白林鋒， 古險(xiǎn)峰

(河南科技學(xué)院 信息工程學(xué)院， 河南 新鄉(xiāng) 453003)

用戶的個(gè)性化需求以及商品的多樣性，導(dǎo)致信息過(guò)載，進(jìn)而出現(xiàn)“信息迷失”，使得用戶在選擇商品時(shí)不能很好地進(jìn)行比較[1]。推薦系統(tǒng)通過(guò)分析用戶對(duì)不同商品的歷史關(guān)注程度以及對(duì)項(xiàng)目的評(píng)價(jià)，找出其中的關(guān)聯(lián)特征，從而在海量數(shù)據(jù)中將用戶感興趣的信息推薦出來(lái)，使用戶能夠花費(fèi)較少的時(shí)間和精力，更加精準(zhǔn)地找到符合自己預(yù)期的產(chǎn)品，提升用戶滿意度，因此推薦系統(tǒng)對(duì)電商平臺(tái)以及用戶購(gòu)物體驗(yàn)都起著關(guān)鍵作用[2]。推薦算法作為推薦系統(tǒng)的核心，具有重要意義，可以基于內(nèi)容、情境感知、關(guān)聯(lián)規(guī)則、知識(shí)推薦和協(xié)同過(guò)濾等。傳統(tǒng)算法往往僅考慮相似用戶的興趣偏好進(jìn)行相似性計(jì)算，用戶模型單一，且沒(méi)有充分考慮時(shí)間因素以及項(xiàng)目屬性對(duì)用戶的影響，自身存在缺陷性，可擴(kuò)展性不足[3]。針對(duì)這一現(xiàn)象，提出了改進(jìn)協(xié)同濾波算法，在充分考慮項(xiàng)目屬性特征以及用戶興趣愛(ài)好的基礎(chǔ)上，引入自適應(yīng)平衡因子綜合考慮用戶的需求，從而實(shí)現(xiàn)對(duì)用戶興趣愛(ài)好更深入地挖掘，解決傳統(tǒng)算法規(guī)則提取困難、個(gè)性化程度低、數(shù)據(jù)稀疏的問(wèn)題[4]。

1 推薦系統(tǒng)相關(guān)理論

隨著信息化時(shí)代的到來(lái)，大量數(shù)據(jù)方便人們生活的同時(shí)，使得信息過(guò)載、海量數(shù)據(jù)不對(duì)等問(wèn)題也日益凸顯[5]。利用已知用戶的瀏覽歷史進(jìn)行情境分析，挖掘潛在的關(guān)聯(lián)規(guī)則，過(guò)濾掉大量無(wú)用信息，促成用戶購(gòu)買(mǎi)意愿，提高交叉銷(xiāo)售的同時(shí)，提升用戶的粘連性和滿意度。因此，行為記錄模塊、規(guī)則分析模塊、推薦算法模塊構(gòu)成了一套完整的個(gè)性化推薦系統(tǒng)[6]。其中，協(xié)同過(guò)濾技術(shù)以類(lèi)聚群分原理，不需要對(duì)用戶進(jìn)行額外的跟蹤，僅僅利用用戶已有的瀏覽歷史、評(píng)價(jià)行為，進(jìn)行興趣偏好的相似性計(jì)算，繼而進(jìn)行個(gè)性化推薦[7]。隨著在線用戶的增加以及大型Web的興起，推薦系統(tǒng)也面臨著模型服務(wù)、可擴(kuò)展性、系統(tǒng)架構(gòu)、冷啟動(dòng)和強(qiáng)壯性等問(wèn)題的挑戰(zhàn)[8]。推薦系統(tǒng)框架如圖1所示。

圖1 推薦系統(tǒng)框架圖

1.1 推薦技術(shù)及評(píng)價(jià)指標(biāo)

協(xié)同過(guò)濾推薦：有基于項(xiàng)目和基于用戶兩種形式，具有適應(yīng)性強(qiáng)、推薦資源范圍廣的特點(diǎn)?；谟脩舻乃惴鞒虨椋豪靡阎脩襞d趣數(shù)據(jù)挖掘與之匹配的相似度高的目標(biāo)用戶，進(jìn)而通過(guò)對(duì)比分析，根據(jù)物以類(lèi)聚人以群分現(xiàn)象，將商品推薦給疑似用戶[9]。數(shù)學(xué)表達(dá)式為：

p(u,i)=∑v∈S(u,k)∩N(i)wuvrvi

(1)

式中：p(u,i)表示目標(biāo)用戶u對(duì)商品i的興趣度，k表示與已知用戶相似的用戶個(gè)數(shù)，w表示用戶間的相似程度，v為相似用戶，r為隱反饋信息。得到用戶對(duì)商品的興趣度后，進(jìn)行降維選擇，從而挑選出興趣度最大的N個(gè)商品推薦給目標(biāo)用戶[10]。基于項(xiàng)目的過(guò)濾推薦原理和基于用戶的過(guò)濾推薦相似，都存在擴(kuò)展性差、冷啟動(dòng)以及數(shù)據(jù)稀疏性問(wèn)題[11]。

關(guān)聯(lián)規(guī)則推薦：從大量數(shù)據(jù)中尋找未知項(xiàng)目間存在的關(guān)聯(lián)特征，進(jìn)而進(jìn)行推薦，從而得到意料之外情理之中的效果。數(shù)學(xué)表示為：假設(shè)存在商品數(shù)據(jù)庫(kù)D，每一次交易用T表示，A為數(shù)據(jù)庫(kù)D中的一個(gè)商品集合，商品集合A和商品集合B之間的關(guān)聯(lián)規(guī)則A?B的置信度和支持度為：

(2)

(3)

通過(guò)式(2)和式(3)得出商品集合A和商品集合B之間的置信度和支持度函數(shù)，如果大于設(shè)置的閾值，則得出關(guān)聯(lián)規(guī)則[12]。該算法需要重復(fù)掃描數(shù)據(jù)庫(kù)，帶來(lái)數(shù)據(jù)的高維性和稀疏性，個(gè)性化程度低，關(guān)聯(lián)規(guī)則提取困難[13]。

一個(gè)好的推薦系統(tǒng)在獲取用戶資源的同時(shí)，能夠提升用戶的粘連性和滿意度。合適的評(píng)價(jià)指標(biāo)是評(píng)判推薦系統(tǒng)優(yōu)劣的關(guān)鍵[14]，常用的評(píng)價(jià)指標(biāo)有：推薦準(zhǔn)確率、評(píng)分預(yù)測(cè)。

推薦準(zhǔn)確率

(4)

式中：T(u)為測(cè)試商品，P(u)為推薦商品。

評(píng)分預(yù)測(cè)

(5)

式中：rui為用戶u對(duì)商品i的真實(shí)評(píng)價(jià)，lui為用戶u對(duì)商品i的預(yù)測(cè)評(píng)價(jià)。

1.2 協(xié)同過(guò)濾算法的關(guān)鍵問(wèn)題

傳統(tǒng)的協(xié)同過(guò)濾推薦利用相似性度量關(guān)聯(lián)近鄰用戶，然后通過(guò)最近鄰(KNN)加權(quán)預(yù)測(cè)目標(biāo)用戶興趣，最后進(jìn)行個(gè)性化推薦[15]，具體流程如圖2所示。

圖2 協(xié)同過(guò)濾推薦流程

評(píng)分矩陣：假設(shè)數(shù)據(jù)庫(kù)中存在m個(gè)用戶，n個(gè)商品，評(píng)分矩陣用m×n表示，Rij表示第i個(gè)用戶u對(duì)第j個(gè)商品的評(píng)分，評(píng)分值通過(guò)1～5來(lái)表示用戶的喜好程度。評(píng)分矩陣如表1所示。

表1 評(píng)分矩陣

近鄰選擇：對(duì)目標(biāo)用戶預(yù)推薦進(jìn)行項(xiàng)目間相似度查找，或者查找與目標(biāo)用戶相似的近鄰用戶，然后根據(jù)相似性進(jìn)行排序，選取大于閾值的若干個(gè)組成最近鄰集合。常用的相似度度量有余弦相似度量，其數(shù)學(xué)表示為：

(6)

式中：用戶u、v對(duì)項(xiàng)目c的評(píng)分用R表示。皮爾遜相似度表示方式為：

(7)

(8)

2 融合項(xiàng)目屬性與興趣信息的協(xié)同過(guò)濾推薦系統(tǒng)

2.1 系統(tǒng)模塊設(shè)計(jì)

在進(jìn)行模塊設(shè)計(jì)前需要進(jìn)行系統(tǒng)需求分析，由于推薦系統(tǒng)面向的用戶特征和實(shí)現(xiàn)的功能屬性并不一致，因此系統(tǒng)需求分析的優(yōu)劣決定了設(shè)計(jì)的質(zhì)量。本系統(tǒng)設(shè)計(jì)面向電商產(chǎn)品銷(xiāo)售，需求分析主要有兩部分組成，分別為功能性屬性和非功能性屬性。功能性屬性包括用戶管理、任務(wù)管理、數(shù)據(jù)分析、數(shù)據(jù)可視化，非功能性屬性包括可靠性、可擴(kuò)展性、便捷性。在系統(tǒng)需求的基礎(chǔ)上，進(jìn)行模塊設(shè)計(jì)，融合項(xiàng)目屬性與興趣信息的協(xié)同過(guò)濾推薦系統(tǒng)主要有4個(gè)模塊：數(shù)據(jù)管理模塊、數(shù)據(jù)分析預(yù)測(cè)模塊、個(gè)性化推薦模塊以及結(jié)果顯示模塊。

數(shù)據(jù)管理模塊主要進(jìn)行數(shù)據(jù)存儲(chǔ)以及商品數(shù)據(jù)和用戶數(shù)據(jù)的管理；數(shù)據(jù)分析預(yù)測(cè)模塊通過(guò)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，過(guò)濾掉無(wú)用信息以及異常數(shù)據(jù)，對(duì)用戶的訪問(wèn)數(shù)據(jù)進(jìn)行清洗，為后續(xù)的個(gè)性化推薦模塊做準(zhǔn)備；個(gè)性化推薦模塊根據(jù)數(shù)據(jù)分析預(yù)測(cè)模塊得出的數(shù)據(jù)進(jìn)行評(píng)分矩陣，通過(guò)自適應(yīng)混合協(xié)同過(guò)濾，選擇合適的推薦算法，根據(jù)用戶的興趣愛(ài)好更新商品屬性特征，實(shí)現(xiàn)推薦結(jié)果的實(shí)時(shí)性和動(dòng)態(tài)性，提高推薦準(zhǔn)確率，最終在顯示模塊將商品推薦給用戶。

2.2 融合項(xiàng)目屬性與用戶興趣相似度計(jì)算

傳統(tǒng)的協(xié)同過(guò)濾算法，通過(guò)研究相似用戶的興趣偏好進(jìn)行相似性計(jì)算，忽略了時(shí)間因素以及項(xiàng)目屬性對(duì)用戶的影響，進(jìn)而造成數(shù)據(jù)的稀疏性；而且，當(dāng)引入新項(xiàng)目時(shí)無(wú)法及時(shí)的進(jìn)行推薦，導(dǎo)致冷啟動(dòng)問(wèn)題的產(chǎn)生，可擴(kuò)展性不足。本設(shè)計(jì)提出一個(gè)將用戶興趣和項(xiàng)目屬性混合進(jìn)而計(jì)算相似度的方法，通過(guò)利用權(quán)重系數(shù)綜合分析項(xiàng)目評(píng)分的相似性，其數(shù)學(xué)表示為：

sim(p,q)=αsimrate(p,q)+(1-α)simattr(p,q)

(8)

式中：simattr(p,q)為項(xiàng)目屬性；simrate(p,q)為興趣偏好；α為平衡因子，取值在0和1之間，決定了相似度擬合的權(quán)重系數(shù)。通過(guò)調(diào)節(jié)平衡因子α可以實(shí)現(xiàn)推薦精度的改變，最終實(shí)現(xiàn)精準(zhǔn)的個(gè)性化推薦，α具體取值，通過(guò)實(shí)驗(yàn)仿真得出。但是現(xiàn)實(shí)中，這種相似度計(jì)算并不適用于所有情況，為了防止用戶共同評(píng)分項(xiàng)目過(guò)少而出現(xiàn)的相關(guān)系數(shù)過(guò)大，需要根據(jù)情況加入權(quán)值因子即懲罰因子，改進(jìn)后的相似度表示為：

(9)

式中：Npenalty為權(quán)值因子定值，大部分情況下取值50，Noverlap為目標(biāo)用戶與已知用戶一起評(píng)分項(xiàng)目數(shù)量。

算法的具體步驟為：

(1)輸入近鄰數(shù)k，商品集合以及用戶集合，并寫(xiě)出評(píng)分矩陣R；

(2)選取合適的數(shù)據(jù)庫(kù)，抽取其中85%作為訓(xùn)練樣本，15%作為測(cè)試樣本，并讀入訓(xùn)練樣本中生成用戶評(píng)分矩陣的數(shù)據(jù)；

(3)利用改進(jìn)后的相似度表示式(9)，得到融合項(xiàng)目屬性與用戶興趣相似性，比較相似度結(jié)果，選取大于閾值的若干個(gè)組成最近鄰集合；

(4)最后通過(guò)15%測(cè)試樣本，得出推薦準(zhǔn)確率P、均方根誤差R、絕對(duì)誤差，驗(yàn)證算法的有效性。

3 實(shí)驗(yàn)與仿真

首先搭建所需硬件平臺(tái)，電腦采用8核CPU、Intel i7@3.4 GHz、32 G內(nèi)存、512 GB固態(tài)硬盤(pán)，軟件配置為Microsoft Windows7操作系統(tǒng)，編程語(yǔ)言為Java，開(kāi)發(fā)平臺(tái)為Myeclipse10。數(shù)據(jù)集采用美國(guó)Minnesota大學(xué)GroupLens項(xiàng)目組開(kāi)發(fā)并維護(hù)的數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)包含3個(gè)數(shù)據(jù)集，為了便于比較驗(yàn)證，選取其中的一個(gè)MovieLens 100k數(shù)據(jù)集，該數(shù)據(jù)集里面含有1 682部影片、943位用戶評(píng)價(jià)的100 000條評(píng)價(jià)。評(píng)分范圍值為1～5之間，抽取其中85%作為訓(xùn)練樣本，15%作為測(cè)試樣本。評(píng)價(jià)推薦系統(tǒng)性能優(yōu)劣的指標(biāo)有召回率(recall)、覆蓋率(coverage)、絕對(duì)誤差(MAE)以及均方根偏差(RMSE)。本設(shè)計(jì)通過(guò)比較傳統(tǒng)算法與改進(jìn)協(xié)同過(guò)濾算法在絕對(duì)誤差和均方根偏差的數(shù)值來(lái)驗(yàn)證算法的有效性。

本設(shè)計(jì)中相似度融合了項(xiàng)目屬性與用戶興趣，平衡因子α決定了這兩部分的比值。通過(guò)仿真觀察得出平衡因子α與絕對(duì)誤差(MAE)間的關(guān)系，如圖3所示。

圖3 絕對(duì)誤差與平衡因子變化曲線

通過(guò)圖3可知，當(dāng)平衡因子α為0.4時(shí)，絕對(duì)誤差最小，推薦精度達(dá)到最大值，所以后續(xù)仿真α采用0.4。在相同測(cè)試集以及數(shù)據(jù)稀疏度的環(huán)境下，通過(guò)與傳統(tǒng)的以評(píng)分差異度和以項(xiàng)目類(lèi)別偏好計(jì)算相似度的協(xié)同過(guò)濾算法進(jìn)行對(duì)比來(lái)驗(yàn)證本文算法的精確度；同時(shí)為了驗(yàn)證本文算法的普遍適用性，針對(duì)不同的情況最近鄰個(gè)數(shù)分別取10～60，實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 不同算法絕對(duì)誤差比較

由圖4可知，基于改進(jìn)的協(xié)同過(guò)濾算法相對(duì)于傳統(tǒng)的協(xié)同過(guò)濾算法具有較高的精確度，且隨著最近鄰個(gè)數(shù)的增加，系統(tǒng)的精確度仍然優(yōu)于其他算法，說(shuō)明具有一定的魯棒性和普遍適用性。

4 結(jié) 語(yǔ)

在信息爆炸時(shí)代，用戶如何在大量冗余的信息中找到自己感興趣的數(shù)據(jù)，電商網(wǎng)站如何推銷(xiāo)商品并提高客戶粘連度是近年來(lái)研究的重點(diǎn)。本文通過(guò)對(duì)推薦系統(tǒng)關(guān)鍵技術(shù)及評(píng)價(jià)指標(biāo)進(jìn)行分析，得出推薦系統(tǒng)的基礎(chǔ)架構(gòu)。在此基礎(chǔ)上對(duì)協(xié)同過(guò)濾算法進(jìn)行改進(jìn)，通過(guò)引入權(quán)重因子以及懲罰函數(shù)，將用戶興趣和項(xiàng)目屬性混合進(jìn)而計(jì)算相似度，最終實(shí)現(xiàn)精準(zhǔn)的個(gè)性化推薦，并通過(guò)實(shí)驗(yàn)仿真驗(yàn)證本設(shè)計(jì)具有一定的魯棒性和普遍適用性。