亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于懲罰因子的協(xié)同過濾算法的改進(jìn)與研究

        2019-11-16 12:26:24徐立民李涵
        物聯(lián)網(wǎng)技術(shù) 2019年10期
        關(guān)鍵詞:推薦系統(tǒng)

        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.

        猜你喜歡
        推薦系統(tǒng)
        數(shù)據(jù)挖掘在選課推薦中的研究
        軟件(2016年4期)2017-01-20 10:09:33
        基于用戶偏好的信任網(wǎng)絡(luò)隨機(jī)游走推薦模型
        基于個性化的協(xié)同過濾圖書推薦算法研究
        個性化推薦系統(tǒng)關(guān)鍵算法探討
        淺談Mahout在個性化推薦系統(tǒng)中的應(yīng)用
        關(guān)于協(xié)同過濾推薦算法的研究文獻(xiàn)綜述
        商(2016年29期)2016-10-29 15:22:08
        一種基于自適應(yīng)近鄰選擇的協(xié)同過濾推薦算法
        UGC標(biāo)簽推薦系統(tǒng)的一種新的標(biāo)簽清理方法
        商(2016年15期)2016-06-17 17:39:50
        網(wǎng)上商品推薦系統(tǒng)設(shè)計研究
        基于消費(fèi)者視角的在線推薦系統(tǒng)研究綜述
        中國市場(2016年2期)2016-01-16 10:16:10
        疯狂的欧美乱大交| 亚洲国产精品天堂久久久| 漂亮人妻出轨中文字幕| 小说区激情另类春色| 亚洲精品黑牛一区二区三区| 中文亚洲爆乳av无码专区| 日本久久一区二区三区高清| 偷拍色图一区二区三区| 极品嫩模高潮叫床| 在线观看av中文字幕不卡| 日本视频精品一区二区 | 日本久久久免费观看视频| 97精品久久久久中文字幕| 国产一区二区三区四区五区vm| 亚洲av永久无码精品放毛片| 婷婷五月综合激情| 久久久精品国产视频在线| 天天色天天操天天日天天射| 中文字幕在线日亚洲9| 久久精品岛国av一区二区无码| 国产精品亚洲av网站| 青青青免费在线视频亚洲视频| √新版天堂资源在线资源| 日韩在线精品国产成人| 日本久久精品国产精品| 久久午夜精品人妻一区二区三区| 国产成人涩涩涩视频在线观看| 国产99re在线观看只有精品| 手机在线观看亚洲av| 老熟妇乱子交视频一区| 大香伊蕉国产av| 亚洲第一区无码专区| 久久老熟女一区二区三区福利| 东京道一本热中文字幕| 欧美第五页| 一区二区三区人妻在线| 日韩av无码中文字幕| 欧洲-级毛片内射| 亚洲av熟女天堂系列| 亚洲最大中文字幕熟女| 黑人大荫道bbwbbb高潮潮喷|