姜娜 黃吉亞 顧慶傳 楊海燕

摘要：我國科技技術(shù)在社會經(jīng)濟建設(shè)的背景下有了較快的發(fā)展，其中機器學(xué)習(xí)是我國目前較為流行的一種技術(shù)，并且應(yīng)用在較多的領(lǐng)域中，比如生物、信息以及交通等，特別是經(jīng)濟以及金融領(lǐng)域，有較高的應(yīng)用效果。此外，在經(jīng)濟以及金融領(lǐng)域中應(yīng)用機器學(xué)習(xí)的過程中，需要對不同算法中的優(yōu)點與缺點進行實施有效的分析，并能在此基礎(chǔ)上對目前整個環(huán)境進行有效的了解，通過機器學(xué)習(xí)進行用戶推薦系統(tǒng)的構(gòu)建，以此對不同算法的適應(yīng)情況進行深入的了解。

關(guān)鍵詞：機器學(xué)習(xí)；推薦系統(tǒng)；應(yīng)用

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2019）11-0196-02

前言

我國信息化技術(shù)的發(fā)展，使較多數(shù)據(jù)得到有效的存儲，同時科技技術(shù)在應(yīng)用過程中也出現(xiàn)了較多的數(shù)據(jù)，在一定程度上很難得到有效的利用。因此，需要對一些數(shù)據(jù)進行有效的挖掘，較多數(shù)據(jù)挖掘技術(shù)在不同領(lǐng)域中應(yīng)用，其中機器學(xué)習(xí)技術(shù)的應(yīng)用范圍比較廣泛，由此能夠看出，機器具有強大的學(xué)習(xí)能力，能夠在推薦系統(tǒng)中進行有效的應(yīng)用。

1 機器學(xué)習(xí)的過程

1.1 數(shù)據(jù)獲取

機器學(xué)習(xí)在運行過程中，首先是采取有效的途徑進行數(shù)據(jù)的獲取，由此可以看出，機器學(xué)習(xí)需要建立在數(shù)據(jù)的基礎(chǔ)之上，其中獲取數(shù)據(jù)是機器學(xué)習(xí)運行過程中最為簡單的步驟，主要是因數(shù)據(jù)的產(chǎn)生渠道較多，并且產(chǎn)生的數(shù)據(jù)量也相對較多，比如醫(yī)院就診記錄、超市購買記錄以及電腦運行數(shù)據(jù)等，這些數(shù)據(jù)信息在較大程度上是機器學(xué)習(xí)的基礎(chǔ)。

1.2 清洗數(shù)據(jù)

由于數(shù)據(jù)無規(guī)則性，人們在獲取的過程中也有較大的無規(guī)則性，在此過程中有較多數(shù)據(jù)沒有可利用價值，反之還會對系統(tǒng)運行造成一定的不利影響，所以在對此進行分析過程中應(yīng)當首先對此無用信息進行有效清理，這在較大程度上能夠有效提高分析結(jié)果正確率[1]。此外，在對數(shù)據(jù)處理的過程中有三個不同的方面：距離度量、抽樣以及降維。

在協(xié)同過濾推薦系統(tǒng)中采用KNN分類，一般情況下取決于距離度量方法，使用頻率最高的距離度量方法有皮爾遜相關(guān)系數(shù)、歐幾里得距離以及Jaccard系數(shù)等。此外，抽樣技術(shù)主要是對數(shù)據(jù)進行有效的挖掘，從大數(shù)據(jù)集中選擇相關(guān)數(shù)據(jù)子集的一種技術(shù)，并且在最終的解釋步驟也起到了較為重要的作用，其中無取代抽樣是使用頻率最為高的抽樣方法，若對物品選擇確定之后，物品會被取走，但是執(zhí)行取代抽樣也是允許的，換句話說就是物品就算被選擇也無需從整體中去除。降維主要是對一些點的去除，一般情況下是對密集度不高并且對結(jié)果影響較小的點實施有效的去除，并在此基礎(chǔ)上進行維度的有效降低，以此在最大程度上避免維度災(zāi)難。

1.3 模型構(gòu)建以及數(shù)據(jù)分析

在機器學(xué)習(xí)的過程中，對數(shù)據(jù)的分析是整個過程中難度最大，并且最核心的環(huán)節(jié)，的整個機器學(xué)習(xí)中最為核心的內(nèi)容。此外，在對數(shù)據(jù)分析過程中，所采用的方法相對較多，不同的方法在使用的過程中會產(chǎn)生不同作用，這就需要在使用過程中根據(jù)實際情況進行針對性分析，推薦系統(tǒng)在應(yīng)用的過程中主要采用了以下幾種方法[2]：1）最近鄰算法。最近鄰算法主要是根據(jù)存儲蓄念記錄對樣本標簽類別進行有效的預(yù)測，此種分類器主要是對訓(xùn)練集進行有效的存儲，在此過程中想要進行有效的分類，需要將訓(xùn)練集與新記錄進行有效的匹配。此種方法與其他方法相比相對較為簡單，主要是因最近鄰算法不需要進行模型的構(gòu)建，具有較高準性；2）人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)算法在一定程度上是對生物網(wǎng)絡(luò)進行了有效的模擬，主要是有內(nèi)連接點與帶權(quán)鏈構(gòu)成，這在較大程度上是模式匹配算法，一般情況下是對回歸與分類問題進行有效的解決。人工神經(jīng)網(wǎng)絡(luò)主要是機器在學(xué)習(xí)過程中的一個分支，算法相對比較多，其中最為重要的是一個組成部分就是深度學(xué)習(xí)。人工神經(jīng)網(wǎng)絡(luò)在應(yīng)用的過程中最大的優(yōu)勢在于能夠?qū)Ψ蔷€性分類任務(wù)進行有效的處理，并在此基礎(chǔ)上進行并行處理，使其在一些網(wǎng)絡(luò)受損過程中進行實時性操作。但是，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)對一些問題很難提供理想的網(wǎng)絡(luò)拓撲。

2 推薦系統(tǒng)

2.1 系統(tǒng)架構(gòu)

目前，推薦系統(tǒng)主要由有關(guān)物品檢索、物品排序以及用戶體特征提取構(gòu)成。其中物品檢所以主要是根據(jù)用戶特點，能夠在最短時間內(nèi)尋找用戶感興趣的物品，一般情況下此模塊主要通過信息檢索對物品實施檢索，以此快速找到用戶感興趣的物品。排序模塊主要是根據(jù)機器學(xué)習(xí)算法，并在此基礎(chǔ)上對相關(guān)指標實施有效的完善，以此在最大程度上得到有效的模型，比如點擊率模型能夠通過候選物品特點以及用戶特點，可有效預(yù)算處用戶對物品預(yù)估點擊率，再將候選物品根據(jù)點擊率實施合理的排序，主要是根據(jù)預(yù)估點擊率實施有效的排序，同時在排序過程中還需要對結(jié)果多樣性以及新穎性進行全面、科學(xué)的考慮。永特特點提取模塊能夠?qū)τ脩粜袨檫M行有效的記錄，并在此基礎(chǔ)上與相關(guān)信息構(gòu)成用戶特點，這在較大程度上能夠?qū)τ脩襞d趣進行有效的描述。

2.2 用戶特點獲取與聚類算法

以此圖書網(wǎng)站作為講解的例子，用戶根據(jù)自己的需求登錄網(wǎng)站，推薦系統(tǒng)在最短時間內(nèi)會對該用戶特點進行有效的提取，系統(tǒng)會給用戶推薦一些與用戶興趣相關(guān)的圖書。其中用戶特點主要表現(xiàn)在以下幾點：1）購書過程中的登錄身份；2）用戶年齡以及性別；3）用戶在登錄網(wǎng)站后瀏覽過的網(wǎng)頁；4）用戶在網(wǎng)站中使用的相關(guān)詞匯；5）用戶在圖書網(wǎng)站中的一些其他活動，比如評論、收藏等。

在所有的用戶特點中，性別與年齡維度相對較低，其他特點相對較高，若將此直接作為特點會在一定程度上產(chǎn)生一些問題，比如稀疏性問題，其中最為重要的問題就是導(dǎo)致檢索模塊運算量相對增加，這在較大程度上使系統(tǒng)中的一些功能降低[3]。檢索模塊在運行的過程中需要提高其運行效率，推薦系統(tǒng)通過一些措施進行有效的降維，其中降維主要是機器學(xué)習(xí)過程中無監(jiān)督學(xué)習(xí)狀態(tài)，最為有效的降維方法就是將用戶實施有效聚類，比如根據(jù)用戶歷史記錄將其進行分類。

2.3 物品檢索

系統(tǒng)尋找到用戶興趣特點后，推薦系統(tǒng)會根據(jù)相關(guān)信息找打用戶物品，推薦系統(tǒng)在進行物品檢索的過程中主要是通過導(dǎo)牌索引技術(shù)來來完成， 此模塊主要的工作是通過倒排索引進行檢索，推薦系統(tǒng)中最為主要的索引就是“物品--物品”索引。此外，推薦系統(tǒng)在進行問題探究過程中主要是對物品之間相關(guān)度進行有效的計算，同時一些物品推薦系統(tǒng)一般情況下是在用戶欣賞物品的過程中，系統(tǒng)根據(jù)用戶興趣提供與之相關(guān)的物品[4]。目前，主流物品相關(guān)度具體算法主要有內(nèi)容方面算法以及行為方面算法，其中協(xié)同過濾算法主要構(gòu)成就是行為物品相關(guān)度算法，這在較大程度上與機器學(xué)習(xí)行業(yè)的關(guān)聯(lián)性準則有較大的關(guān)聯(lián)性。

3 點擊率預(yù)估以及兩類分類問題

在得到用戶候選物品后，需要對候選物品進行有效的排序，雖然通過物品檢索模塊能夠獲得用戶特別以及物品相關(guān)度，但是不能只通過相關(guān)度排序主要是因特點不同得到的相關(guān)度有較大的差異性，兩者之間不能進行有效的對比。此外，需要一個有效并且統(tǒng)一指標對用戶檢索物品的有效實施有效的計算工作，以此達到對物品有效排序的目的，其中該統(tǒng)一的指標需要滿足不同的條件才能發(fā)揮其有效性，主要表現(xiàn)在以下兩個方面[5]：1）能夠?qū)C器學(xué)習(xí)方法與算法進行全面的優(yōu)化；2）在使用的過程中對推薦系統(tǒng)相關(guān)網(wǎng)站的使用目標。除此之外，點擊率也需要滿足不同的條件：1）網(wǎng)站在運行過程中點擊率是能夠有效提高運行時長，這在較大程度上也是網(wǎng)站運行一個較為重要的目標；2）點擊率預(yù)算在網(wǎng)站運行中尤為重要，可以將其轉(zhuǎn)變?yōu)橹皟深惙诸悊栴}，這在較大程度上是最為主要的問題，由此可以看出，點擊率預(yù)估模塊主要是對物品點擊率進行實時性有效計算，再將物品根據(jù)點擊率高低進行有效排序，并在此基礎(chǔ)上進行輸出工作。

在點擊率預(yù)估模塊中需要將不同單一問題轉(zhuǎn)變成兩類分類問題，這就需要進行兩類分類問題數(shù)據(jù)集的全面構(gòu)建，其中數(shù)據(jù)集主要是有特征與類標組成[6]。此外，兩類分類器最具代表的就是神經(jīng)網(wǎng)絡(luò)、支持向量機以及邏輯回歸等，在進行點擊率預(yù)估過程中分類器起到了關(guān)鍵性作用，需要滿足以下條件：1）在較大范圍數(shù)據(jù)集中進行分類器模型的有效訓(xùn)練；2）需要對樣本的正、負類進行全面了解，并在此基礎(chǔ)上還需要對樣本正樣本幾率進行有效的認識，以此對點擊率實施預(yù)估；3）能夠?qū)c擊率畸形實時性更新并增量；4）能夠滿足在線預(yù)估要求；5）能夠進行預(yù)估點擊率信用度的全面提供；6）能夠進行預(yù)估結(jié)果的相關(guān)解釋。目前，一種較為準備的分類算法就是邏輯回歸算法，能夠有效對以上幾點同時滿足，其中此種算法在較大程度上是一種線性模型，可對在線預(yù)測行性能進行有效的提高，并保持不變，目前對于模型訓(xùn)練有一定的并行化方法，能夠在數(shù)據(jù)集中進行有效的使用。

4 結(jié)語

綜上所述，在機器學(xué)習(xí)的較多算法當中，在推薦系統(tǒng)中均有較高的應(yīng)用效果。推薦系統(tǒng)在設(shè)計過程中，應(yīng)當具有產(chǎn)品轉(zhuǎn)化的功能，在產(chǎn)品需求轉(zhuǎn)化為機器學(xué)習(xí)問題能力，能夠在較大程度上對機器學(xué)習(xí)研究方向以及不同算法進行有效的掌握，并且在此基礎(chǔ)上把不同算法在不同領(lǐng)域中有針對性的應(yīng)用效果，能夠在較大程度上提高系統(tǒng)效果，只有這樣才能使系統(tǒng)設(shè)計達到一個相對較高的水平，以此能夠有效提升機器學(xué)習(xí)效率。

參考文獻：

[1] 劉忠寶. 機器學(xué)習(xí)方法在個性化推薦系統(tǒng)中的應(yīng)用[J].情報探索，2016（4）：80-82.

[2] 周齊. 基于機器學(xué)習(xí)的推薦系統(tǒng)[J]. 電子技術(shù)與軟件工程，2016（24）：173.

[3] 齊帥彬， 胡晨駿， 胡孔法，等. 基于機器學(xué)習(xí)及中醫(yī)理論的推薦系統(tǒng)研究與思考[J]. 江蘇科技信息， 2017（10）：37-38.

[4] 盧軍， 張?zhí)旆? 基于隱式用戶行為的推薦系統(tǒng)研究[J].湖北工程學(xué)院學(xué)報，2016（3）：22-27.

[5] 王磊. 基于機器學(xué)習(xí)技術(shù)的LTE網(wǎng)絡(luò)智能優(yōu)化系統(tǒng)設(shè)計[J].電信工程技術(shù)與標準化，2018（1）：39-42.

[6] 喬雨， 李玲娟. 融合用戶相似度與評分信息的協(xié)同過濾算法[J].南京郵電大學(xué)學(xué)報：自然科學(xué)版， 2017（3）：100-105.

【通聯(lián)編輯：唐一東】