徐立民 李涵

摘 要：當(dāng)今時代，信息量呈爆炸式增長，推薦系統(tǒng)是處理海量信息的一種有效方式，也是一種無需用戶提出明確需求就可幫助用戶快速發(fā)現(xiàn)有用信息的工具。在推薦系統(tǒng)中，協(xié)同過濾算法有著重要應(yīng)用。傳統(tǒng)協(xié)同過濾算法通常使用余弦相似度公式進(jìn)行興趣相似度計算，但是很多情況下熱門物品會影響到推薦結(jié)果，并不能較好地反映用戶需求。文中對傳統(tǒng)協(xié)同過濾算法余弦相似度計算公式提出改進(jìn)方案，給出一個帶有懲罰因子的余弦相似度修正公式，可以較好地抑制熱門物品對用戶實(shí)際相似度的影響，改善用戶近鄰集合的劃分，從而實(shí)現(xiàn)更好的推薦效果。經(jīng)實(shí)驗(yàn)測試，推薦系統(tǒng)的性能指標(biāo)得到了一定的改善。

關(guān)鍵詞：推薦系統(tǒng);協(xié)同過濾算法;余弦相似度;熱門物品;懲罰因子;近鄰集合

中圖分類號：TP301文獻(xiàn)標(biāo)識碼：A文章編號：2095-1302（2019）10-00-03

0 引 言

隨著信息量的提升，推薦系統(tǒng)開始發(fā)揮越來越重要的作用。目前，推薦系統(tǒng)在新聞行業(yè)、娛樂媒體行業(yè)以及電子商務(wù)領(lǐng)域都有著重要的應(yīng)用。推薦系統(tǒng)領(lǐng)域出現(xiàn)了多種算法，這些算法都有著明確的應(yīng)用場景，同時也各有優(yōu)缺點(diǎn)。常用的推薦算法包括基于內(nèi)容的推薦、基于關(guān)聯(lián)規(guī)則的推薦和協(xié)同過濾算法[1]等，其中，協(xié)同過濾算法是推薦系統(tǒng)中的經(jīng)典算法之一，在眾多場合都有非常廣泛的應(yīng)用。該算法目標(biāo)明確、易于理解，同時實(shí)用性很強(qiáng)，無需具備專業(yè)領(lǐng)域的知識即可完成推薦。隨著時間的推移，推薦系統(tǒng)的性能會一直得到增強(qiáng)，因此該算法的自動化程度較高，同時也可較為方便地處理復(fù)雜的對象信息和非結(jié)構(gòu)化數(shù)據(jù)[2]。但是協(xié)同過濾算法存在冷啟動、數(shù)據(jù)稀疏、可拓展性差等缺點(diǎn)[3]，這些缺點(diǎn)在實(shí)際應(yīng)用中會影響到推薦系統(tǒng)的性能。本文從實(shí)際入手，針對協(xié)同過濾算法傳統(tǒng)的相似度公式無法抑制熱門物品的問題，提出懲罰因子的概念，給出修正后的余弦相似度計算公式，并進(jìn)行實(shí)驗(yàn)論證。

1 協(xié)同過濾算法

1.1 傳統(tǒng)協(xié)同過濾算法

協(xié)同過濾算法在1992年被提出[5-6]，該算法的第一個應(yīng)用項目是Tapestry[7]。協(xié)同過濾算法是在獲取到用戶信息后，尋找目標(biāo)用戶的近鄰集合，選擇近鄰集合中感興趣的對象推薦給目標(biāo)用戶，其具體步驟如下：

（1）收集用戶行為，產(chǎn)生用戶評分矩陣

用戶的行為數(shù)據(jù)可以多種形式展現(xiàn)給后臺，因此需要進(jìn)行預(yù)處理。預(yù)處理是將自然語言描述的用戶歷史行為轉(zhuǎn)換為數(shù)字化信息[8]。預(yù)處理之后，將用戶對物品的行為信息描述為一個m×n的矩陣R（m，n），這個矩陣被稱為用戶-評分矩陣。矩陣R中每一行代表用戶，每一列代表物品對象，Rij表示用戶i對物品對象j的評分。同時，采取0和1兩種數(shù)值的方式表征用戶行為，數(shù)字1代表用戶喜歡該物品，反之為不喜歡。用戶評分矩陣R為：

（2）建立用戶近鄰集合，找出用戶鄰居

用戶近鄰集合是將目標(biāo)用戶與其他用戶進(jìn)行相似度計算后生成用戶的近鄰集合。用戶之間的相似度通過相似度公式計算得出。興趣相似度計算公式較多，如Jaccard公式、余弦相似度公式等。其中，余弦相似度公式使用較多。

（3）產(chǎn)生推薦結(jié)果

1.3 算法流程

整個系統(tǒng)算法流程包括收集用戶歷史信息、建立用戶評分矩陣、計算用戶相似度、生成近鄰集合，進(jìn)而產(chǎn)生推薦。協(xié)同過濾算法流程如圖1所示。

2 基于懲罰因子的協(xié)同過濾改進(jìn)算法

2.1 懲罰因子

若熱門物品出現(xiàn)次數(shù)較多，則會使實(shí)際相似度計算結(jié)果受到影響，導(dǎo)致推薦的物品都是熱門物品，無法挖掘用戶的實(shí)際需求。為了避免這種影響，考慮加入一個懲罰因子作為加權(quán)系數(shù)，從而抑制熱門物品的影響，因此本文對余弦相似度計算公式進(jìn)行修正，將物品出現(xiàn)次數(shù)的倒數(shù)作為懲罰因子。物品出現(xiàn)次數(shù)越多，即該商品越熱門，同時，該商品對于用戶興趣相似度的貢獻(xiàn)越少。修正后的公式可衰減熱門物品造成的影響，帶有懲罰因子的修正公式為：

2.2 其他改進(jìn)參數(shù)

冷啟動是推薦系統(tǒng)設(shè)計過程中必須經(jīng)歷的一個過程。由于系統(tǒng)剛剛創(chuàng)建，新注冊的用戶尚未對項目產(chǎn)生有效的行為信息，此時可利用的行為信息極少，這種情況下難以給用戶做出合理的推薦[9]，因此必須考慮從別的渠道獲取更多的用戶信息作為參考。通過用戶的注冊信息挖掘用戶愛好是一種有效的方式，在用戶注冊時加以引導(dǎo)，使用戶提供一些信息，通過這些信息最大限度地挖掘出用戶感興趣的信息。用戶注冊信息完畢后初次登錄時，后臺系統(tǒng)可根據(jù)用戶提交的個人信息進(jìn)行分析與挖掘，從而做出有針對性的推薦。

2.3 改進(jìn)后的算法流程

本文在原有的推薦流程中加入懲罰因子的參數(shù)，該參數(shù)作為衰減因子可削弱熱門造成的影響，使用用戶對該物品發(fā)生正反饋的次數(shù)衡量物品的熱門程度。物品越熱門，懲罰力度越高，熱門物品對計算興趣相似度帶來的影響越小，因此可較好地解決熱門物品對于推薦效果的影響。改進(jìn)后的算法流程如圖2所示。

3 實(shí)驗(yàn)結(jié)果

首先使用經(jīng)典的余弦相似度算法進(jìn)行計算。將推薦數(shù)量選定為25，目標(biāo)用戶的鄰居個數(shù)分別為2，3，4，5，6，7，8，9，10，20，40。由上述數(shù)據(jù)得到的準(zhǔn)確率與召回率（計算結(jié)果保留小數(shù)點(diǎn)后四位）見表1所列。

由上述實(shí)驗(yàn)數(shù)據(jù)可知，當(dāng)目標(biāo)用戶的鄰居個數(shù)為3時，準(zhǔn)確率與召回率有較好的效果，因此在對修正后的公式驗(yàn)證時可選定鄰居個數(shù)3進(jìn)行準(zhǔn)確率與召回率的對比。余弦相似度公式與修正后的相似度公式對比見表2所列。

由表2可知，使用余弦相似度公式的準(zhǔn)確率為0.133 8，召回率為0.154 4，使用帶有懲罰因子的修正公式的準(zhǔn)確率為0.144 6，召回率為0.204 0。實(shí)驗(yàn)結(jié)果表明，帶有懲罰因子的修正公式可以較好地抑制熱門物品的影響，提升系統(tǒng)的準(zhǔn)確率與召回率。

4 結(jié) 語

由于使用傳統(tǒng)的余弦相似度公式時，熱門物品會影響推薦結(jié)果，導(dǎo)致推薦的物品幾乎都是熱門物品，因此本文提出帶有懲罰因子的余弦相似度計算公式，使用熱門物品出現(xiàn)次數(shù)的倒數(shù)作為懲罰因子，物品越熱門懲罰力度越大。通過實(shí)驗(yàn)驗(yàn)證，該算法可使準(zhǔn)確率與召回率得到一定的提升，從而提高推薦效率。

參 考 文 獻(xiàn)

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

[2]孟祥武，紀(jì)威宇，張玉潔.大數(shù)據(jù)環(huán)境下的推薦系統(tǒng)[J].北京郵電大學(xué)學(xué)報，2015，38（2）：1-15.

[3]冷亞軍，陸青，梁昌勇.協(xié)同過濾推薦技術(shù)綜述[J].模式識別與人工智能，2014，27（8）：720-734.

[4]王威，鄭駿.基于用戶相似度的協(xié)同過濾算法改進(jìn)[J]. 華東師范大學(xué)學(xué)報（自然科學(xué)版），2016（3）：60-66.

[5]張鵬飛，熊嬌嬌，羅繩燁，等.面向電商的基于協(xié)同過濾的個性化推薦[J].科技廣場，2016（6）：15-19.

[6] SARWAR B，KARYPIS G，KONSTAN J，et al.Item-based collaborative filtering recommendation algorithms [C]// International Conference on World Wide Web.ACM，2001：285-295.

[7] KONSTAN J A，MILLER B N，MALTZ D A，et al.GroupLens：applying collaborative filtering to usenet news [C]// Commu-nications of the ACM，1997，40（3）：77-87.

[8] OWEN S，ANIL R，DUNNING T，et al.Mahout in action[M].New York：Manning Publication，2011.

[9] GroupLens Research.MovieLens [EB/OL]. [2018-06-10]. https：//grouplens.org/datasets/movielens.

[10]于洪，李俊華.一種解決新項目冷啟動問題的推薦算法[J].軟件學(xué)報，2015，26（6）：1395-1408.

[11]周成林，黃長江，田景凡，等.基于用戶檢索歷史的個性化內(nèi)容推薦算法的設(shè)計與實(shí)現(xiàn)[J].數(shù)字技術(shù)與應(yīng)用，2015（10）：142.