王宇飛 陳 璐

(浙江工業(yè)大學(xué)管理學(xué)院 浙江 杭州 310023)

0 引 言

隨著信息時(shí)代的到來(lái)，信息過載問題愈發(fā)突出，面對(duì)海量的數(shù)據(jù)，傳統(tǒng)信息獲取工具已無(wú)法滿足用戶個(gè)性化的需求。推薦系統(tǒng)使用用戶行為產(chǎn)生的數(shù)據(jù)來(lái)探求用戶的興趣、預(yù)測(cè)用戶行為，從大量繁雜的數(shù)據(jù)中找到符合用戶的項(xiàng)目(如信息，服務(wù)，物品等)，并將其推薦給用戶，不僅節(jié)約了用戶篩選信息的時(shí)間，還提高了信息的利用率[1]。

傳統(tǒng)的推薦算法[2]必須依賴用戶評(píng)價(jià)信息。以電影推薦為例，由于電影的數(shù)量龐大，用戶只可能對(duì)其中的一部分進(jìn)行評(píng)價(jià)，因此會(huì)產(chǎn)生用戶共同評(píng)分項(xiàng)目太少導(dǎo)致評(píng)分?jǐn)?shù)據(jù)稀疏的問題，這會(huì)導(dǎo)致在使用用戶對(duì)項(xiàng)目的評(píng)分計(jì)算用戶或物品的相似度時(shí)，產(chǎn)生較大的誤差。這樣，就難以保證最近鄰居搜索結(jié)果的準(zhǔn)確性，使得預(yù)測(cè)值與真實(shí)值之間可能誤差較大，從而影響推薦的效果。

針對(duì)傳統(tǒng)算法中存在的問題，相關(guān)領(lǐng)域的研究人員使用聚類[3-4]、矩陣分解[5-6]、slope one算法[7-8]等方法來(lái)解決這個(gè)問題。朱麗中等[9]將云模型方法引入到協(xié)同過濾算法中來(lái)，利用項(xiàng)目聚合產(chǎn)生預(yù)測(cè)結(jié)果，從而提高推薦結(jié)果的穩(wěn)定性。韋素云等[10]利用項(xiàng)目屬性構(gòu)造項(xiàng)目相似度矩陣，并與興趣度相結(jié)合,使用改進(jìn)的公式重新衡量項(xiàng)目的相似度，提升推薦質(zhì)量。魏甜甜等[11]在項(xiàng)目相似度計(jì)算時(shí)引入項(xiàng)目流行度，提升了推薦準(zhǔn)確度。上述方法都通過分析項(xiàng)目，利用項(xiàng)目的不同特性提高推薦的質(zhì)量，但并沒有很好地將項(xiàng)目的內(nèi)容信息提取出來(lái)加以利用。

伴隨著讀圖時(shí)代的到來(lái)，快節(jié)奏的生活導(dǎo)致時(shí)間的碎片化程度加重，許多人沒有整塊時(shí)間去閱讀文字，人們也不愿意將注意力集中在文字上。圖像等類似媒體(包括短視頻)替代了文字，它們能讓人們以最輕松的方式快速獲取信息，人們也更加愿意通過圖像來(lái)了解信息。圖像在一定程度上可以反映項(xiàng)目的內(nèi)容，內(nèi)容信息相近的項(xiàng)目，其圖像往往也具有很高的相似度。本文將項(xiàng)目圖像與評(píng)分動(dòng)態(tài)組合，得到一種新的推薦算法，從項(xiàng)目圖像和項(xiàng)目評(píng)分兩方面出發(fā)，解決傳統(tǒng)算法中存在的問題，提高推薦質(zhì)量。

1 基于項(xiàng)目的協(xié)同過濾算法

1.1 數(shù)據(jù)描述

本文將用戶集合定義表示為U={u1,u2,…，um},項(xiàng)目集合表示為I={i1,i2,…,in},用戶-項(xiàng)目的評(píng)分矩陣表示為R=(rui)m×n，得到的評(píng)分矩陣R如下：

1.2 項(xiàng)目評(píng)分相似度計(jì)算

(1)

2 融合項(xiàng)目圖像的混合推薦算法

針對(duì)根據(jù)項(xiàng)目進(jìn)行推薦時(shí)并沒有完全利用項(xiàng)目圖像這一因素，本文利用卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，利用提取后的特征值得到項(xiàng)目圖像之間的相似度，與項(xiàng)目評(píng)分相似度動(dòng)態(tài)結(jié)合，進(jìn)而產(chǎn)生推薦。

2.1 VGG16卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)(CNN)是近年發(fā)展起來(lái)的一種圖像特征提取方法[12]，由于其抽取的圖像特征是通過數(shù)據(jù)學(xué)習(xí)得來(lái)的，克服了傳統(tǒng)手工需要通過設(shè)計(jì)才能提取圖像特征的缺陷，節(jié)約了大量的人力和時(shí)間，因而受到廣泛的關(guān)注。VGG16是使用最多、效果顯著的卷積神經(jīng)網(wǎng)絡(luò)模型[13]，其利用卷積計(jì)算層、池化層進(jìn)行圖像特征的提取[14]。

卷積層采用卷積的方式，即一種加權(quán)的方法，通過一個(gè)加權(quán)函數(shù)(卷積核)對(duì)提取特征需要的信息賦予更高的權(quán)重，進(jìn)行特征提取，將卷積核重復(fù)作用于圖像的每一塊區(qū)域，即完成一次特征提取，提取出的結(jié)果稱之為特征圖。池化層的主要作用就是將經(jīng)過卷積層處理后得到的特征圖進(jìn)行一定程度的壓縮，防止過擬合現(xiàn)象的出現(xiàn)。

2.2 圖像相似度

經(jīng)過VGG16卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，每一個(gè)電影海報(bào)輸入到VGG16模型中進(jìn)行特征提取，會(huì)形成一個(gè)512×7×7的輸出，即提取到的電影海報(bào)的特征數(shù)據(jù)，把這個(gè)輸出處理為一維的形式，將每個(gè)電影海報(bào)的特征記錄下來(lái)，利用余弦相似度公式獲得項(xiàng)目圖像相似度sim2：

(2)

式中:ia、ja分別代表項(xiàng)目i和j的圖像經(jīng)過特征提取后形成的向量；pik、pjk分別代表向量ia、向量ja在位置k上的取值。

2.3 混合相似度

由于電影海報(bào)中會(huì)有一些通用的元素，比如人物形象、場(chǎng)景等，這些元素可能使關(guān)聯(lián)性不是很強(qiáng)的項(xiàng)目具有很高的圖像相似度，因此引入項(xiàng)目類別屬性來(lái)對(duì)項(xiàng)目圖像相似度進(jìn)行修正，使利用圖像相似度找到的都是項(xiàng)目類型、內(nèi)容與目標(biāo)項(xiàng)目更加接近的項(xiàng)目。電影有動(dòng)作、科幻、愛情、冒險(xiǎn)等項(xiàng)目類別屬性，利用數(shù)據(jù)集存儲(chǔ)的項(xiàng)目信息，提取出項(xiàng)目的類別屬性矩陣，如表1所示。

表1 項(xiàng)目-類別屬性矩陣

表1中：I1-I5表示項(xiàng)目；S1-S5表示項(xiàng)目類別屬性；1表示項(xiàng)目有這個(gè)類別屬性；0表示項(xiàng)目沒有這個(gè)類別屬性。通過數(shù)據(jù)集，獲取項(xiàng)目-類別屬性信息，可得到項(xiàng)目-類別屬性矩陣CN,從中可以得到每個(gè)項(xiàng)目的類別屬性，并利用式(3)[15]來(lái)度量?jī)蓚€(gè)項(xiàng)目屬性相似度。

(3)

式中:CNi、CNj代表類別屬性集；CNi∩CNj是i與j都擁有的類別屬性數(shù)量；CNi∪CNj為項(xiàng)目i與j擁有的所有類別屬性的量。λ越大表示項(xiàng)目類別屬性相差越大，λ越小表示項(xiàng)目類別屬性相差越小。本文設(shè)計(jì)類別屬性因子λ，將評(píng)分與圖像的相似度線性結(jié)合,計(jì)算方式如下:

sim(i,j)=(1-λ)sim1(i,j)+λsim2(i,j)

(4)

引入λ來(lái)組合圖像和評(píng)分的相似度，λ與項(xiàng)目的屬性類別有關(guān)，利用項(xiàng)目類別屬性可以修正項(xiàng)目圖像由于圖像共有元素而導(dǎo)致的計(jì)算偏差，可以更好地找到與目標(biāo)項(xiàng)目特性相同的項(xiàng)目。

2.4 預(yù)測(cè)評(píng)分生成

通過式(4)，可獲得項(xiàng)目間的相似度，構(gòu)造出相似度矩陣S。對(duì)于任意用戶u，根據(jù)用戶-項(xiàng)目評(píng)分矩陣Rmn獲得用戶u的已評(píng)分項(xiàng)目集合Iu，可以得到u的未評(píng)價(jià)的項(xiàng)目集Nu=I-Iu。對(duì)于集合中的元素i(i∈Nu)，可以根據(jù)矩陣R和矩陣S選取出與項(xiàng)目i相似度最高且有評(píng)分的一些項(xiàng)目構(gòu)成其最近鄰Inear={ii1,ii2,…,iim}，并用式(5)來(lái)預(yù)測(cè)u對(duì)i的評(píng)分[16]。

(5)

2.5 算法流程

本文引入圖像信息,把項(xiàng)目圖像信息和評(píng)分信息進(jìn)行線性結(jié)合,得到新的項(xiàng)目相似度計(jì)算方法；通過新的計(jì)算方式，得到項(xiàng)目的最近鄰集；通過最近鄰集，預(yù)計(jì)評(píng)價(jià)值；使用預(yù)計(jì)分值進(jìn)行排序，將預(yù)計(jì)評(píng)分高的項(xiàng)目推薦給用戶。融合項(xiàng)目圖像的混合推薦算法(PB-CF)的具體流程圖如圖1所示。

圖1 PB-CF算法流程圖

由于只利用圖像信息同樣可以得到項(xiàng)目的相似度找到項(xiàng)目的最近鄰集進(jìn)行評(píng)分的預(yù)測(cè)，因此本文同時(shí)提出只基于項(xiàng)目圖像信息的相似度計(jì)算方法，融合項(xiàng)目圖像的混合推薦算法(P-CF)的具體流程圖如圖2所示。

圖2 P-CF算法流程圖

3 實(shí) 驗(yàn)

3.1 數(shù)據(jù)集

本文使用MovieLens100k[17]作為實(shí)驗(yàn)數(shù)據(jù)集，MovieLens是推薦算法研究領(lǐng)域中最被人熟知、最常被使用的數(shù)據(jù)集，其中有943名測(cè)試者對(duì)1 683部影片的10萬(wàn)條記錄信息，電影海報(bào)數(shù)據(jù)集來(lái)自IMBD，通過API接口找到MovieLens數(shù)據(jù)集中的相關(guān)電影海報(bào)。

實(shí)驗(yàn)環(huán)境使用Windows 10操作系統(tǒng)，8 GB內(nèi)存的Intel i5-7300處理器，在Spyder開發(fā)環(huán)境下，使用Python語(yǔ)言進(jìn)行算法代碼的編寫和測(cè)試。將MovieLens數(shù)據(jù)集中的數(shù)據(jù)按照4∶1的比例進(jìn)行隨機(jī)劃分，其中80%的數(shù)據(jù)作為訓(xùn)練集數(shù)據(jù)，另外20%的數(shù)據(jù)作為測(cè)試集數(shù)據(jù)。

3.2 評(píng)價(jià)指標(biāo)

實(shí)驗(yàn)使用平均絕對(duì)誤差(MAE)和均方根誤差(RMSE)作為實(shí)驗(yàn)的評(píng)價(jià)指標(biāo),其具體的計(jì)算公式如下：

(6)

(7)

式中：N為預(yù)測(cè)評(píng)分集合中的項(xiàng)目的個(gè)數(shù)；pi為通過本文算法得到的用戶對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分；qi表示用戶對(duì)該項(xiàng)目的實(shí)際評(píng)分。推薦的效果與MAE和RMSE的值呈負(fù)相關(guān)關(guān)系，MAE、RMSE值越小，表示推薦的效果越好，推薦質(zhì)量越高。

3.3 最近鄰數(shù)量確定實(shí)驗(yàn)

為確定本文算法中最近鄰數(shù)量的最佳值，本次試驗(yàn)選取10、15、20、25、30、35、40、45、50的幾種最近鄰數(shù)量進(jìn)行實(shí)驗(yàn)，圖3、圖4為實(shí)驗(yàn)結(jié)果。

圖3 各最近鄰數(shù)量下MAE誤差情況

圖4 各最近鄰數(shù)量下RMSE誤差情況

由圖3可知，隨著最近鄰數(shù)量的增加，MAE的值逐漸變小，最近鄰數(shù)為40時(shí)，MAE值趨于穩(wěn)定，約為0.75。由圖4可知，隨著最近鄰數(shù)量的增加，RMSE的值逐漸變小，最近鄰數(shù)為40時(shí)，RMSE值趨于穩(wěn)定，約為0.96。

3.4 對(duì)比實(shí)驗(yàn)

為了體現(xiàn)本文PB-CF算法和P-CF算法的推薦結(jié)果準(zhǔn)確性與其他算法的差別，本文選取傳統(tǒng)的推薦算法進(jìn)行對(duì)比試驗(yàn)，其中包括基于項(xiàng)目的協(xié)同過濾算法(IBCF)、基于用戶的協(xié)同過濾算法(UB)，對(duì)比結(jié)果如圖5、圖6所示?？梢钥闯?，相較其他推薦方法，本文的PB-CF和P-CF算法推薦誤差值較小。基于圖像的P-CF算法的MAE和RMSE值比其他三種算法的準(zhǔn)確度更高，但考慮到信息的多樣性和單一數(shù)據(jù)集數(shù)據(jù)的特殊性問題，還是利用PB-CF算法進(jìn)行推薦。

圖5 對(duì)比實(shí)驗(yàn)結(jié)果1

圖6 對(duì)比實(shí)驗(yàn)結(jié)果2

4 結(jié) 語(yǔ)

本文將圖像信息引入到項(xiàng)目相似度計(jì)算公式中，并設(shè)計(jì)動(dòng)態(tài)加權(quán)方式對(duì)其進(jìn)行結(jié)合，獲得新的項(xiàng)目相似度衡量方式，通過算法獲得的項(xiàng)目最近鄰更精準(zhǔn)。實(shí)驗(yàn)結(jié)果表明,本文提出的融合項(xiàng)目圖像相似度計(jì)算方式，在引入項(xiàng)目圖像特征后有效地緩解由于數(shù)據(jù)稀疏引起的計(jì)算偏差，提升推薦的準(zhǔn)確度，不足之處在于圖像特征提取的準(zhǔn)確度還不夠高,針對(duì)不同的數(shù)據(jù)集利用圖像信息是否能取得同樣良好的效果，需要進(jìn)一步深入研究。