李 琳，王 莉

（遼寧科技大學(xué) 計(jì)算機(jī)與軟件工程學(xué)院，遼寧 鞍山 114051）

信息技術(shù)的快速發(fā)展使信息快速傳播，如何更快、更好地獲取到對(duì)自己有價(jià)值的信息至關(guān)重要。當(dāng)前，推薦系統(tǒng)作為處理這一問(wèn)題最重要的方式之一，遍及各個(gè)領(lǐng)域。協(xié)同過(guò)濾推薦是當(dāng)前使用頻率最高的推薦技術(shù)。新聞推薦與電影和音樂(lè)推薦等最大的差異是注重時(shí)效性。黃賢英等［1］在傳統(tǒng)協(xié)同過(guò)濾的基礎(chǔ)上提出了時(shí)間窗的概念，使興趣被及時(shí)捕獲。馮文杰等［2］通過(guò)協(xié)同過(guò)濾進(jìn)行新聞推薦時(shí)，針對(duì)時(shí)效性提出改進(jìn)，提高了推薦的準(zhǔn)確性。Jiang等［3］提出一種即時(shí)算法和系統(tǒng)架構(gòu)以滿足實(shí)時(shí)性要求。協(xié)同過(guò)濾方法目前尚未解決的問(wèn)題冷啟動(dòng)問(wèn)題，新進(jìn)入系統(tǒng)的用戶或者對(duì)新聞缺乏足夠點(diǎn)擊量的用戶，系統(tǒng)無(wú)法對(duì)其興趣進(jìn)行推測(cè)，只有獲得足夠點(diǎn)擊量時(shí)，系統(tǒng)才可以向他們進(jìn)行推薦，這個(gè)過(guò)程通常需要一定的時(shí)間［4］。與協(xié)同過(guò)濾相比，基于內(nèi)容推薦可以緩解這一問(wèn)題。韓東冉［5］改進(jìn)了基于內(nèi)容的推薦系統(tǒng)，從多個(gè)方面對(duì)文本進(jìn)行處理。Hamed 等［6］使用統(tǒng)計(jì)語(yǔ)言建?？蚣荛_發(fā)了一個(gè)基于內(nèi)容的過(guò)濾系統(tǒng)。盡管基于內(nèi)容推薦可以緩解冷啟動(dòng)問(wèn)題，但是長(zhǎng)期使用會(huì)產(chǎn)生信息繭房。將協(xié)同過(guò)濾與基于內(nèi)容的推薦相融合，既可以保證多樣化又可以緩解冷啟動(dòng)問(wèn)題，廣泛應(yīng)用在新聞相關(guān)的推薦領(lǐng)域［7］。畢曦文等［8］將多種方法進(jìn)行融合，根據(jù)需求進(jìn)行個(gè)性化推薦。Yan 等［9］根據(jù)用戶偏好提出一種結(jié)合用戶偏好的協(xié)同過(guò)濾算法。本文提出一種基于融合偏好的新聞推薦算法。相對(duì)于傳統(tǒng)方式，改進(jìn)后的方法權(quán)衡用戶瀏覽多樣化和個(gè)性化的需求，降低時(shí)間對(duì)興趣變化的影響。

1 常用推薦算法

1.1 基于內(nèi)容的推薦算法

基于內(nèi)容的推薦常用于文本領(lǐng)域，尤其是新聞推薦。通過(guò)文本的內(nèi)容可以直接明了地發(fā)現(xiàn)用戶的偏好。此方法通過(guò)分析用戶已閱讀新聞的內(nèi)容特征，用內(nèi)容特征表示自身偏好，通過(guò)匹配內(nèi)容特征相似的新聞進(jìn)行推薦。該方法主要包括三個(gè)步驟：（1）提取新聞的內(nèi)容特征，用內(nèi)容特征表示新聞；（2）利用適合的方法，將已閱讀新聞的內(nèi)容特征歸并，構(gòu)建用戶偏好模型；（3）根據(jù)候選新聞的特征與用戶興趣特性的相似性推薦。

1.2 文本向量化

在新聞文本中，同一個(gè)特征詞在不同的新聞里重要程度存在差異，計(jì)算特征詞在向量空間中的權(quán)值可以體現(xiàn)這種差異。常用的權(quán)值計(jì)算方法是 TF-IDF（Term frequency-inverse document frequency）表示法，此外還有布爾表示法以及詞頻表示法。本文選擇TF-IDF表示法。由于新聞文本的長(zhǎng)度存在差異，為權(quán)衡長(zhǎng)、短文本之間詞項(xiàng)的權(quán)重，引入權(quán)重計(jì)算式

式中：wij為特征詞j在新聞i中的權(quán)重；f(i,j)是在新聞i中呈現(xiàn)特征詞j的次數(shù)；maxOhters(i,j)是新聞i中呈現(xiàn)最頻繁的特征詞；N為所有新聞的數(shù)目；N(j)是存在特征詞j的新聞數(shù)目。

當(dāng)所有特征詞在新聞中的權(quán)重計(jì)算完成后，定義新聞集D的權(quán)值矩陣DM

1.3 基于用戶的協(xié)同過(guò)濾算法

協(xié)同過(guò)濾算法是當(dāng)前使用頻率最高的推薦技術(shù)。在新聞推薦領(lǐng)域，用戶量的變化比新聞的更新速度緩慢，所以，新聞推薦通常利用基于用戶的協(xié)同過(guò)濾。此方法以用戶間相似性為依據(jù)，構(gòu)建最近鄰，根據(jù)最近鄰的偏好預(yù)測(cè)目標(biāo)用戶可能感興趣的新聞。該方法主要包括兩個(gè)步驟：（1）通過(guò)用戶的行為日志數(shù)據(jù)，發(fā)現(xiàn)興趣一致的用戶，稱其為最近鄰；（2）計(jì)算目標(biāo)用戶喜歡其最近鄰感興趣的新聞的可能性，推薦可能性高的新聞。

常用的相似度計(jì)算方式為余弦相似度

式中：S(u)和S(v)分別表示用戶u和v已產(chǎn)生瀏覽記錄的項(xiàng)目數(shù)目；sim(u,v)=1時(shí)說(shuō)明兩個(gè)用戶的瀏覽記錄完全相同，計(jì)算的結(jié)果越接近1，說(shuō)明兩個(gè)用戶間的瀏覽記錄相似程度越大，用戶間的相似度越大。

2 融合偏好算法

2.1 用戶自身偏好

通過(guò)對(duì)特征值的權(quán)值計(jì)算，將所有用戶點(diǎn)擊過(guò)的新聞表示為特征詞對(duì)應(yīng)的特征向量。權(quán)值矩陣DMu表示為

式中：wuij為特征詞j在用戶閱讀過(guò)的新聞i中的權(quán)重。

用戶興趣會(huì)隨時(shí)間而改變，所以目標(biāo)用戶近期的行為數(shù)據(jù)對(duì)于該用戶將要發(fā)生的行為具有很強(qiáng)的影響力，而相隔時(shí)間較長(zhǎng)的行為數(shù)據(jù)影響力相對(duì)較小。結(jié)合用戶點(diǎn)擊時(shí)間，定義時(shí)間影響因子為

式中；Du為用戶u閱讀的新聞集；duj為用戶u閱讀的新聞；tnow為當(dāng)前時(shí)間；ti和tj為點(diǎn)擊新聞i和新聞j的時(shí)間。

如果一個(gè)用戶長(zhǎng)期沒有瀏覽記錄，那么式（5）并不能很好地反映出用戶興趣變化的可能性。為了更好地反應(yīng)用戶興趣隨時(shí)間的變化，提取目標(biāo)用戶的最后一條瀏覽記錄的點(diǎn)擊時(shí)間tn，根據(jù)tn與當(dāng)前時(shí)間tnow的時(shí)間間隔設(shè)定分區(qū)系數(shù)，對(duì)時(shí)間因子改進(jìn)。改進(jìn)后的時(shí)間影響因子為

式中：ηi為時(shí)間影響因子；ηu為用戶分區(qū)系數(shù)；tnow為設(shè)定當(dāng)前時(shí)間；tn為用戶最后一條瀏覽記錄的點(diǎn)擊時(shí)間。

將用戶自身偏好模型定義為EMu，具體表示為EMu=(w1u1,w1u2,…,w1uj,…,w1uk)，權(quán)值w1uj表示為

式中：Du為用戶u瀏覽過(guò)的新聞集；dui為用戶瀏覽過(guò)的新聞i；wuij為特征詞j在用戶閱讀過(guò)的新聞i中的權(quán)重；DMu為用戶自身偏好權(quán)值矩陣；μui為改進(jìn)后的時(shí)間影響因子。

2.2 用戶潛在偏好

2.2.1 混合相似度 在傳統(tǒng)協(xié)同過(guò)濾中，只通過(guò)點(diǎn)擊行為判斷用戶是否存在相同興趣。但是在新聞推薦中，由于新聞報(bào)道的多樣性，在尋找最近鄰時(shí)，只通過(guò)點(diǎn)擊行為判斷，會(huì)錯(cuò)過(guò)因?yàn)辄c(diǎn)擊不同新聞關(guān)注的卻是同一事件的用戶。針對(duì)這一問(wèn)題，提出了基于內(nèi)容與行為的混合相似度，將用戶相似度分為行為相似度和內(nèi)容相似度兩個(gè)部分。

時(shí)間是新聞推薦必須考慮的因素，用戶產(chǎn)生行為的時(shí)刻距當(dāng)前時(shí)刻越遠(yuǎn)，用戶行為對(duì)推測(cè)的作用越有限。時(shí)間衰減有很多表現(xiàn)形式，定義時(shí)間衰減項(xiàng)為

式中：α為時(shí)間衰減因子；tuj和tvj代表用戶u和v閱讀同一篇新聞j的時(shí)刻；代表用戶u和v對(duì)新聞j產(chǎn)生操作的時(shí)間差越小，則其受時(shí)間影響越小，從而u和v的相似度越大，反之則越小。

行為相似度一般使用余弦相似度計(jì)算?，F(xiàn)實(shí)應(yīng)用中，熱點(diǎn)事件會(huì)對(duì)用戶興趣的評(píng)估造成影響，余弦相似度無(wú)法體現(xiàn)新聞熱度對(duì)用戶行為相似度的影響。為表示兩個(gè)用戶同時(shí)閱讀不同熱度新聞的相似度差異，定義熱門懲罰因子為

式中：N(j)為瀏覽過(guò)新聞j的用戶集。

根據(jù)新聞推薦的特性，對(duì)式（3）進(jìn)行了改進(jìn)，同時(shí)考慮熱度和時(shí)間對(duì)相似度的影響。改進(jìn)后的行為相似度表示為

式中：D(u)和D(v)分別為用戶u和用戶v的閱讀新聞集；m為調(diào)節(jié)因子，m值越大，時(shí)間影響的程度越大，新聞熱度影響的程度越小。

通過(guò)用戶的自身偏好模型計(jì)算用戶間的內(nèi)容相似度。用戶u的自身偏好模型為EMu，用戶v的自身偏好模型為EMv，用戶間的內(nèi)容相似度表示為

結(jié)合式（11）和式（12），混合相似度表示為

其中：β為加權(quán)因子，β∈［0，1］；β=0 時(shí)，僅考慮內(nèi)容特征；β=1時(shí)，僅考慮行為特征。

2.2.2 用戶潛在偏好矩陣 利用混合相似度找到最近鄰，預(yù)測(cè)用戶對(duì)特征詞的興趣，得到目標(biāo)用戶的潛在偏好模型。將用戶的潛在偏好模型定義為PMu，PMu=(w2u1,w2u2,…,w2uj,…,w2uk) ，權(quán) 值w2uj表示為

式中：N(u)為用戶u的最近鄰；sim(u,v)為用戶u與其最近鄰的相似度。

2.3 融合偏好

推薦算法的目標(biāo)是最大化用戶對(duì)個(gè)性化和多樣性的需求。新聞推薦系統(tǒng)通常利用混合推薦在個(gè)性化與多樣性之間進(jìn)行權(quán)衡，但是傳統(tǒng)的加權(quán)混合算法過(guò)于粗糙，所以，選取max（）函數(shù)作為融合函數(shù)。根據(jù)用戶自身偏好模型EMu和潛在偏好模型PMu，將兩個(gè)模型中權(quán)值較大的特征作為用戶最終興趣特征，將用戶的融合偏好模型定義為

其中，w3uj表示為

2.4 生成推薦

通過(guò)融合后的偏好模型，計(jì)算用戶之間的相似度，選擇相似度最大的K用戶作為目標(biāo)用戶的最近鄰，根據(jù)最近鄰的閱讀行為對(duì)候選新聞的偏好程度進(jìn)行預(yù)測(cè)，將偏好程度最大的N條新聞推薦給目標(biāo)用戶。偏好程度預(yù)測(cè)表達(dá)式為

式中：N(u)為用戶u的最近鄰集合；v為用戶的最近鄰；sim(u,v)為用戶u與最近鄰用戶v的相似度；rvi反映用戶的點(diǎn)擊行為，倘若用戶v對(duì)新聞i存在瀏覽記錄，則rvi=1，反之rvi=0。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 數(shù)據(jù)集

使用DataCastle提供的用戶日志數(shù)據(jù)集，該數(shù)據(jù)集從財(cái)新網(wǎng)隨機(jī)選取10 000 名用戶在2014年3月的全部新聞瀏覽日志，包括用戶編號(hào)、新聞編號(hào)、用戶點(diǎn)擊時(shí)間、新聞發(fā)布時(shí)間和新聞內(nèi)容。選取數(shù)據(jù)集中瀏覽新聞數(shù)目多于40條的用戶數(shù)據(jù)進(jìn)行測(cè)試，將每個(gè)用戶瀏覽日志中最后25 條數(shù)據(jù)作為本次實(shí)驗(yàn)的測(cè)試集，其余數(shù)據(jù)作為訓(xùn)練集。

3.2 評(píng)價(jià)標(biāo)準(zhǔn)

選擇平均絕對(duì)誤差指標(biāo)（Mean absolute error，MAE）、推薦準(zhǔn)確率（Precision）、推薦召回率（Recall）與推薦多樣性（Diversity）作為實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)。將基于內(nèi)容的推薦算法（Content-Based，CB）、協(xié)同過(guò)濾推薦算法（Collaborative filtering，CF）與本文提出的融合偏好算法（Mixed preference，MP）所得到的評(píng)價(jià)指標(biāo)結(jié)果進(jìn)行比較，評(píng)判算法性能。

MAE根據(jù)用戶真實(shí)的喜好程度和系統(tǒng)給出的用戶u對(duì)新聞i的偏好程度的差值判斷推薦質(zhì)量。MAE的表達(dá)式為

MAE值越小，推薦質(zhì)量越高，反之亦然。

系統(tǒng)推薦準(zhǔn)確率的定義是用戶喜歡系統(tǒng)所推薦的項(xiàng)目的可能性。召回率定義為用戶真實(shí)喜歡的項(xiàng)目被系統(tǒng)推薦的可能性。表達(dá)式分別為

式中：R(u)是系統(tǒng)給出的推薦列表；T(u)是用戶在測(cè)試集中有過(guò)記錄的項(xiàng)目集合。

當(dāng)系統(tǒng)為用戶推薦時(shí)，僅僅準(zhǔn)確率高并不能代表結(jié)果對(duì)用戶是有意義的。推薦系統(tǒng)應(yīng)當(dāng)幫助用戶發(fā)現(xiàn)那些很難主動(dòng)找到但是感興趣的潛在項(xiàng)目。所以推薦結(jié)果的多樣性越來(lái)越受到重視。

設(shè)sim(i,j)表示新聞i和j的余弦相似度，U為全部用戶的集合。系統(tǒng)整體的多樣性表示為

3.3 實(shí)驗(yàn)結(jié)果

（1）參數(shù)確定。存在三個(gè)未知參數(shù)，即時(shí)間衰減因子α、調(diào)節(jié)因子m和混合相似度加權(quán)因子β。

參數(shù)測(cè)試結(jié)果如圖1所示。在m和β固定的情況下，α=0.3 時(shí)推薦的準(zhǔn)確率達(dá)到峰值。在α和β固定的情況下，m=0.2 時(shí)推薦的準(zhǔn)確率達(dá)到峰值。在α=0.3，m=0.2的情況下，β=0.6時(shí)推薦的準(zhǔn)確率達(dá)到峰值。

經(jīng)過(guò)實(shí)驗(yàn)對(duì)比分析，最終取α=0.3，m=0.2，β=0.6。

（2）平均絕對(duì)誤差指標(biāo)。MAE對(duì)比結(jié)果如圖2所示。MP的MAE值小于兩種傳統(tǒng)推薦算法，最大提高了9.13%。說(shuō)明MP 得到的結(jié)果差異值最小，質(zhì)量最高。

（3）推薦準(zhǔn)確率。Precision對(duì)比結(jié)果如圖3所示。推薦的新聞數(shù)目越多，結(jié)果的準(zhǔn)確性越低。MP與CB和CF相比，推薦準(zhǔn)確性有所提高。相對(duì)于CB準(zhǔn)確率最大提高了6.94%，相對(duì)于CF算法最大提高了9.80%。

（4）推薦召回率。Recall 對(duì)比結(jié)果如圖4 所示。推薦的新聞數(shù)目越多，召回率越高。MP 與CB和CF相比，召回率有所提高。相對(duì)于CB召回率最大提高了7.39%，相對(duì)于CF 最大提高了10.12%。

（5）推薦多樣性。圖5 展示了Diversity 對(duì)比結(jié)果。MP 的多樣性始終高于CB 和CF。相對(duì)于CB多樣性最大提高了3.44%，相對(duì)于CF最大提高了1.35%。盡管相對(duì)于CF提高較小，但是MP緩解了冷啟動(dòng)問(wèn)題，實(shí)際推薦性能優(yōu)于CF。

4 結(jié) 論

本文提出一種基于融合偏好的新聞推薦算法。首先在構(gòu)造用戶自身偏好模型時(shí)引入時(shí)間因子并進(jìn)行改進(jìn)，降低時(shí)間對(duì)興趣變化的影響。其次，針對(duì)協(xié)同過(guò)濾算法在進(jìn)行新聞推薦過(guò)程中，由于新聞報(bào)道的多樣性，相似用戶歸類不準(zhǔn)確的問(wèn)題，提出一種混合相似度計(jì)算方法，更準(zhǔn)確地尋找相似用戶，在計(jì)算行為相似度時(shí)考慮時(shí)間變化和新聞熱度對(duì)用戶興趣變化的影響，對(duì)行為相似度進(jìn)行改進(jìn)，構(gòu)建潛在偏好模型。最后將用戶自身偏好與潛在偏好進(jìn)行融合，根據(jù)融合模型進(jìn)行新聞推薦。實(shí)驗(yàn)表明，提出的算法在平均絕對(duì)誤差指標(biāo)、推薦準(zhǔn)確率、推薦召回率以及推薦多樣性方面相對(duì)于傳統(tǒng)推薦算法都取得了更好的效果，說(shuō)明了所提出算法的有效性。