曲立平，吳家喜

(哈爾濱工程大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，哈爾濱 150001)(*通信作者電子郵箱quliping@hrbeu.edu.cn)

0 引言

近幾十年來，隨著互聯(lián)網(wǎng)的快速發(fā)展，人們能夠獲取的信息越來越多,但是用戶在面對數(shù)量龐大、內(nèi)容豐富的信息的同時，對如何獲取自己真正想要的信息存在著困惑,因此，大量以個性化推薦為代表的過濾網(wǎng)絡(luò)工具應(yīng)運(yùn)而生。目前個性化推薦領(lǐng)域大多數(shù)研究人員主要研究單領(lǐng)域推薦，如Netflix和Last.fm。單領(lǐng)域推薦往往存在數(shù)據(jù)稀疏和冷啟動兩大主要問題，使得用戶的個性化推薦效果不理想。如何整合多個不同域中的數(shù)據(jù)來實(shí)現(xiàn)用戶精準(zhǔn)推薦已成為近來個性化推薦的研究熱點(diǎn)。

推薦系統(tǒng)如何根據(jù)用戶對一類信息(或物品)的喜好，向其推薦其他類型的信息(或物品)，被稱為跨域推薦[1-4]。在跨域推薦中存在隨意評分的用戶, 例如，有的用戶即使對購物過程不滿意，但因?yàn)楹迷u返紅包等原因仍對物品給出較高的評分；而有的用戶即使對購物過程滿意，因?yàn)樾那椴缓玫仍驅(qū)ξ锲方o出較低的評分。當(dāng)該物品的評分?jǐn)?shù)量較少時，隨意評分使得該物品的評分并不能準(zhǔn)確表現(xiàn)出用戶的偏愛，從而對推薦結(jié)果的準(zhǔn)確性產(chǎn)生較大的影響。

目前，大部分研究人員在將輔助域中數(shù)據(jù)遷移到目標(biāo)域的過程中，忽略了隨機(jī)評分的存在[5-10]。文獻(xiàn)[11]注意到了隨意評分的存在，為所有用戶統(tǒng)一設(shè)置了閾值。統(tǒng)一閾值的設(shè)置，由于其阻止了隨意性評分對目標(biāo)域信息的干擾，理論上與不設(shè)置閾值的數(shù)據(jù)遷移相比，其推薦結(jié)果的準(zhǔn)確率會有所提高; 然而，不同用戶評分的隨意性是不同的，為所有用戶統(tǒng)一設(shè)置閾值，不能很好地體現(xiàn)這種隨意性，據(jù)此，本文提出一種基于評分可靠性的跨域個性化推薦方法。該方法針對不同的評分可靠性，為用戶設(shè)置不同的閾值，以減少隨意評分對推薦效果的影響。

1 推薦流程

基于評分可靠性的跨域個性化推薦方法的推薦流程主要包括3個階段：預(yù)處理階段、處理階段和評估階段，如圖1所示。

圖1 推薦流程

2 基于用戶評分可靠性的閾值的設(shè)置

為了降低用戶的隨意評分對推薦效果的影響，本文首先計(jì)算用戶評分的可靠性，以此來判斷用戶評分的可信程度。對評分可靠性較高的用戶，為其設(shè)置較低的閾值; 對評分可靠性較低的用戶，為其設(shè)置較高的閾值。

2.1 用戶評分可靠性

本文使用用戶評分可靠性來描述用戶評分的可信程度，其值為用戶對所有物品的評分與該物品評分的平均值的標(biāo)準(zhǔn)差，記為Varu，如式(1)所示:

(1)

由式(1)可知，Varu值越小，該用戶的評分可靠性越高。

2.2 閾值的設(shè)置

對于評分可靠性低的用戶，如果其評分的物品的評分?jǐn)?shù)量較少，則該用戶的隨意評分將對推薦結(jié)果的準(zhǔn)確性產(chǎn)生很大的影響，在將輔助域的數(shù)據(jù)向目標(biāo)域遷移時，該用戶對該物品的評分應(yīng)被忽略。只有當(dāng)其評分的物品的評分?jǐn)?shù)量較多時，用戶的隨意評分對推薦結(jié)果的準(zhǔn)確性的影響才能被忽略。而對于評分可靠性高的用戶，因?yàn)槠湓u分能夠反映用戶的真實(shí)喜好，無論其評分的物品的評分?jǐn)?shù)量多還是少，都可以將輔助域的該數(shù)據(jù)向目標(biāo)域遷移。

用戶評分的最高分為5分，最低分為0分。從式(1)可以看出，用戶評分可靠性的取值范圍為[0,5)。按可靠性取值從低到高且間隔長度為1進(jìn)行分段，可以將用戶評分可靠性的取值分為0，(0,1]，(1,2]，(2,3]，(3,4]和(4,5)共六段。對于用戶可靠性取值為0的用戶，為其設(shè)置閾值為T；取值為(0,1]的用戶，設(shè)置閾值為T+1；取值為(1,2]的用戶，設(shè)置閾值為T+2，以此類推。

3 推薦處理步驟

基于評分可靠性的跨域個性化推薦方法的處理步驟[11]如下：

1)對每個域進(jìn)行矩陣分解，并使用交替最小二乘法(Alternating Least Squares, ALS)進(jìn)行優(yōu)化，得到最優(yōu)用戶特征矩陣和物品特征矩陣，如式(2)所示:

R=Um*k*Vk*n

(2)

其中:k為特征數(shù)，m為用戶數(shù)，n為物品數(shù)，Um*k是用戶特征向量，Vk*n是物品特征向量，R是用戶-物品評分矩陣。

2)使用K-Means聚類算法對用戶-物品特征矩陣中的用戶、物品進(jìn)行聚類。

3)計(jì)算每個聚類用戶對應(yīng)聚類物品的評分的平均值，如式(3)所示:

(3)

4)通過上述的聚類級計(jì)算，得到某類用戶對某類物品的聚類級用戶-物品評分矩陣Rc，如式(4)所示:

(4)

(5)

(6)

其中參數(shù)α的取值需要隨著實(shí)驗(yàn)不斷地調(diào)整，直到最終的評估準(zhǔn)確率不再升高為止。

4 實(shí)驗(yàn)研究

4.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)采用了Amazon數(shù)據(jù)集。該數(shù)據(jù)集是從1996- 05至2014- 07時間段產(chǎn)生的，共1億多條用戶評分，每條評分記錄包括用戶ID、物品ID、用戶對物品的評分和評分時間戳。由于數(shù)據(jù)集中Books、Movies和Music三個域的數(shù)據(jù)量較大，為了避免推薦時數(shù)據(jù)過于稀疏，本實(shí)驗(yàn)在這三個域上進(jìn)行。

4.2 對比模型

實(shí)驗(yàn)的對比模型是文獻(xiàn)[11]提出的基于簇類的跨域矩陣分解(Cross-domain Clustering-Based Matrix Factorization, CCBMF)模型。CCBMF模型分為基于簇類的跨域矩陣分解-統(tǒng)一設(shè)置閾值(CCBMF-Common Threshold, CCBMF-CT)模型和基于簇類的跨域矩陣分解-不設(shè)置閾值(CCBMF-No Threshold, CCBMF-NT)模型。基于簇類的跨域矩陣分解-個性化設(shè)置閾值(CCBMF-Personalized Threshold, CCBMF-PT)模型是本文提出的模型，該模型是在CCBMF模型的基礎(chǔ)上，根據(jù)用戶的評分可靠性來個性化的設(shè)置用戶的閾值。

4.3 實(shí)驗(yàn)設(shè)計(jì)

對Books、Movies和Music域，分別都從2013- 07到2014- 07時間段中用戶評論數(shù)量為1，2，…，10的物品中隨機(jī)選取20個數(shù)據(jù)，再從用戶評論數(shù)量為10以上的物品中隨機(jī)選取300個數(shù)據(jù)組成用戶數(shù)為500的訓(xùn)練數(shù)據(jù)集，剩下的數(shù)據(jù)作為測試數(shù)據(jù)集。在實(shí)驗(yàn)中，設(shè)置特征值數(shù)量為20，聚類數(shù)量為20。在矩陣分解的過程中，設(shè)定目標(biāo)函數(shù)值為0.1。聚類矩陣與目標(biāo)矩陣線性組合時，α取值為0.5。

4.4 評估指標(biāo)

實(shí)驗(yàn)采用MAE作為評估指標(biāo)[12]。MAE的數(shù)值越小，推薦的質(zhì)量就越高，MAE的計(jì)算公式如式(7)所示:

(7)

4.5 結(jié)果及分析

實(shí)驗(yàn)共分3組進(jìn)行，分別以Books、Movies和Music作為目標(biāo)域，其他兩個域作為輔助域，閾值T依次從0開始遞增，計(jì)算CCBMF-NT、CCBMF-CT和CCBMF-PT的MAE(Mean Absolute Error)值。實(shí)驗(yàn)結(jié)果如表1所示。

表1 模型在Books、Movies和Music域的MAE值

實(shí)驗(yàn)過程中發(fā)現(xiàn)：隨著閾值T的增大，設(shè)置閾值的推薦效果反而不如沒有設(shè)置閾值的推薦效果好。因此，實(shí)驗(yàn)在閾值為3后不再繼續(xù)遞增閾值。由此可知，在Amazon數(shù)據(jù)集中，隨意評分的用戶的數(shù)量較少。

從表1可以看出：除了目標(biāo)域?yàn)锽ooks且閾值T為3時，其他情況下，CCBMF-CT 和CCBMF-PT的MAE值均小于CCBMF-NT的MAE值，即在將輔助域中數(shù)據(jù)遷移到目標(biāo)域的過程中，整體上，設(shè)置閾值比不設(shè)置閾值的跨域推薦具有更高的預(yù)測評分的準(zhǔn)確度；除了目標(biāo)域?yàn)锽ooks且閾值T為3，目標(biāo)域?yàn)镸ovies且閾值T為2和3時，其他情況下，CCBMF-PT的MAE值均小于CCBMF-CT的MAE值，即在將輔助域中數(shù)據(jù)遷移到目標(biāo)域的過程中，整體上，個性化的設(shè)置閾值比統(tǒng)一的設(shè)置閾值的跨域推薦具有更高的預(yù)測評分的準(zhǔn)確度。

5 結(jié)語

本文提出了基于評分可靠性的跨域個性化推薦方法，給出了用戶評分可靠性的計(jì)算方法和個性化閾值的設(shè)置方法，描述了跨域個性化推薦方法的推薦流程。通過Amazon數(shù)據(jù)集驗(yàn)證了本文方法的推薦效果優(yōu)于沒有設(shè)置閾值的推薦效果，也優(yōu)于為用戶統(tǒng)一設(shè)置閾值的推薦效果。不過該方法仍然存在不足，即根據(jù)用戶的評分可靠性等比例分段劃分閾值相對較簡單，進(jìn)一步需要研究的是如何根據(jù)評分?jǐn)?shù)據(jù)分布進(jìn)行非等比例分段劃分閾值。