(biāo)簽展開研究。將標(biāo)簽與協(xié)同過濾等個(gè)性化推薦技術(shù)結(jié)合起來，大大提高了推薦效果，同時(shí)在一定程度上克服了推薦系統(tǒng)冷啟動(dòng)問題。

1 相關(guān)研究

社會(huì)化標(biāo)注系統(tǒng)是Web2.0環(huán)境下的典型應(yīng)用，用戶采用標(biāo)簽的方式對(duì)自身感興趣的網(wǎng)絡(luò)資源進(jìn)行無約束標(biāo)注，且所有用戶標(biāo)注互為可見。目前基于標(biāo)簽的用戶興趣研究中，主要基于兩種方式：

1.1 基于單個(gè)標(biāo)簽與標(biāo)簽對(duì)構(gòu)建用戶興趣模型

Li L等[1]對(duì)標(biāo)簽下的用戶和字眼聚類，采用關(guān)聯(lián)規(guī)則算法尋找頻繁共現(xiàn)的標(biāo)簽，最后建立基于標(biāo)簽主題的用戶群與資源群；Kim H N等[2]將標(biāo)簽作為用戶偏好指標(biāo)，挖掘出與用戶相關(guān)及不相關(guān)的主題，依據(jù)其他相似用戶的協(xié)同拓展用戶個(gè)人興趣模型；Ferrara F等[3]以單一用戶標(biāo)簽集提取該用戶興趣主題并產(chǎn)生個(gè)性化推薦，該方法可根據(jù)用戶特定興趣主題自適應(yīng)過濾并合并用戶反饋；夏寧霞等[4]基于自然法和共現(xiàn)法思想，在用戶興趣模型中引入單個(gè)標(biāo)簽和標(biāo)簽對(duì)，更全面、準(zhǔn)確反映用戶興趣偏好；Tao Z等[5]借鑒數(shù)據(jù)場理論，通過計(jì)算每個(gè)標(biāo)簽潛在權(quán)值，將權(quán)值最大的標(biāo)簽作為代表標(biāo)簽，將以它為中心、權(quán)值遞減的其他標(biāo)簽劃為一類，進(jìn)行用戶興趣主題提取。

1.2 基于主題方法構(gòu)建興趣模型

Wu B X等[6]利用LDA方法提取用戶興趣主題，利用多視點(diǎn)用戶相似性方法計(jì)算興趣主題、資源及標(biāo)簽相似性，建立相似形圖，最后挖掘該圖實(shí)現(xiàn)基于用戶興趣的推薦；易明等[7]構(gòu)建了網(wǎng)站層次和用戶層次的社會(huì)化標(biāo)簽網(wǎng)絡(luò)，基于該網(wǎng)絡(luò)進(jìn)行社團(tuán)結(jié)構(gòu)分析，得到社會(huì)化標(biāo)簽文檔和用戶標(biāo)簽網(wǎng)絡(luò)，計(jì)算兩者相似度后建立細(xì)粒度用戶興趣模型；Yao D等[8]采用CPM識(shí)別出用戶興趣并劃分興趣主題，構(gòu)建資源網(wǎng)絡(luò)并計(jì)算各節(jié)點(diǎn)權(quán)重，基于此選出每個(gè)主題下的權(quán)威用戶，將權(quán)威用戶經(jīng)常使用的標(biāo)簽推薦給普通用戶，該方法提高了用戶標(biāo)注的質(zhì)量。

以上綜述可見大量學(xué)者利用標(biāo)簽挖掘用戶興趣時(shí)，主要從標(biāo)簽數(shù)量和結(jié)構(gòu)上入手，但在社會(huì)化標(biāo)注系統(tǒng)中，標(biāo)簽的不可控性導(dǎo)致社會(huì)化標(biāo)簽存在語義模糊及數(shù)據(jù)稀疏性等問題，如果直接使用標(biāo)簽構(gòu)建用戶興趣，精確度將大打折扣。此外，標(biāo)簽具有隨時(shí)間變化的動(dòng)態(tài)性，用戶興趣也具有動(dòng)態(tài)性及漂移性，利用主題的方法雖然解決了標(biāo)簽雜亂與冗余問題，但這種靜態(tài)建模沒有刻畫出用戶興趣的動(dòng)態(tài)性。因此，將標(biāo)簽主題特征與興趣漂移性融合，建立更為準(zhǔn)確的用戶興趣模型，對(duì)實(shí)現(xiàn)高效的個(gè)性化推薦具有極大的實(shí)踐意義。

基于社會(huì)化標(biāo)簽的個(gè)性化推薦研究多基于應(yīng)用層面，以設(shè)計(jì)算法為主。Ma T等[9]在協(xié)同過濾技術(shù)基礎(chǔ)上融合用戶標(biāo)簽和社會(huì)關(guān)系，反映用戶動(dòng)態(tài)變化的個(gè)性化需求；Kim H N等[10]將社會(huì)化標(biāo)簽融入到適用于社區(qū)推薦的技術(shù)中，根據(jù)社區(qū)內(nèi)其他用戶的標(biāo)注向目標(biāo)用戶進(jìn)行推薦；馮勇等[11]分析用戶間信任關(guān)系，對(duì)協(xié)同過濾算法加以改進(jìn)，有效提高推薦準(zhǔn)確性；孫甲申等[12]通過在主題模型中引入標(biāo)簽粒度，建立新模型解決主題與文檔不一致及部分標(biāo)簽與文檔內(nèi)容無關(guān)等問題。目前這些方法都在一定程度上提高了推薦準(zhǔn)確率，但各方法都有待深入研究。易明等[13]在分析各類方法優(yōu)缺點(diǎn)后，提出組合推薦的思想，結(jié)合基于社會(huì)化網(wǎng)絡(luò)的內(nèi)容推薦與協(xié)同過濾推薦，構(gòu)建了個(gè)性化知識(shí)推薦框架；劉健等[14]利用詞匯鏈的方法構(gòu)建資源描述向量，并考慮用戶動(dòng)態(tài)變化，利用動(dòng)態(tài)鄰居重組實(shí)現(xiàn)個(gè)性化推薦；魏建良等[15]提出主流標(biāo)簽的概念，通過分析標(biāo)簽平均標(biāo)注率確定主流標(biāo)簽數(shù)量，構(gòu)建用戶協(xié)同模型，同時(shí)結(jié)合用戶興趣度改進(jìn)模型。

本文在相關(guān)文獻(xiàn)研究基礎(chǔ)上，嘗試在興趣模型構(gòu)建時(shí)融入用戶社會(huì)關(guān)系網(wǎng)絡(luò)，并提出興趣模型更新策略；然后結(jié)合協(xié)同過濾產(chǎn)生個(gè)性化推薦。該方法緩解了標(biāo)簽語義模糊等問題，并考慮到用戶興趣漂移性，克服了傳統(tǒng)方法的局限性，能提高推薦準(zhǔn)確率。

2 基于社會(huì)化標(biāo)注的語義主題發(fā)現(xiàn)

2.1 社會(huì)化標(biāo)注中用戶社會(huì)關(guān)系研究

社會(huì)化標(biāo)注系統(tǒng)中的用戶關(guān)系，是指單個(gè)用戶在社會(huì)化標(biāo)注系統(tǒng)的使用過程中，因自身需求形成了各種活動(dòng)(如關(guān)注、標(biāo)注、瀏覽等)，隨著用戶數(shù)量增多，具有相似偏好、行為的單個(gè)用戶聚集成群體，通過用戶關(guān)系網(wǎng)絡(luò)分析可進(jìn)行群體用戶的偏好與行為分析。用戶關(guān)系形成過程如圖1所示。

圖1 和戶關(guān)系形成過程圖

Liu K等[16]在社會(huì)化標(biāo)注建模中引入了用戶社會(huì)關(guān)系，假設(shè)用戶間的信任關(guān)系是對(duì)等的，且信任級(jí)別呈平均分布，然后將用戶間邊權(quán)重定義為一種信任級(jí)別的函數(shù)，采用隨機(jī)游走的相似度函數(shù)計(jì)算出用戶相似度，最后產(chǎn)生個(gè)性化推薦。實(shí)驗(yàn)結(jié)果表明這種基于用戶社會(huì)關(guān)系的個(gè)性化標(biāo)簽推薦算法效率有所提升。劉等人假設(shè)用戶信任關(guān)系是對(duì)稱的，將用戶社會(huì)關(guān)系構(gòu)建為一個(gè)無向圖網(wǎng)絡(luò)，邊權(quán)重為用戶信任級(jí)別函數(shù)得出的值。但在現(xiàn)實(shí)中，用戶在互聯(lián)網(wǎng)中添加或關(guān)注好友時(shí)，形成的好友關(guān)系可以是單向的，也可以是雙向的，因此本文將用戶社會(huì)關(guān)系構(gòu)建為一個(gè)有向圖，將其應(yīng)用到標(biāo)簽主題模型進(jìn)行聚類[17]。

2.2 融合社會(huì)關(guān)系的用戶標(biāo)簽LDA模型構(gòu)建

本文構(gòu)建的用戶加權(quán)LDA標(biāo)簽主題模型通過提取標(biāo)簽主題刻畫用戶興趣，具體思想如圖2所示，建模分為3個(gè)過程：用戶社會(huì)關(guān)系建模、“用戶—標(biāo)簽”關(guān)系矩陣構(gòu)建，LDA建模分析。

第一階段，用戶社會(huì)關(guān)系建模及鏈接分析，獲取用戶影響度分?jǐn)?shù)。

基于社會(huì)化標(biāo)注系統(tǒng)中用戶關(guān)系的特點(diǎn)，在劉[16]模型基礎(chǔ)上，本文構(gòu)建出一個(gè)有向圖模型，若用戶ui與其他用戶uj之間建立了某種鏈接關(guān)系，則在用戶ui與uj間添加一條指向uj的有向邊，若兩個(gè)用戶間存在互相鏈接關(guān)系，則用?將兩個(gè)用戶連接起來。將用戶社會(huì)關(guān)系加入到“用戶—標(biāo)簽”二元模型中，用虛線連接用戶與標(biāo)簽，虛線權(quán)重表示用戶標(biāo)注該標(biāo)簽頻次。

圖2 建模思路

通過鏈接分析獲取用戶影響度分?jǐn)?shù)。若一個(gè)用戶被其他影響度高的用戶建立鏈接，則該用戶也具備較高的影響度。每一條鏈接邊都視作一個(gè)互增強(qiáng)關(guān)系，并且用戶影響度可以通過所有的鏈接邊傳播，采用隨機(jī)游走算法計(jì)算用戶影響度。

首先設(shè)定G=(U,E,W)為用戶的社會(huì)關(guān)系圖，其中U={u1,u2,…,uU}為用戶集合，E?U*U為鏈接關(guān)系集合，W為U鄰接矩陣，定義公式(1)，表示對(duì)于兩個(gè)頂點(diǎn)ui、uj，若存在1條ui→uj的邊，則wi,j=1，否則為0。

(1)

對(duì)于已建立的用戶社會(huì)關(guān)系圖G，根據(jù)鄰接矩陣W建立轉(zhuǎn)移概率矩陣P。定義公式(2)表示節(jié)點(diǎn)ui跳轉(zhuǎn)到uj的轉(zhuǎn)移概率。圖3展示了用戶關(guān)系鏈接分析過程。

(2)

圖3 用戶聯(lián)系鏈接分析

(3)

τ(n)=ζPτ(n-1)+(1-ζ)π

(4)

τ(∞)=(1-ζ)(1-ζP)-1π

(5)

本文設(shè)定參數(shù)ζ值為0.85，π服從均勻分布，迭代終止條件為：用戶影響度向量τ(n+1)與τ(n)符合=τ(n+1)-τ(n)=2/=τ(n)=2≤ψ，其中ψ指預(yù)先設(shè)定的閾值，取0.001。

第二階段，基于用戶加權(quán)的“用戶—標(biāo)簽”關(guān)系矩陣構(gòu)建。

假定U={u1,u2,…,um}為社會(huì)化標(biāo)注系統(tǒng)中m個(gè)用戶集合，R={r1,r2,…,rk}為k個(gè)被標(biāo)注的資源集合，T={t1,t2,…,tn}為用戶標(biāo)注的n個(gè)標(biāo)簽集合，u∈U，r∈R，t∈T，a=(u,r,t)∈A表示一次標(biāo)注行為，則社會(huì)化標(biāo)注行為可定義為四元組P=(U,T,R,A)。根據(jù)系統(tǒng)中用戶標(biāo)注行為可分解統(tǒng)計(jì)出用戶—標(biāo)簽二元關(guān)系矩陣Y。

根據(jù)Y，將每一個(gè)用戶的標(biāo)注行為表示為1個(gè)文本文檔，將其轉(zhuǎn)換為向量形式：

YT(u)=[t1,y(t1,u);t2,y(t2,u)…;ti,y(ti,u)…tT,y(tT,u)]

y(ti,u)表示為用戶u標(biāo)注過標(biāo)簽ti的次數(shù)。設(shè)用戶u的影響度分?jǐn)?shù)為τu，則基于標(biāo)注行為的用戶加權(quán)表示形式為：

g_YT(u)=[t1,gy(t1,u);t2,gy(t2,u)…;ti,gy(ti,u)…tT,gy(tT,u)]

gy(ti,u)表示標(biāo)簽ti在用戶u中的加權(quán)標(biāo)注頻次?？捎晒?6)計(jì)算得出。

(6)

由于上文基于隨機(jī)游走的用戶影響度排序以均勻分布為初始分?jǐn)?shù)，在迭代學(xué)習(xí)過后各節(jié)點(diǎn)的影響度分?jǐn)?shù)較小，若直接將其加權(quán)到用戶標(biāo)注行為上，則無法保證加權(quán)后的用戶標(biāo)注頻次為整數(shù)且總出現(xiàn)頻次降低。因此在不改變影響度分?jǐn)?shù)權(quán)重比例的情況下，將影響度分?jǐn)?shù)最小值對(duì)每個(gè)用戶的影響度分?jǐn)?shù)進(jìn)行定制，定制后的用戶影響度分?jǐn)?shù)與標(biāo)簽頻次值加權(quán)取整，這樣能提高高影響用戶低頻次標(biāo)簽在主題分配上的能力，降低低影響用戶高頻次標(biāo)簽在主題表達(dá)上的占比。

將“加權(quán)的用戶—標(biāo)簽語料庫”導(dǎo)入R中進(jìn)行LDA建模處理時(shí)，需轉(zhuǎn)換成矩陣格式，如圖4所示。

第三階段：LDA建模分析。

根據(jù)上述加權(quán)的用戶—標(biāo)簽矩陣進(jìn)行LDA潛在語義主題建模，如圖5所示。

圖5 融合用戶加權(quán)的標(biāo)簽LDA模型

采用吉布斯采樣算法迭代學(xué)習(xí)出用戶標(biāo)簽的潛在主題，吉布斯采樣公式如公式(7)所示。

(7)

3 用戶興趣模型構(gòu)建及個(gè)性化推薦

3.1 基于標(biāo)簽主題的用戶多興趣建模

根據(jù)獲取到的用戶標(biāo)簽主題及主題概率分布，將用戶興趣模型抽象為若干主題分量，且每個(gè)主題由若干標(biāo)簽來描述。用戶興趣模型分為兩層：第一層興趣主題層——由LDA模型迭代學(xué)習(xí)出的標(biāo)簽語義主題及其權(quán)重構(gòu)成；第二層特征標(biāo)簽層——由相關(guān)語義主題下的標(biāo)簽及其權(quán)重構(gòu)成，如圖6所示。

圖6 用戶興趣模型簡化

定義用戶多興趣模型由五元組表示：U={Z,T,W,F,P}，其中Z為用戶興趣主題集合；T為各個(gè)興趣主題下對(duì)應(yīng)的標(biāo)簽集合；W為主題下各標(biāo)簽權(quán)值p(ti|zi=n)；F為各標(biāo)簽遺忘因子，更新用戶興趣變化；P指用戶對(duì)興趣主題感興趣程度，即偏好程度p(zi=n|ui)。

3.2 用戶興趣模型更新

(8)

式中，F(xiàn)(ti,j)表示興趣模型中第i個(gè)主題Topici下第j個(gè)標(biāo)簽的遺忘因子；cur代表當(dāng)前日期；tagged為標(biāo)簽最近被標(biāo)注的日期；hl指用戶興趣半衰期(由大量數(shù)據(jù)訓(xùn)練得到)。

本文通過調(diào)整用戶興趣主題及特征標(biāo)簽權(quán)值來反映用戶興趣變化，實(shí)現(xiàn)興趣模型更新。如圖7所示，模型更新流程如下：

2)針對(duì)用戶新添加標(biāo)簽情況，分以下3種情形對(duì)各主題與標(biāo)簽權(quán)重值重新調(diào)整：

a)用戶新添加標(biāo)簽tα可歸于興趣模型原來主題中，且該主題已包含該標(biāo)簽，則重新計(jì)算標(biāo)簽tα權(quán)重wi,j及該標(biāo)簽所在主題權(quán)重wi，同時(shí)將tα的遺忘因子中tagged日期改為當(dāng)前標(biāo)注日期；

b)用戶新添加標(biāo)簽tα可歸于興趣模型原來主題中，當(dāng)該主題沒有標(biāo)簽tα，則將該標(biāo)簽加入主題模型中，計(jì)算tα遺忘因子，將tagged日期改為當(dāng)前標(biāo)注日期，重新計(jì)算tα所在主題權(quán)重；

c)用戶新添加標(biāo)簽tα不能歸于興趣模型原來主題中，則將tα作為新主題加入主題模型中，計(jì)算tα的遺忘因子，將tagged日期改為當(dāng)前標(biāo)注日期，tα以權(quán)重作為新主題權(quán)重。

圖7 用戶興趣模型動(dòng)態(tài)更新流程圖

3)刪減舊標(biāo)簽：對(duì)用戶興趣模型中各主題下的所有標(biāo)簽按權(quán)重值降序排序，設(shè)定權(quán)重閾值δ，將小于δ的標(biāo)簽刪減并對(duì)各主題權(quán)重重新調(diào)整。

4)刪減舊主題：對(duì)用戶興趣模型中各主題按權(quán)重降序排序，設(shè)定主題權(quán)重閾值ξ，刪減小于ξ的主題。

由圖6可以看出，隨著砂粒含量的增大，砂質(zhì)黃土的黏聚力減小，砂粒含量從30%增長至45%，黏聚力從6.08減至3.28，降幅為46%。曲線形態(tài)表現(xiàn)為先緩后陡，即當(dāng)砂粒含量小于35%時(shí)黏聚力隨砂粒含量的增加緩慢降低，當(dāng)砂粒含量大于35%時(shí)黏聚力隨砂粒含量的增加其降低趨勢(shì)增大。

3.3 基于用戶興趣模型的協(xié)同過濾推薦算法

傳統(tǒng)協(xié)同過濾算法依賴“用戶—資源評(píng)分”矩陣，系統(tǒng)中巨大的資源數(shù)量容易產(chǎn)生矩陣稀疏性問題，并且僅根據(jù)用戶對(duì)資源的評(píng)分并不能完全刻畫用戶興趣偏好?；诖耍疚囊肷鐣?huì)化標(biāo)注改進(jìn)傳統(tǒng)協(xié)同過濾算法，具體算法流程如圖(8)所示。

Step1：鄰居用戶發(fā)現(xiàn)

用戶相似度計(jì)算：結(jié)合多層、多維用戶興趣模型，構(gòu)建用戶—標(biāo)簽語義主題的相關(guān)性矩陣，將用戶相似性轉(zhuǎn)換為興趣模型主題層向量的相似性計(jì)算。

采用修正的余弦相似度計(jì)算相似性，公式如下：

(9)

圖8 個(gè)性化推薦流程

圖9 用戶—主題矩陣

鄰居用戶選?。焊鶕?jù)用戶相似度計(jì)算，采用閾值設(shè)置方法選取鄰居用戶集合。設(shè)定閾值δ，當(dāng)sim(u,v)大于δ時(shí)，該用戶歸入鄰居用戶集合中。

Step2：資源集確定與特征表示

通過獲取鄰居用戶集合中用戶標(biāo)注、收藏或?yàn)g覽過的資源，過濾目標(biāo)用戶已標(biāo)注和已收藏的資源。得到這類資源集的資源—標(biāo)簽關(guān)系矩陣X，矩陣X中的Xrt元素表示資源r被標(biāo)注過標(biāo)簽t的次數(shù)，然后進(jìn)行LDA潛在語義主題建模，計(jì)算得到標(biāo)簽潛在語義主題及主題分布概率，基于此構(gòu)建資源—標(biāo)簽語義主題矩陣，如圖10所示，其主題分布概率p(zi=n|ri)為資源與標(biāo)簽語義主題相關(guān)度。

=圖10 資源—標(biāo)簽主題矩陣

Step3：個(gè)性化推薦產(chǎn)生

用戶對(duì)資源興趣度通過公式(10)計(jì)算，最后按照興趣度大小排序，采用Top-N方法推薦給目標(biāo)用戶。

(10)

4 實(shí)驗(yàn)及算法評(píng)價(jià)

4.1 數(shù)據(jù)集

本實(shí)驗(yàn)數(shù)據(jù)來源于CiteUlike站點(diǎn)(http://www.citeulike.org/)。CiteUlike屬于經(jīng)典的社會(huì)化標(biāo)注系統(tǒng)，是一個(gè)免費(fèi)協(xié)助注冊(cè)用戶存儲(chǔ)、管理及分析學(xué)術(shù)文章的論文書簽網(wǎng)站，允許用戶自由收藏個(gè)人喜歡的論文、分享自身論文庫并可用添加標(biāo)簽的方式進(jìn)行標(biāo)注。當(dāng)用戶瀏覽其他用戶標(biāo)注的標(biāo)簽而對(duì)該用戶產(chǎn)生興趣時(shí)，可通過“Connect”控件，建立與該用戶的鏈接關(guān)系。

本文使用Jsoup工具通過“Connections”接口抓取用戶間鏈接關(guān)系，采集到用戶相關(guān)標(biāo)注信息，包括用戶名、論文、標(biāo)簽、標(biāo)注時(shí)間等，如果用戶使用多個(gè)標(biāo)簽標(biāo)注同一篇文章，這些標(biāo)簽將存入多條數(shù)據(jù)記錄中。

抓取數(shù)據(jù)后，利用R語言對(duì)采集到的初步數(shù)據(jù)集做相關(guān)預(yù)處理，刪除不完整數(shù)據(jù)，對(duì)某些用戶標(biāo)簽進(jìn)行中文分詞、對(duì)分詞后的標(biāo)簽去停用詞等操作。最后得到的實(shí)驗(yàn)數(shù)據(jù)集包括5 124個(gè)用戶，8 245個(gè)標(biāo)簽，12 574篇論文，以及88 132個(gè)鏈接關(guān)系。示例數(shù)據(jù)如表1所示。

表1 標(biāo)注數(shù)據(jù)示例

4.2 實(shí)驗(yàn)評(píng)估指標(biāo)

本文希望從實(shí)用性、準(zhǔn)確性、完整性等方面考查改進(jìn)算法的性能，因此采用準(zhǔn)確率和召回率兩個(gè)指標(biāo)。

召回率(查全率)衡量所使用算法推薦了多少應(yīng)該被推薦的項(xiàng)目或資源，該值越高推薦系統(tǒng)性能越好。設(shè)n為用戶個(gè)數(shù)，用戶i的測試集為Ti，正確推薦的資源集為Pi，則召回率計(jì)算公式為：

(11)

準(zhǔn)確率考量推薦結(jié)果的準(zhǔn)確性，隨著推薦數(shù)量的增加準(zhǔn)確率會(huì)下降。設(shè)N為推薦資源的個(gè)數(shù)，其計(jì)算公式為：

(12)

由于召回率和準(zhǔn)確率在一定程度上相互制衡，一般采用綜合評(píng)價(jià)指標(biāo)F-measure來衡量兩者關(guān)系，計(jì)算公式為：

(13)

4.3 結(jié)果和分析

為驗(yàn)證本文提出的個(gè)性化推薦方法有效性，設(shè)計(jì)兩部分實(shí)驗(yàn)進(jìn)行驗(yàn)證：用戶興趣模型及模型更新方法驗(yàn)證、基于用戶興趣模型的個(gè)性化推薦算法驗(yàn)證。采用5層交叉驗(yàn)證將數(shù)據(jù)集分為5分，并依次選取一份作為測試集，其余4份為訓(xùn)練集，得到5個(gè)不同的測試集和訓(xùn)練集用于實(shí)驗(yàn)分析，各評(píng)估指標(biāo)依次得到5個(gè)測試結(jié)果，取其算數(shù)平均值為各指標(biāo)最終評(píng)估結(jié)果。

用戶興趣模型驗(yàn)證

該部分通過本文算法(MCF)與傳統(tǒng)協(xié)同過濾算法(CF)對(duì)比實(shí)驗(yàn)，用召回率驗(yàn)證本文構(gòu)建興趣模型的有效性。由于鄰居用戶個(gè)數(shù)M取值大小對(duì)算法精度有一定影響，M取值過小則無法得到足夠的待推薦資源集合，取值過大會(huì)使算法搜索成本加大。實(shí)驗(yàn)選擇的M值從10增加到100，間隔為10，對(duì)比分析不同用戶模型對(duì)召回率的影響，實(shí)驗(yàn)結(jié)果如圖11所示：

=圖11 不同用戶模型對(duì)召回率影響

從圖11中可知，當(dāng)M值為35左右時(shí)，兩種算法的召回率基本持平，當(dāng)鄰居用戶個(gè)數(shù)高于35時(shí)，MCF召回率高于CF算法，這是由于CF算法是基于用戶共同關(guān)注資源的評(píng)分進(jìn)行相似度計(jì)算，而MCF是基于用戶興趣模型計(jì)算相似度，這里相似度的值與用戶共同標(biāo)注資源沒有絕對(duì)的關(guān)系，即存在相似度很大的用戶之間評(píng)價(jià)相同資源情況較少的現(xiàn)象。隨著M取值增大，召回率增大，當(dāng)鄰居個(gè)數(shù)在60左后，算法召回率趨于穩(wěn)定，故在后續(xù)實(shí)驗(yàn)中鄰居個(gè)數(shù)取60。

模型更新算法驗(yàn)證

該部分通過MCF與本文提出的基于遺忘因子更新的用戶興趣模型個(gè)性化推薦算法(UMCF)對(duì)比實(shí)驗(yàn)，采用準(zhǔn)確率(Precision)指標(biāo)驗(yàn)證更新的用戶興趣模型是否能更準(zhǔn)確表達(dá)用戶興趣。

實(shí)驗(yàn)數(shù)據(jù)按照資源被標(biāo)注時(shí)間取訓(xùn)練集前80%，剩余20%為模型更新數(shù)據(jù)集，將訓(xùn)練數(shù)據(jù)集最后一條標(biāo)注時(shí)間設(shè)為建模時(shí)間，更新數(shù)據(jù)集最后一條標(biāo)注時(shí)間設(shè)為當(dāng)前時(shí)間，采用Top-N推薦方法，實(shí)驗(yàn)結(jié)果如圖12所示：

圖12 用戶興趣模型的更新對(duì)準(zhǔn)確率影響

UMCF算法相較于MCF推薦準(zhǔn)確率較高，由此說明更新的用戶興趣模型對(duì)用戶興趣權(quán)值計(jì)算更為準(zhǔn)確，更加準(zhǔn)確表達(dá)用戶的興趣偏好。

推薦算法驗(yàn)證

將UMCF與傳統(tǒng)的標(biāo)簽協(xié)同過濾推薦(TCF)、標(biāo)簽關(guān)聯(lián)關(guān)系推薦算法(LC)對(duì)比實(shí)驗(yàn)，推薦長度從5逐漸增大，計(jì)算在此推薦長度下的F-measure值，對(duì)其取算術(shù)平均值為最終評(píng)估結(jié)果。如圖13所示：

圖13 不同N值下的F-measure

由圖13可知，當(dāng)N取20時(shí)，3種算法F-measure值最高，說明在此推薦長度下推薦綜合效果達(dá)到最好，MCF相較于LC、TCF，評(píng)估指標(biāo)F-measure值有所提高，這進(jìn)一步論證了本文提出的算法達(dá)到了更佳的推薦效果。

5 結(jié)束語

互聯(lián)網(wǎng)飛速發(fā)展為人們生活帶來諸多方便的同時(shí)，信息過載等問題也隨之而來，個(gè)性化推薦技術(shù)的應(yīng)用在一定程度上使人們需求得到滿足，因此圍繞個(gè)性化推薦展開的研究越來越多。本文基于社會(huì)化標(biāo)注系統(tǒng)，從影響個(gè)性化推薦質(zhì)量的兩個(gè)核心——用戶興趣建模和個(gè)性化推薦算法切入展開相關(guān)研究。

在社會(huì)化標(biāo)注系統(tǒng)中，用戶的標(biāo)注行為體現(xiàn)了其興趣偏好，標(biāo)簽也表達(dá)了資源特征及潛在屬性。然而由于標(biāo)簽存在語義模糊、歧義等問題，制約著其在個(gè)性化推薦領(lǐng)域上的應(yīng)用。當(dāng)前眾多研究者僅從數(shù)量和結(jié)構(gòu)上考慮用戶與標(biāo)簽的關(guān)系，同時(shí)標(biāo)簽的時(shí)序動(dòng)態(tài)性也影響著用戶興趣模型的準(zhǔn)確率，限制著推薦模型的質(zhì)量。針對(duì)上述問題，本文在已有研究基礎(chǔ)上進(jìn)行改進(jìn)和創(chuàng)新，提出基于社會(huì)化標(biāo)注的用戶興趣挖掘，構(gòu)建了個(gè)性化推薦算法，并通過實(shí)驗(yàn)對(duì)文中提出的改進(jìn)算法進(jìn)行驗(yàn)證分析。

但是本文尚有一些不足之處：例如在構(gòu)建用戶興趣模型時(shí)，前提假設(shè)用戶只對(duì)感興趣的資源進(jìn)行標(biāo)注，對(duì)于某些用戶喜歡標(biāo)注不感興趣資源的情況未作考慮，因此在實(shí)際應(yīng)用中，可以進(jìn)一步研究“負(fù)面標(biāo)簽”識(shí)別問題。用戶興趣建模時(shí)個(gè)性化推薦技術(shù)的核心，在建模過程中會(huì)涉及用戶隱私問題，如何采用有效的隱私保護(hù)機(jī)制將是未來個(gè)性化推薦服務(wù)的研究方向之一。