秦 婧，張青博，王 斌

（東北大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，沈陽(yáng)110169）

0 引言

從1992 年的第一個(gè)郵件推薦系統(tǒng)［1］問世至今20 多年中，推薦系統(tǒng)在電商、醫(yī)療、商品、新聞等各領(lǐng)域都得到了廣泛應(yīng)用。推薦系統(tǒng)中物品被用戶評(píng)分或選擇的次數(shù)是一種典型的長(zhǎng)尾現(xiàn)象，符合帕累托法則（Pareto’s principle）。從圖1 中可以看出，MovieLens1M［2］數(shù)據(jù)集中的電影觀看數(shù)量即為長(zhǎng)尾現(xiàn)象，大多數(shù)的電影被觀看的次數(shù)少于500 次。此外，用戶僅對(duì)3 706 部電影進(jìn)行了評(píng)分，而余下的近200 部電影無(wú)人評(píng)分。由于用戶對(duì)電影的評(píng)分次數(shù)存在長(zhǎng)尾現(xiàn)象，因此，推薦系統(tǒng)在向用戶推薦物品時(shí)也隨之出現(xiàn)了長(zhǎng)尾現(xiàn)象，即推薦物品的覆蓋率偏低。傳統(tǒng)的推薦方法包括基于近鄰的推薦方法、基于內(nèi)容的推薦方法、矩陣分解的推薦方法以及混合的推薦方法等，由于數(shù)據(jù)集中數(shù)據(jù)稀疏問題嚴(yán)重，導(dǎo)致推薦結(jié)果會(huì)出現(xiàn)推薦物品的總量大多不足30%，甚至低于10%。此外，推薦物品的總量并沒有因?yàn)橥扑]列表的長(zhǎng)度變化而使推薦物品數(shù)量顯著增加，反而呈現(xiàn)出緩慢增長(zhǎng)趨勢(shì)。以基于用戶的協(xié)同過濾（User-based Collaborative Filtering，UserCF）算法［1］、基于物品的協(xié)同過濾（Item-based Collaborative Filtering，ItemCF）［3］算法和奇異值分解（Singular Value Decomposition，SVD）推薦算法為例，使用MovieLens1M 實(shí)現(xiàn)電影推薦，假設(shè)目標(biāo)用戶數(shù)量為100，在推薦列表長(zhǎng)度分別為10、15、20 時(shí)，推薦結(jié)果中不重復(fù)電影的數(shù)量隨推薦列表長(zhǎng)度的變化如圖2所示。

從圖2 中可以看出：ItemCF 算法在推薦列表長(zhǎng)度為10 時(shí)推薦了188 部不重復(fù)的電影，在推薦列表長(zhǎng)度為20 時(shí)推薦了286 部不重復(fù)電影；但推薦列表長(zhǎng)度為10 時(shí)ItemCF 算法應(yīng)為100 個(gè)用戶推薦的電影總量（包含重復(fù)的電影）為1 000 部，推薦列表長(zhǎng)度為20 時(shí)，則ItemCF 算法應(yīng)為100 個(gè)用戶推薦的電影總量為2 000 部。顯然，推薦列表的長(zhǎng)度從10 增長(zhǎng)到20，ItemCF 算法推薦的不重復(fù)電影數(shù)量增長(zhǎng)量（1.5 倍）低于向用戶推薦的電影總量的增長(zhǎng)量（2 倍）。在圖2 中的3 個(gè)算法里，UserCF 算法推薦的不重復(fù)電影數(shù)量最多，但在推薦列表長(zhǎng)度為20 時(shí)，它向用戶推薦的不重復(fù)電影數(shù)量也僅為494，僅占MovieLens數(shù)據(jù)集中電影總量的10%左右。因此，推薦系統(tǒng)中物品推薦數(shù)量的總體覆蓋率是嚴(yán)重偏低的，從而導(dǎo)致了推薦系統(tǒng)中推薦物品缺乏多樣性。由此，用戶的觀影、閱讀以及購(gòu)買物品等行為受到了局限性的引導(dǎo)，影響了用戶的知識(shí)擴(kuò)展和對(duì)新事物的適應(yīng)能力等。

圖1 觀影量的長(zhǎng)尾效應(yīng)Fig.1 Long tail effect of movie viewing

圖2 不重復(fù)推薦電影數(shù)量隨推薦列表長(zhǎng)度（L）的變化Fig.2 Number of non-repeating recommended movies varies with L

為提高推薦結(jié)果中物品的總體覆蓋率和多樣性，特別是增加長(zhǎng)尾物品的推薦數(shù)量，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）建立的推薦模型以及關(guān)注長(zhǎng)尾物品的推薦算法FLTI（Focusing on Long Tail Item）。

本文工作如下：1）分析了推薦列表中熱門物品與長(zhǎng)尾物品的關(guān)系，建立了熱門物品與長(zhǎng)尾物品的對(duì)應(yīng)關(guān)系；2）基于CNN 建立推薦框架，并基于此框架提出了關(guān)注長(zhǎng)尾物品的推薦算法FLTI；3）在公開的數(shù)據(jù)集MovieLens1M 和BookCrossing上進(jìn)行實(shí)驗(yàn)，并與傳統(tǒng)的UserCF、ItemCF、SVD 推薦算法以及協(xié)同去噪自動(dòng)編碼（Colloborative Denosing Auto-Encoder，CDAE）［4］方法在召回率、覆蓋率、多樣性等方面進(jìn)行了比較，結(jié)果顯示本文方法在覆蓋率和多樣性方面表現(xiàn)更佳。

1 相關(guān)工作

1.1 長(zhǎng)尾推薦

推薦系統(tǒng)中的長(zhǎng)尾問題研究主要集中在流行度低的物品推薦中，流行度低的物品主要指用戶對(duì)物品的評(píng)分?jǐn)?shù)量少的物品。長(zhǎng)尾推薦包括在線推薦和離線推薦：在線推薦主要是指查詢推薦［5-6］，根據(jù)用戶的查詢信息并結(jié)合用戶的歷史信息為用戶推薦符合其偏好的物品；而離線推薦是在未提供查詢關(guān)鍵字以及其他實(shí)時(shí)信息時(shí)，將用戶的歷史信息作為依據(jù)為用戶推薦符合其偏好的物品。本文主要研究的是離線推薦算法中的長(zhǎng)尾問題。從近年來(lái)的研究文獻(xiàn)中可以看出，離線的長(zhǎng)尾推薦方法主要有使用多目標(biāo)函數(shù)的優(yōu)化算法［7-9］、二部圖方法［10］、三部圖方法［11-13］、聚類方法［14］等。多目標(biāo)函數(shù)優(yōu)化包括評(píng)價(jià)模型準(zhǔn)確率、覆蓋率、多樣性等目標(biāo)的函數(shù)，如Hamedani 等［7］分別提出了在AICF（Attribute-aware Item-based Collaborative Filtering）方 法 和 AMOSA（Archived Multi-Objective Simulated Annealing）方法基礎(chǔ)上優(yōu)化推薦列表的方法，使得推薦列表的準(zhǔn)確度、多樣性方面有所提高，并減少了推薦列表中的流行度；Pang 等［8］提出了基于NSGA-II（Nondominated Sorting Genetic Algorithm II）算法的權(quán)重相似度計(jì)算方法，并同時(shí)將準(zhǔn)確率和覆蓋率作為目標(biāo)函數(shù)優(yōu)化推薦算法，實(shí)驗(yàn)表明該推薦算法在保證準(zhǔn)確率的同時(shí)提高了覆蓋率；Wang 等［9］提出了將準(zhǔn)確率和新穎度作為目標(biāo)函數(shù)建立推薦模型，實(shí)驗(yàn)表明該推薦算法相比傳統(tǒng)的推薦算法在準(zhǔn)確率、新穎度、多樣性等方面均有所提高。

Yin 等［10］提出了二部圖算法解決長(zhǎng)尾推薦問題。Johnson等在文獻(xiàn)［11］中提出了使用三部圖方法用于長(zhǎng)尾推薦，即使用user-genre和genre-item的形式來(lái)構(gòu)建三部圖。Luke等［12］在Johnson 提出的三部圖方法［11］的基礎(chǔ)上，優(yōu)化了user-genre 的關(guān)聯(lián)關(guān)系，在genre-item 關(guān)系圖中建立了更多的路徑，將Johnson提出的“full genre”關(guān)系轉(zhuǎn)換為“basic genre”關(guān)系，即將由多個(gè)類別構(gòu)成的類別信息轉(zhuǎn)換為單一的類別分別表示。比如，一部電影的類別是“Action，Adventure，Comedy”，則拆分為“Action”“Adventure”“Comedy”三個(gè)基本類別，通過提高圖的聯(lián)通性，從而改善了推薦效果。Johnson 等在文獻(xiàn)［13］中基于三部圖的推薦算法加入了馬爾可夫過程方法用于表示長(zhǎng)尾物品的區(qū)域，從而提高了推薦物品的多樣性。Grozin 等［14］使用基于session 距離的商品聚類方法來(lái)實(shí)現(xiàn)交叉銷售的長(zhǎng)尾推薦，與直接使用類型、產(chǎn)品相似度聚類相比在歸一化折損累積增益（Normalized Discounted Cumulative Gain，NDCG）指標(biāo)評(píng)測(cè)上效果更優(yōu)。

此外，Takama 等［15］還提出了基于用戶的個(gè)人價(jià)值觀來(lái)建立推薦模型，從而改善長(zhǎng)尾物品的推薦；Abdollahpouri 等［16］提出了基于物品流行度權(quán)重的方法來(lái)解決長(zhǎng)尾物品的推薦。

盡管以上方法在覆蓋率、多樣性、準(zhǔn)確性等各方面都有不同程度的改善，但很少考慮長(zhǎng)尾物品的推薦率，以及針對(duì)推薦列表中物品重復(fù)率高且頻繁推薦項(xiàng)較多等現(xiàn)象的改善。

1.2 基于深度學(xué)習(xí)的推薦模型

目前，深度學(xué)習(xí)在推薦系統(tǒng)中得到了廣泛的應(yīng)用［17］。深度學(xué)習(xí)主要包括循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）［18］和CNN［19］。其中，基于RNN 技術(shù)，研究人員提出了長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）和門限循環(huán)單元（Gated Recurrent Unit，GRU）。RNN 適用于序列數(shù)據(jù)的應(yīng)用，比如用戶的點(diǎn)擊流數(shù)據(jù)、用戶的實(shí)時(shí)位置數(shù)據(jù)等，它可以根據(jù)序列中的上一個(gè)狀態(tài)預(yù)測(cè)下一個(gè)狀態(tài)；CNN 則主要適用于圖像、文本等內(nèi)容的特征提取和分析。由于本文研究的推薦算法是離線的推薦算法，并且在推薦數(shù)據(jù)源中包含了大量的文本信息，因此，選用CNN處理文本特征。

2 問題描述及相關(guān)定義

為了明確本文中長(zhǎng)尾物品的推薦方法，本章將具體化問題描述及相關(guān)定義。關(guān)注長(zhǎng)尾物品的推薦，問題描述如下：

給定數(shù)據(jù)集D，為給定的目標(biāo)用戶Users=｛U1，U2，…，Un｝推薦長(zhǎng)度為L(zhǎng) 的物品集合Recommended_Items=｛I1，I2，…，In｝，p為長(zhǎng)尾物品數(shù)量占推薦列表中總物品數(shù)量的比例，使Recommended_Items滿足以下條件：1）在Recommended_Items 中含有指定比例p的長(zhǎng)尾物品；2）符合用戶的歷史偏好。

其中，長(zhǎng)尾物品是指物品的評(píng)分次數(shù)低于用戶對(duì)物品評(píng)分次數(shù)中位數(shù)的物品。

為了明確后續(xù)算法中所提及的定義，先介紹本文中用到的頻繁推薦項(xiàng)（Frequent Recommended Item，F(xiàn)RItem）、非頻繁推薦項(xiàng)（Infrequent Recommended Item，IRItem）、物品長(zhǎng)尾系數(shù)（Item Long Tail Coefficient，ILTC）等概念的定義。

定義1FRItem 和IRItem。FRItem 是指為目標(biāo)用戶Users所推薦的物品集Recommended_Items 中出現(xiàn)的次數(shù)高于物品出現(xiàn)次數(shù)中位數(shù)的項(xiàng)目，低于物品出現(xiàn)次數(shù)中位數(shù)的項(xiàng)目則為IRItem。

定義2ILTC。由物品的推薦次數(shù)和評(píng)分次數(shù)共同加權(quán)得出，第i個(gè)物品的物品長(zhǎng)尾系數(shù)計(jì)算公式如下：

其中：i 代表物品集合Items 中一個(gè)物品，α 的值代表推薦次數(shù)的權(quán)重值，rec_times 和rec_total 分別代表物品i 的推薦次數(shù)和推薦物品的總次數(shù)，rat_times 和rat_total 分別代表物品i 的評(píng)分次數(shù)和評(píng)分總次數(shù)。

3 長(zhǎng)尾物品的推薦框架及算法

3.1 長(zhǎng)尾物品推薦框架

長(zhǎng)尾物品推薦框架主要由數(shù)據(jù)處理層、推薦算法層、推薦列表生成層構(gòu)成，如圖3 所示。從圖3 可以看出，長(zhǎng)尾物品推薦框架的核心是推薦算法層，輸入是目標(biāo)用戶群，而輸出則是向目標(biāo)用戶群推薦的物品列表。

圖3 長(zhǎng)尾物品推薦框架Fig.3 Recommend framework for long tail items

數(shù)據(jù)處理層 首選從數(shù)據(jù)源中分別選取用戶和物品的特征，然后將用戶和物品的特征作標(biāo)準(zhǔn)化處理，并將用戶和物品的各特征作全連接。其中，將含有文本內(nèi)容多的特征使用CNN 的方式來(lái)處理文本內(nèi)容以提高相似度計(jì)算的準(zhǔn)確性，如在MovieLens 數(shù)據(jù)集中，將電影名稱特征使用CNN 方法得到文本的向量表示。最后，將用戶對(duì)物品的評(píng)分作為目標(biāo)，通過設(shè)置損失函數(shù)Huber 來(lái)訓(xùn)練得到用戶對(duì)物品的預(yù)測(cè)評(píng)分值。Huber 損失函數(shù)適用于回歸問題，對(duì)于離群點(diǎn)不敏感，降低了離群點(diǎn)對(duì)于損失函數(shù)的權(quán)重值，能有效避免模型過擬合，如式（2）所示。

其中：δ 是邊界值，用于判斷數(shù)據(jù)是否為異常點(diǎn)；y 為預(yù)測(cè)評(píng)分值；f（x）為實(shí)際評(píng)分值。

數(shù)據(jù)處理層的評(píng)分回歸模型的整體結(jié)構(gòu)如圖4所示。

推薦算法層 在數(shù)據(jù)處理層得到的回歸模型基礎(chǔ)上實(shí)現(xiàn)推薦算法，包括使用模型的正向傳播可以獲得用戶對(duì)物品的預(yù)測(cè)評(píng)分，計(jì)算物品的相似度和計(jì)算用戶的相似度。關(guān)注長(zhǎng)尾物品的推薦算法FLTI 首先根據(jù)目標(biāo)用戶已評(píng)分的物品，找到與其相似的物品產(chǎn)生推薦物品候選集；然后根據(jù)物品候選集物品的推薦次數(shù)的中位數(shù)拆分為頻繁推薦項(xiàng)集和非頻繁推薦項(xiàng)集，并查找非候選集與頻繁推薦項(xiàng)集相似的物品；最后，將符合用戶偏好的非候選集中的物品推薦給選擇過頻繁推薦項(xiàng)中物品的目標(biāo)用戶，并滿足長(zhǎng)尾比例p 的要求。具體的過程如圖5所示。

相似度計(jì)算方法根據(jù)數(shù)據(jù)處理層模型的表示，使用矩陣乘法并結(jié)合使用向量相似度計(jì)算的余弦相似度方法來(lái)計(jì)算物品的相似度和用戶相似度。

圖4 數(shù)據(jù)處理層模型Fig.4 Data processing layer model

圖5 FLTI算法的推薦流程Fig.5 Recommendation flow of FLTI algorithm

推薦列表生成層 為了讓目標(biāo)用戶能更多關(guān)注長(zhǎng)尾物品，在推薦列表排序中引入了長(zhǎng)尾系數(shù)。根據(jù)用戶對(duì)候選列表的預(yù)測(cè)評(píng)分以及長(zhǎng)尾系數(shù)對(duì)由推薦算法模型得到的候選物品列表進(jìn)行排序，對(duì)于預(yù)測(cè)評(píng)分相同的物品，按照長(zhǎng)尾系數(shù)升序排列。

3.2 FLTI算法描述

為了提高FLTI 算法的效率，通過數(shù)據(jù)處理層得到的模型，將用戶對(duì)物品的評(píng)分結(jié)果保存到文件中，在推薦算法中直接讀取該文件即可獲得用戶對(duì)物品的評(píng)分。

FLTI 算法主要是通過替換頻繁推薦項(xiàng)的方法實(shí)現(xiàn)的，并在替換時(shí)選擇在候選項(xiàng)中用戶預(yù)測(cè)評(píng)分最高的項(xiàng)目作為替換項(xiàng)，具體描述如下：

算法1 關(guān)注長(zhǎng)尾物品的推薦算法FLTI。

輸入 數(shù)據(jù)集D，長(zhǎng)尾比例P，推薦列表長(zhǎng)度L，目標(biāo)用戶Users；

輸出 目標(biāo)用戶的候選列表項(xiàng)CandidateDict。

for u in Users

獲取與用戶u相似的按照評(píng)分值降序排列的前L個(gè)物品

將用戶和對(duì)應(yīng)的物品列表添加到推薦列表候選集字典

temp_items中

end for

根據(jù)物品推薦次數(shù)的中位數(shù)，將temp_items 拆分為頻繁推薦項(xiàng)字典（frequent_items）和非頻繁推薦字典（infrequent_items）

for f_item in frequent_items

在非候選集中，獲取與f_item相似的L個(gè)物品存放到

temp_frequent_items字典中

end for

獲得用戶推薦列表中不符合長(zhǎng)尾比例p的用戶集合

candidate_users_items

for u，i in candidate_users_items

if i是frequent_items中的物品

將i 替換為temp_frequent_items 中用戶評(píng)分最高的物品，且用戶u的候選推薦列表中沒有該物品

重新計(jì)算用戶推薦列表中物品的長(zhǎng)尾比例，若未滿足長(zhǎng)尾比例，則繼續(xù)更新候選推薦列表。

若candidate_users_items 中仍有不滿足長(zhǎng)尾比例的用戶，則將candidate_users_items 中推薦次數(shù)最多的非長(zhǎng)尾項(xiàng)目替換為與其相似度最高的長(zhǎng)尾項(xiàng)目，且不在用戶的候選推薦列表中。

return CandidateDict

在算法1 中，為了減少內(nèi)存使用，將數(shù)據(jù)集中的長(zhǎng)尾物品以及運(yùn)算結(jié)果的中間步驟保存到文件中。此外，算法1 中重點(diǎn)關(guān)注了長(zhǎng)尾項(xiàng)目的推薦比例，長(zhǎng)尾比例的高低將直接影響推薦效果，若將長(zhǎng)尾比例設(shè)置為1，則表示推薦列表中的所有物品均為長(zhǎng)尾物品，此時(shí)，長(zhǎng)尾項(xiàng)目會(huì)成為頻繁推薦項(xiàng)，而之前的頻繁推薦項(xiàng)則會(huì)成為長(zhǎng)尾物品，依然會(huì)導(dǎo)致推薦結(jié)果中覆蓋率和多樣性下降；若將長(zhǎng)尾比例設(shè)置為0 或者0.1，則所有的推薦列表均能滿足要求，不能提升長(zhǎng)尾物品在推薦列表中的數(shù)量。因此，為了避免由于長(zhǎng)尾比例設(shè)置過大而導(dǎo)致的新的長(zhǎng)尾現(xiàn)象，建立統(tǒng)計(jì)頻繁推薦項(xiàng)的替換次數(shù)以及替換的長(zhǎng)尾物品數(shù)量的字典，并在加入到候選推薦列表時(shí)，選擇替換次數(shù)少且與要替換的物品相似度高的物品優(yōu)先替換。

此外，通過算法1 完成推薦候選集的篩選后，為了保證推薦列表中最大限度滿足用戶的偏好并優(yōu)先選擇長(zhǎng)尾物品，首先將候選集中用戶對(duì)物品的預(yù)測(cè)評(píng)分排序，若評(píng)分相同則按照物品的長(zhǎng)尾系數(shù)排序。

4 實(shí)驗(yàn)與結(jié)果分析

4.1 數(shù)據(jù)集與評(píng)價(jià)標(biāo)準(zhǔn)

實(shí)驗(yàn)環(huán)境：CPU 為Inter Core i5-4690K@3.5 GHz，內(nèi)存為16 GB；操作系統(tǒng)為Windows 10；軟件為TensorFlow1.13.1 和Python 3.6.4。

實(shí)驗(yàn)數(shù)據(jù)集為公開的數(shù)據(jù)集MovieLens1M（https：//grouplens.org/datasets）和BookCrossing。其中，Movielens 1M數(shù)據(jù)集中存放了6 040 位用戶對(duì)3 883 部電影的評(píng)分信息，包含了用戶表（users）、評(píng)分表（ratings）、電影表（movies）；BookCrossing 數(shù)據(jù)集中存放了278 858 位用戶對(duì)271 379 本書的評(píng)分信息，包含了用戶表（BX-Users）、評(píng)分表（BX-Book-Ratings）以及圖書表（BX-Books）。

為了驗(yàn)證FLTI 算法的有效性，選擇了三類方法進(jìn)行對(duì)比：一類是基于近鄰的推薦方法，包括基于用戶的協(xié)同過濾（UserCF）算法和基于物品的協(xié)同過濾（ItemCF）算法；一類是基于矩陣分解的推薦方法，即基本的SVD 推薦算法；一類是基于神經(jīng)網(wǎng)絡(luò)的方法CDAE。除了CDAE算法外，其余算法都采用基于Python 語(yǔ)言的surprise（https：//surprise.readthedocs.io/en/stable/）庫(kù)中所提供的協(xié)同過濾算法（KNNBasic）和SVD算法。在KNNBasic 方法中通過更改“sim_option”中的屬性值切 換UserCF 和ItemCF 兩 種 算 法：當(dāng)“sim_option”中“user_based”的值為“True”則為基于用戶的協(xié)同過濾算法；當(dāng)“user_based”的值為“False”則為基于物品的協(xié)同過濾算法。實(shí)驗(yàn)方法說明如表1所示。

評(píng)價(jià)標(biāo)準(zhǔn)包括召回率（Recall@L）［10］、覆蓋率（Coverage）［5］和多樣性（Diversity）［10］。

召回率用于驗(yàn)證在推薦列表的準(zhǔn)確性，如式（3）所示：

其中：hit@L 表示推薦列表L 中為目標(biāo)用戶推薦的正確項(xiàng)目個(gè)數(shù)，N 表示目標(biāo)用戶在測(cè)試數(shù)據(jù)集中所有正確推薦項(xiàng)目的數(shù)量。

覆蓋率指標(biāo)和多樣性指標(biāo)用于驗(yàn)證推薦結(jié)果的長(zhǎng)尾情況，分別如式（4）和式（5）所示。

其中：R（u）表示為用戶推薦的物品數(shù)量，T 表示數(shù)據(jù)集中物品總量。

其中：R（u）表示為用戶推薦的物品數(shù)量，I 表示向用戶推薦物品的總量。比如，向500個(gè)用戶推薦10部電影，則推薦物品的總量為5 000。

表1 實(shí)驗(yàn)中用到的方法說明Tab.1 Explanation of methods used in experiment

4.2 實(shí)驗(yàn)步驟與分析

為了提高模型預(yù)測(cè)的準(zhǔn)確性，所有方法均使用五折交叉法來(lái)訓(xùn)練模型。針對(duì)數(shù)據(jù)集MovieLens1M 和BookCrossing 中數(shù)據(jù)特征不同的情況，推薦模型的參數(shù)設(shè)置除了目標(biāo)函數(shù)（即損失函數(shù)）和激活函數(shù)都設(shè)置為Huber 和ReLU 外，初始學(xué)習(xí)率（Learning_rate）分別設(shè)置為0.01 和0.001，初始批處理參數(shù)（batch_size）分別設(shè)置為256 和100。為了保證驗(yàn)證結(jié)果的一致性，長(zhǎng)尾比例p均設(shè)置為0.35。

1）召回率。將推薦列表長(zhǎng)度分別設(shè)置為10、15、20，各方法在Movielens 1M 數(shù)據(jù)集和BookCrossing 數(shù)據(jù)集上的召回率測(cè)試結(jié)果如圖6 所示。從Recall@L 的測(cè)試結(jié)果可以看出，F(xiàn)LTR 方法的評(píng)測(cè)值略高于其他對(duì)比方法。由于BookCrossing數(shù)據(jù)集的稀疏程度高于Movielens 數(shù)據(jù)集，實(shí)驗(yàn)中的方法均用到了用戶對(duì)物品的評(píng)分表，因此，Recall@L 的結(jié)果普遍要低于MovieLens上的評(píng)測(cè)結(jié)果。

圖6 兩個(gè)數(shù)據(jù)集上不同方法的召回率對(duì)比Fig.6 Comparison of recall rate of different methods on two datasets

2）覆蓋率和多樣性。在驗(yàn)證覆蓋率和多樣性時(shí)，仍設(shè)置推薦列表長(zhǎng)度為10、15、20。驗(yàn)證覆蓋率時(shí)，由于對(duì)比方法中只考慮了評(píng)分?jǐn)?shù)據(jù)中的物品，因此，總物品數(shù)量的計(jì)算是參與推薦的總物品數(shù)量。在MovieLens 和BookCrossing 數(shù)據(jù)集上的覆蓋率結(jié)果如圖7所示，多樣性的實(shí)驗(yàn)結(jié)果如圖8所示。從圖7、8可以看出，F(xiàn)LTI相比對(duì)比方法有明顯的優(yōu)勢(shì)，特別是在Movielens 數(shù)據(jù)集上，當(dāng)FLTI 方法在推薦列表長(zhǎng)度為20 時(shí)，覆蓋率到達(dá)了40%以上，而ItemCF方法的覆蓋率僅為20%。

綜上所述，F(xiàn)LTI 算法在MovieLens 數(shù)據(jù)集和BookCrossing數(shù)據(jù)集上的覆蓋率和多樣性的結(jié)果都有所提高，當(dāng)長(zhǎng)尾比例為0.35時(shí)，在Movielen 數(shù)據(jù)集上且推薦列表長(zhǎng)度為10時(shí)的覆蓋率和多樣性提升比例最多，分別為51%和59%；并且在數(shù)據(jù)稀疏程度高的BookCrossing 數(shù)據(jù)集上效果更優(yōu)。在FLTI算法中，隨著長(zhǎng)尾比例的提高，覆蓋率和多樣性也將不斷提高，但準(zhǔn)確率和召回率會(huì)有所降低，因此，在實(shí)際應(yīng)用中，需要根據(jù)不同數(shù)據(jù)集的稀疏情況以及推薦系統(tǒng)的實(shí)際需求來(lái)調(diào)整長(zhǎng)尾比例。

圖7 兩個(gè)數(shù)據(jù)集上不同方法的覆蓋率對(duì)比Fig.7 Comparison of coverage rate of different methods on two datasets

圖8 兩個(gè)數(shù)據(jù)集上不同方法的多樣性對(duì)比Fig.8 Comparison of diversity of different methods on two datasets

5 結(jié)語(yǔ)

本文針對(duì)推薦系統(tǒng)中的推薦物品存在的長(zhǎng)尾現(xiàn)象，提出了一種關(guān)注長(zhǎng)尾物品的推薦框架以及推薦算法FLTI。在關(guān)注長(zhǎng)尾物品的推薦框架中使用三層結(jié)構(gòu)實(shí)現(xiàn)了長(zhǎng)尾物品推薦：在數(shù)據(jù)預(yù)處理層中使用深度學(xué)習(xí)的方法全面地將用戶特征、物品特征結(jié)合在一起，并將數(shù)據(jù)特征中的文本內(nèi)容部分通過CNN 卷積，以便更好地實(shí)現(xiàn)對(duì)特征的語(yǔ)義分析；在推薦模型層中，關(guān)注了長(zhǎng)尾物品推薦的比例，并使長(zhǎng)尾物品盡可能符合用戶的偏好；在推薦列表生成層中，使用了用戶對(duì)物品的預(yù)測(cè)評(píng)分以及長(zhǎng)尾系數(shù)對(duì)推薦列表中的物品排序。在公開數(shù)據(jù)集MovieLens1M 和BookCrossing 上與推薦系統(tǒng)中的基本算法UserCF、ItemCF、SVD 以及CDAE 進(jìn)行了對(duì)比，結(jié)果顯示FLTI算法在覆蓋率和多樣性方面較對(duì)比方法占有較大優(yōu)勢(shì)。在后續(xù)的研究工作中，將重點(diǎn)研究使用深度學(xué)習(xí)的方法通過學(xué)習(xí)長(zhǎng)尾物品的特征，使得推薦結(jié)果中出現(xiàn)更多的長(zhǎng)尾物品，且提高推薦物品的準(zhǔn)確率。