馬夢馨, 王國中

(上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院, 上海 201620)

0 引 言

隨著信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，互聯(lián)網(wǎng)提供的平臺和數(shù)據(jù)越來越多，而不同的人興趣愛好截然不同，越來越難以從大量的信息中找到自身感興趣的信息，信息也越來越難展示給可能對其感興趣的用戶，推薦系統(tǒng)應(yīng)運而生。推薦系統(tǒng)本質(zhì)上是在用戶需求不明確的情況下，從海量信息中為用戶尋找有用信息的技術(shù)手段。經(jīng)過二十多年的發(fā)展，推薦系統(tǒng)被廣泛應(yīng)用于電子商務(wù)平臺、新聞媒體領(lǐng)域以及廣告的個性化推薦等。

目前市面上比較常用的推薦算法有協(xié)同過濾推薦算法(Collaborative Filtering Recommendation,CF)，其中包括基于用戶的協(xié)同過濾(User Based CF)和基于物品的協(xié)同過濾(Item Based CF)，基于內(nèi)容的推薦算法(Content-Based Recommendation,CB)和混合推薦算法(Hybrid Recommendation,HR)等。

協(xié)同過濾推薦算法在一般情況下表現(xiàn)良好，但是在有新用戶或新物品加入時，由于沒有歷史數(shù)據(jù)，所以無法進行推薦，存在冷啟動和數(shù)據(jù)稀疏性問題。Liu等人提出在傳統(tǒng)矩陣分解模型的基礎(chǔ)上，通過整合多關(guān)系社交網(wǎng)絡(luò)的用戶偏好，獲得信任和信任功能矩陣，有效緩解了數(shù)據(jù)稀疏性問題[1]；Yan等人提出了將Jaccard相似性計算方法用于基于多層感知機的電影推薦模型，解決數(shù)據(jù)稀疏性問題[2]；苑等人根據(jù)社交活動提出一種新的用戶相似度計算方法來提高推薦精度[3]；過等人改進了奇異值分解(SVD)算法和二分K-均值聚類算法，解決協(xié)同過濾算法稀疏性較大和擴展性較差的問題[4]。

基于內(nèi)容的推薦算法不存在冷啟動問題，但是存在提取特征困難、無法挖掘用戶的潛在興趣等缺點。王等人將項目粒度化，用戶信息生成用戶粒度序列來提取特征，提高推薦精度[5]。

混合推薦算法能根據(jù)不同的方式將多種算法相結(jié)合，揚長避短，提高推薦精度，解決冷啟動和數(shù)據(jù)稀疏等問題。劉等人將不同用戶對于不同物品的個性化行為特征指數(shù)引入到相似度的計算中，動態(tài)計算權(quán)重，提高混合推薦算法的推薦效果[6]；Fan等人采用分類和聚類算法來挖掘項目和用戶的歷史數(shù)據(jù)，改進混合推薦算法，解決電子商務(wù)推薦系統(tǒng)的問題[7]；李等人考慮了用戶評分尺度及用戶活躍度對物品相似性的影響，動態(tài)生成權(quán)重因子，提高推薦精度[8]；隨著深度學(xué)習(xí)的發(fā)展，田等人提出了一種基于隱狄利克雷分布(LDA)與卷積神經(jīng)網(wǎng)絡(luò)(CNN)的概率矩陣分解推薦模型(LCPMF)，獲取深層項目特征，提高推薦精度[9]。

本文在傳統(tǒng)的混合推薦模型的基礎(chǔ)上，引入物品屬性的權(quán)重，改進了相似性計算方法，將協(xié)同過濾推薦算法與基于內(nèi)容的推薦算法動態(tài)結(jié)合，解決冷啟動和數(shù)據(jù)稀疏性問題，提高推薦精度。

1 相關(guān)算法理論

1.1 評分矩陣

定義推薦系統(tǒng)中U={u1，u2，…，um}為所有m個用戶的集合，I={i1，i2,…,in}為所有n個物品的集合，兩個集合組成了一個M×N的矩陣，此矩陣為用戶-物品評分矩陣。見表1，矩陣中rui為用戶u對物品i的評分，若rui為0，則說明用戶對該物品沒有評分，評分值越高說明用戶對該物品越感興趣。

表1 用戶-物品評分矩陣

1.2 相似性計算

推薦算法中，常用的計算方法有歐氏距離、余弦相似度和修正的余弦相似度等，使用場景各不相同。

歐氏距離是衡量同一空間下兩個點，度量的是兩個點的絕對差異，適用于分析用戶的能力模型，定義如式(1)：

(1)

余弦相似度度量的是兩個向量之間的夾角，其在度量文本相似度、用戶相似度、物品相似度時較為常用。定義如式(2)：

(2)

修正的余弦相似度是將數(shù)據(jù)中心化后再求余弦相似度，定義如式(3)：

(3)

2 結(jié)合物品屬性權(quán)重的混合推薦算法

2.1 物品流行度對相似性的影響

一般來說，熱門物品會被用戶喜歡的可能性大，但并不能說明用戶的興趣相同，熱門物品對計算用戶的相似性貢獻不大，兩個用戶對冷門物品采取過同樣的行為更能說明其興趣度相同，二者更為相似，因此引入懲罰因子θi懲罰用戶u1、u2共同興趣列表中熱門物品對其相似度的影響，θi的公式定義如式(4)：

(4)

其中，N(i)表示對物品i有過評分的用戶集合。

引入懲罰因子后的相似度為計算公式(5)：

(5)

2.2 物品屬性相似性

基于內(nèi)容的推薦算法是通過抽取物品本身的特征信息，形成關(guān)鍵詞向量，然后與用戶喜好特征向量進行相似度計算，將物品推薦給用戶，通常用于文本推薦。

把一個物品看作一個文檔，定義所有的文檔集合為D={d1,d2,…,dt}，文檔中的關(guān)鍵詞集合定義為T={t1,t2,…,ts}，最終需要用一個向量表示一個文檔，定義di=(ω1,i,ω2,i,…,ωs,i)為物品i的關(guān)鍵詞向量，其中ωni表示第n個詞在文檔i中的權(quán)重，數(shù)值越大表示越重要。定義好之后通常用詞頻-逆文檔頻率(TF-IDF)來表示文檔，其定義如式(6)：

(6)

其中，TF(tk,di)表示第k個詞在文檔i中出現(xiàn)的次數(shù)，nk是所有文檔中包含第k個詞的文檔數(shù)量，最終第k個詞在文檔i中的權(quán)重如式(7)所示：

(7)

得到文檔的特征向量權(quán)重之后，使用余弦相似度，得到文檔之間的相似度，相似度定義如式(8)：

(8)

其中，Ti,j表示兩文檔之間共有的關(guān)鍵詞。

2.3 混合模型相似性度量方法

通常協(xié)同過濾推薦算法效果優(yōu)于基于內(nèi)容的推薦算法，但是當新的用戶或者物品加入時，系統(tǒng)就無法很好的進行推薦，且當用戶物品矩陣極度稀疏時，計算出來的物品相似度可信度也不高，而基于內(nèi)容的推薦算法能在一定程度上緩解物品冷啟動問題，并且基于內(nèi)容的推薦算法只考慮物品的屬性，與用戶的評價行為無關(guān)，能緩解數(shù)據(jù)稀疏性問題，所以將協(xié)同過濾算法中的相似性計算與物品屬性相結(jié)合能緩解冷啟動和數(shù)據(jù)稀疏性問題。

本文引入λ將兩種相似性進行線性組合，由上文分析可知，當用戶-物品矩陣極度稀疏時，使用基于內(nèi)容的推薦算法要優(yōu)于協(xié)同過濾推薦算法，所以定義λ的公式如式(9)：

(9)

其中，Ui、Uj表示對物品i和物品j評分的用戶數(shù)；Ui∩Uj表示對物品i和物品j共同評分的用戶數(shù);Ui∪Uj表示物品i和物品j一共被多少用戶評分。引入λ之后，將相似度計算公式進行線性組合，如式(10)所示：

simitem(i,j)=λsimitemcf(i,j)+(1-λ)simitemcb(i,j)

(10)

由公式(10)可知，當存在冷啟動問題或者用戶-物品矩陣稀疏時，根據(jù)物品屬性特征進行相似度計算的比重大；當數(shù)據(jù)稠密時，基于物品的協(xié)同過濾要優(yōu)于基于內(nèi)容的推薦，所以相似度計算時所占比重較大。這種線性結(jié)合的方式改善了推薦系統(tǒng)中的冷啟動和數(shù)據(jù)稀疏性問題。

將混合的相似性計算方法引入到預(yù)測公式，得到用戶u對物品i的評分預(yù)測公式(11):

(11)

其中，Mi為物品i的最近鄰。

2.4 用戶相似性

以上方法有效緩解了物品冷啟動和數(shù)據(jù)稀疏性問題，但當新用戶加入時，因為沒有其歷史行為記錄，依然存在用戶冷啟動問題，只能根據(jù)用戶自身的特征，為用戶進行推薦。

影響用戶喜好的特征主要有性別、年齡、職業(yè)、所在區(qū)域等信息，本文據(jù)此組成用戶的內(nèi)容向量，則用戶u的特征集合為Cu={sex,age,occ,zip}，因為歐氏距離度量的是空間中兩個點的絕對差異，所以本文使用歐氏距離，即公式(1)來計算用戶之間的相似性。

冷啟動用戶的預(yù)測公式(12)為：

(12)

其中，Nu表示用戶u的最近鄰。

2.5 推薦過程

為了解決數(shù)據(jù)稀疏性和冷啟動問題，本文結(jié)合物品屬性，將基于物品的協(xié)同過濾和基于內(nèi)容推薦的相似性度量方法進行動態(tài)結(jié)合，形成一種新的相似性度量方法，解決物品冷啟動和數(shù)據(jù)稀疏性問題，并且通過計算用戶屬性來解決用戶冷啟動問題。具體推薦過程如下：

Step1判斷目標用戶是否是冷啟動用戶，是則跳到Step2，不是則跳到Step3；

Step2冷啟動用戶的相似性計算，之后預(yù)測評分；

Step3非冷啟動用戶的相似性計算，評分預(yù)測；

Step4完成Top-N推薦。

3 實驗數(shù)據(jù)及結(jié)果分析

3.1 數(shù)據(jù)集

為了驗證本文算法的有效性，使用MovieLens 1M數(shù)據(jù)集，該數(shù)據(jù)集包含6 040個用戶對3 900部電影的1 000 209條評分記錄，數(shù)據(jù)稀疏度達95.75%。將數(shù)據(jù)集按照8:2劃分為訓(xùn)練集和測試集，數(shù)據(jù)集中用戶的屬性包括了用戶的ID、性別、年齡、職業(yè)ID和郵編等字段，電影的屬性有電影ID、電影名、電影年份和電影風(fēng)格等。

3.2 評價指標

推薦系統(tǒng)中常用的評價標準有平均絕對誤差(MAE)、均方根誤差(RMSE)、準確率(Precision)和F值等，本實驗采用MAE作為度量標準，其定義為式(13)：

(13)

其中，pi,j表示用戶u對物品i的預(yù)測評分；ru,i表示用戶u對物品i的實際評分；n為數(shù)據(jù)集中記錄評分的個數(shù)。

MAE計算的是真實值與預(yù)測值之間的差異，數(shù)值越小說明準確性越高。

3.3 實驗結(jié)果

通過實驗測得本文算法在不同N的取值下的絕對誤差，見表2。由表2可知，N取值在[10,60]范圍內(nèi)，精確性逐漸升高。

表2 算法在不同N的取值下的平均絕對誤差

3.3.1 算法推薦精準度比較

為了驗證本文算法的優(yōu)化效果，本文選取改進的基于物品的協(xié)同過濾、基于內(nèi)容的推薦算法與本算法進行對比實驗，分別設(shè)置不同最近鄰值測試MAE值的大小，實驗結(jié)果如圖1所示。可以看出本文提出的推薦算法無論N取何值，效果都遠大于基于物品的協(xié)同過濾和基于內(nèi)容的推薦。

圖1 推薦準確度對比

3.3.2 算法緩解數(shù)據(jù)稀疏性能力的比較

為了測試本文算法解決數(shù)據(jù)稀疏性問題的能力，本實驗的最近鄰數(shù)確定為60，并且在數(shù)據(jù)集中隨機刪除部分數(shù)據(jù)，改變評分矩陣的稀疏性再次進行對比實驗，測試算法效果，實驗結(jié)果如圖2所示。

圖2 數(shù)據(jù)稀疏性對比

由圖2可知基于內(nèi)容的推薦算法在數(shù)據(jù)極度稀疏情況下算法效果要優(yōu)于協(xié)同過濾推薦算法，而本文提出的算法在數(shù)據(jù)稀疏的情況下，效果要明顯優(yōu)于其它兩種算法，有效緩解了數(shù)據(jù)稀疏性的問題。

3.3.3 算法緩解冷啟動能力的比較

本實驗用來驗證算法解決冷啟動問題的能力，在測試集中抽取100個物品作為新物品，100個用戶作為新用戶，將訓(xùn)練集中對應(yīng)的100個物品和用戶的評分記錄置為0，使用新的訓(xùn)練集和測試集進行實驗。本實驗將基于內(nèi)容的推薦算法作為對比，結(jié)果如圖3所示。

圖3 冷啟動問題對比

由圖3可知，不管是用戶冷啟動還是物品冷啟動，本文算法的精確性都遠高于基于物品的協(xié)同過濾算法，實驗表明，本算法能有效緩解冷啟動問題。

4 結(jié)束語

本文對傳統(tǒng)的混合推薦算法進行了優(yōu)化，結(jié)合物品屬性特征權(quán)重改進了相似度度量方法，并根據(jù)用戶-物品矩陣稀疏性的差異，自適應(yīng)的調(diào)整不同算法的相似性計算方法所占的比重，極大地提高了推薦精度。實驗結(jié)果表明該方法顯著提高了推薦準確度的同時，也有效緩解了數(shù)據(jù)稀疏性和冷啟動問題。不足之處在于本混合推薦算法計算量大，復(fù)雜度高。