鄒寧,郭棟

（1．西南交通大學(xué)制造業(yè)產(chǎn)業(yè)鏈協(xié)同與信息化支撐技術(shù)四川省重點實驗室，成都 610097；2.北京機械工業(yè)自動化研究所有限公司，北京 100120）

0 引言

《國務(wù)院關(guān)于加快科技服務(wù)業(yè)發(fā)展的若干意見》（國發(fā)（2014）49號）［1］將科技服務(wù)業(yè)分為研究開發(fā)、技術(shù)轉(zhuǎn)移、檢驗檢測認(rèn)證、創(chuàng)業(yè)孵化、知識產(chǎn)權(quán)、科技咨詢、科技金融、科學(xué)技術(shù)普及等專業(yè)科技服務(wù)和綜合科技服務(wù)［2］。而本文研究的專業(yè)科技資源主要面向研究開發(fā)、技術(shù)轉(zhuǎn)移、檢驗檢測認(rèn)證、創(chuàng)業(yè)孵化、知識產(chǎn)權(quán)、科技咨詢、科技金融、科學(xué)技術(shù)普及的科技資源［3］，這些專業(yè)資源包括了專利、知識文獻、論文、專家、企業(yè)、機構(gòu)、高校等資源。

針對京津冀、長三角、成渝和哈長等城市群發(fā)展科技服務(wù)業(yè)的實際需求，本課題開發(fā)出了一個科技資源服務(wù)平臺，面向各個城市群提供專業(yè)科技資源和服務(wù)，考慮到城市群的各個用戶對專業(yè)資源的檢索服務(wù)需求大，并結(jié)合科技資源服務(wù)平臺，可以歸納出13項檢索服務(wù)，分別是企業(yè)檢索、中文專利檢索、專家檢索、機構(gòu)檢索、法律法規(guī)檢索、科技成果檢索、中文期刊檢索、英文專利檢索、作者檢索、中文OA論文檢索、外文OA論文檢索、中文會議論文檢索、高等院校檢索服務(wù)，基于各個行業(yè)和領(lǐng)域，針對每個檢索服務(wù)又細分子服務(wù)，有助于用戶更好的檢索、瀏覽、下載目標(biāo)文章。

由于科技資源服務(wù)平臺面向很多個城市群，提供檢索、認(rèn)證、設(shè)計、定制等服務(wù)，服務(wù)種類繁多，城市群上的用戶使用服務(wù)頻繁，難以快速找到自己想要的服務(wù)，同時平臺也并不能基于用戶的興趣、職業(yè)等身份信息進行個性化推薦定制化服務(wù)，故為了更好的為用戶提供服務(wù)，本文基于用戶針對服務(wù)的使用次數(shù)、最近一次的訪問時間、平均使用時間、總查看的頁面數(shù)量進行綜合計算出服務(wù)評分，分別再使用修正余弦相似度和融入差異因子的修正余弦相似度計算出目標(biāo)用戶和用戶之間的相似度，找到目標(biāo)用戶的最近鄰居集，基于最近鄰居集中的各個用戶對每個子服務(wù)進行打分，依次從高到底進行排序，為目標(biāo)推薦相關(guān)性最大，感興趣的服務(wù)，然后進行傳統(tǒng)相似度計算的推薦算法和改進推薦算法的準(zhǔn)確性驗證和比較，從而選出更好的推薦算法用于系統(tǒng)中，進一步實現(xiàn)定制化服務(wù)推薦功能模塊，實現(xiàn)用戶推薦的定制化與個性化。

1 服務(wù)評分模型

針對本文研究和查閱相關(guān)文獻，了解到基于用戶的協(xié)同過濾算法必須要考慮用戶對每個服務(wù)的打分，但傳統(tǒng)的科技資源服務(wù)平臺上并不能實現(xiàn)完全記錄用戶對每個服務(wù)的評分，存在數(shù)據(jù)稀疏性問題。為了解決該問題，本文根據(jù)用戶針對服務(wù)的使用次數(shù)、最近一次的訪問時間、平均使用時間、總查看的頁面數(shù)量建立服務(wù)評分模型，通過具體的計算可以得到用戶針對每個服務(wù)的得分情況。

用戶對使用的各個服務(wù)的評分由4個關(guān)鍵指標(biāo)—服務(wù)的使用次數(shù)、最近一次的訪問時間、平均使用時間和總查看的頁面數(shù)量決定，而且這4個指標(biāo)是相互獨立的，互不影響、互不依賴，使用這4個指標(biāo)可以更好的度量用戶針對服務(wù)的評分，故本文的服務(wù)評分選用這4個指標(biāo)作為影響評分的主要因素，如圖1所示。

圖1 服務(wù)評分的指標(biāo)

服務(wù)評分的取值取決于圖1的4個指標(biāo)，而每個指標(biāo)的取值范圍不確定、取值類型也不相同，從而導(dǎo)致服務(wù)評分的數(shù)值也具有不確定性，因此本文給定服務(wù)評分的取值范圍在0~5之間，這里5代表很喜歡、4代表較喜歡、3代表喜歡、2代表一般、1代表不喜歡。服務(wù)的使用次數(shù)、最近一次的訪問時間、平均使用時間和總查看的頁面數(shù)量各個指標(biāo)的數(shù)量單位和取值范圍都不大相同，所以不能直接進行數(shù)學(xué)計算，故在計算服務(wù)評分之前需要使用改進的Sigmoid函數(shù)［4］進行統(tǒng)一指標(biāo)單位和取值范圍，改進的Sigmoid函數(shù)即式（1）其中用h1(s)表示服務(wù)的使用次數(shù)的評分、h2(s)表示最近一次訪問時間的評分、h3(s)表示平均使用時間的評分、h4(s)表示總查看的頁面數(shù)量的評分，并且它們的取值范圍在0~5之間。

上面的式子中a和b代表閾值，可以根據(jù)實際的情況來改動。因此可以得知，服務(wù)評分實質(zhì)是由服務(wù)的使用次數(shù)、最近一次的訪問時間、平均使用時間和總查看的頁面數(shù)量的各個評分，然后讓每個評分和權(quán)重系數(shù)w1、w2、w3、w4進行相乘，并加在一起即為服務(wù)的評分：

式（2）中：s表示一個服 務(wù)，h1(s)、h2(s)、h3(s)、h4(s)分別表示針對服務(wù)s，服務(wù)的使用次數(shù)的評分、最近一次訪問時間的評分、平均使用時間的評分、總查看的頁面數(shù)量的評分，且各個權(quán)重要滿足w1+w2+w3+w4=1。

通過計算各個指標(biāo)的兩兩比重，并對服務(wù)評分體系使用AHP層次分析法進行分析，計算得到4個指標(biāo)對服務(wù)評分的影響權(quán)重［4］，由此得到w1=0.4、w2=0.25、w3=0.2、w4=0.15時，服務(wù)評分H(s)度量用戶的喜好程度較好，故本實驗的服務(wù)評分模型采用以上權(quán)重，計算各個用戶針對使用過的服務(wù)進行綜合評分，計算出H(s)，為下文基于用戶評分來判斷用戶的之間的相似度，找到目標(biāo)用戶的最大鄰居集作數(shù)據(jù)支撐。

2 面向?qū)I(yè)科技資源的服務(wù)定制推薦研究方案

本文所研究的面向?qū)I(yè)科技資源的服務(wù)定制推薦方案主要使用的是兩種協(xié)同過濾算法進行研究和實驗的，而且這里在傳統(tǒng)算法上改進的協(xié)同過濾算法是引進了融入差異因子的修正余弦相似度的計算方法，通過對比兩種算法的推薦精度和準(zhǔn)確度，并最終選擇適合的算法進行專業(yè)科技資源的服務(wù)定制推薦方案的設(shè)計。

協(xié)同過濾算法是指基于用戶和基于項目的兩種協(xié)同過濾算法［5］。針對用戶協(xié)同過濾算法我們通常可以依據(jù)用戶－項目評分矩陣，查找與目標(biāo)用戶有相似之處的其余用戶，接著再找到所研究用戶的最近鄰居集，然后根據(jù)最近鄰居進行項目評分預(yù)測，最后形成推薦的服務(wù)列表［6,7］。

針對上述服務(wù)評分模型的建立，可以計算用戶對各個使用服務(wù)的打分，基于用戶協(xié)過濾算法可以得到用戶之間的相似度，并進行綜合打分，將評分高的服務(wù)推薦給用戶，并比較傳統(tǒng)相似度計算的推薦算法和改進推薦算法的準(zhǔn)確性驗證和比較，從而選出更好的推薦算法用于系統(tǒng)中，進一步實現(xiàn)定制化服務(wù)推薦功能模塊，實現(xiàn)用戶推薦的定制化與個性化。本文服務(wù)推薦方案的具體設(shè)計流程如圖2所示。

圖2 面向?qū)I(yè)科技資源的服務(wù)定制推薦研究方案設(shè)計圖

首先基于用戶已有的服務(wù)評分，建立用戶-服務(wù)評分矩陣，使用了融入差異因子的修正余弦相似度計算的相似度和修正余弦相似度兩種相似度計算方法，可以求得用戶間的相似度，確定用戶的最近鄰居集，然后分別選取80%的用戶進行訓(xùn)練模型，20%的用戶進行測試實驗，最終計算得到服務(wù)的預(yù)測評分、平均絕對誤差的MAE1、MAE2、綜合評價指標(biāo)的F1、F2，綜合比較MAE1、MAE2，F(xiàn)1、F2，確定最終要選定的推薦算法，用于服務(wù)定制方案的設(shè)計。

2.1 修正余弦相似度

在基于用戶的協(xié)同過濾的算法中，我們經(jīng)常會用到皮爾森相關(guān)系數(shù)、余弦相似度和修正余弦相似度3種方法來計算用戶之間的相似度。這里的皮爾森相關(guān)系數(shù)是用來表示變量間線性關(guān)系的強弱，余弦相似度是求得兩個向量夾角的余弦值，并用余弦值來表示兩個向量之間的相似度，修正余弦相似度是在減去向量平均值的基礎(chǔ)上再進行余弦相似度計算，求其對應(yīng)的余弦值。定量度量問題常使用皮爾森相關(guān)系數(shù)，定性度量問題經(jīng)常使用余弦相似度和修正余弦相似度［8］，比如很喜歡、比較喜歡、喜歡、一般、不喜歡這一類評價就是定性問題。

因為本文研究的對象是用戶對服務(wù)的評價，它屬于定性度量，故可使用余弦相似度或修正余弦相似度計算用戶之間的相似度。但是余弦相似度并不能很好的去考慮到用戶評分過高、過低的情況，導(dǎo)致計算出來的余弦相似度值差別比較大，因此這里采用修正余弦相似度的計算方法，它是由用戶對服務(wù)的評分減去對應(yīng)的每個服務(wù)的平均得分，來克服求得相似值差異大的問題。

這里用Spq表示用戶p和用戶q對相同服務(wù)打分的服務(wù)評分集合，Sp表示用戶p對服務(wù)打分的服務(wù)集合、Sq表示用戶q對服務(wù)打分的服務(wù)集合，綜上可得到用戶p和q之間的修正余弦相似性度計算公式如式（3）所示［9］：

上面的式子中：我們用Rp,s代表用戶p對特定服務(wù)s的打分，Rq,s代表用戶q對特定服務(wù)s的打分,與表示用戶p和用戶q針對特定服務(wù)s的平均打分。

2.2 融入差異因子的修正余弦相似度

修正余弦相似度是基于用戶的協(xié)同過濾算法中常用到的相似度計算方法，傳統(tǒng)的修正余弦相似度在計算相似度時具有很大的缺陷，比如在數(shù)據(jù)維度比較高，數(shù)據(jù)也比較稀疏的條件下，用戶之間針對相同服務(wù)進行評分的總項目數(shù)會過小，導(dǎo)致用戶與用戶之間的差異性更大，而且修正余弦相似度的計算方法容易過分的增加或者縮小用戶之間的真實相似性，致使推薦算法的推薦效果不好，準(zhǔn)確性能也不高。不僅如此，修正余弦相似度在計算時要求數(shù)據(jù)之間呈線性關(guān)系，而且殘差要相互獨立，均值要等于0，當(dāng)這些條件不滿足時，其計算準(zhǔn)確度將會降低［10］。

本文引入一種融入差異因子的修正余弦相似度的計算方法，這種相似度的計算方法能有效解決修正余弦相似度對絕對數(shù)值不敏感的問題。改進的修正余弦相似度計算方法用差異因子作為權(quán)重和的修正余弦相似度計算方法進行結(jié)合，大大的解決了用戶之間共同評分的數(shù)量對相似度的影響，以及用戶評分對用戶間相似度的影響。

改進的修正余弦相似度計算方法首先要計算出差異因子，這里的差異因子表示的是用戶針對共同評分服務(wù)的評分差異度，差異因子越大，說明差異度就越大，即表明兩個用戶的相似度越低［11］。本文提出的用戶間服務(wù)評分的差異因子計算過程如下：

（1）設(shè)用戶u1和u2針對共同服務(wù)評分的服務(wù)集合為s={s1,s2,…,sn},u1和u2共同服務(wù)評分為和,將u1和u2共同服務(wù)評分差異d(u1,u2)定義為：

即：

（2）歐式距離常用來計算兩個向量之間的真實距離，這里使用歐式距離計算u1與u2之間的服務(wù)評分差異度，差異度dif(u1,u2)為：

（3）通過研究發(fā)現(xiàn)，兩個用戶共同評分的服務(wù)總數(shù)n對相似度也有一定的作用，如果n的值越大，說明共同評分的服務(wù)總數(shù)就越多，兩個用戶之間的差異度就越小，這里使用1n作為權(quán)重系數(shù)，更新之后的差異度計算公式為：

上式中：用n表示用戶u1和u2共同評分的服務(wù)總數(shù)；u1和u2對第i個服務(wù)的評分，然后作差取得差值記為di。

（4）dif(u1,u2)取值范圍是在0到∞，需歸一化到（0,1）內(nèi)。

由公式（7）可以得到，dif(u1,u2)值越大則表示兩個用戶之間的相似度就越低，故這里使用指數(shù)函數(shù)對dif(u1,u2)進行歸一化，將其取值范圍降到（0,1）內(nèi)，并根據(jù)指數(shù)函數(shù)的單調(diào)性，并進一步調(diào)整差異度公式的單調(diào)性，這里控制單調(diào)性為單調(diào)增，即dif(u1,u2)對應(yīng)的差異度值越大，它所表示的相似度就越高。

本文將評分差異度dif(u1,u2)作為差異因子來修正傳統(tǒng)的修正余弦相似度，從而有效改善傳統(tǒng)的修正余弦相似度對絕對值不敏感的問題，綜上融入了差異因子的修正余弦相似度計算式為：

即：

2.3 確定預(yù)測評分模型

通過以上兩種相似度的計算公式，可以分別計算出各用戶間的相似度，進一步確定用戶的最近鄰居集，而為目標(biāo)用戶推薦服務(wù)需要將最近鄰居集中的每個用戶對各個服務(wù)進行打分，即目標(biāo)用戶u的最近鄰居集UNB對服務(wù)集合中的每個服務(wù)進行預(yù)測評分，從而可以得到預(yù)測服務(wù)評分表Pu，通過服務(wù)評分列表根據(jù)評分從高到低進行推薦［12］。這里用戶u根據(jù)UNB對特定服務(wù)j的預(yù)測評分計算公式如式（11）所示。

上面式子中，我們用Pu,j表示用戶u對服務(wù)j的預(yù)測評分，UNB表示的是用戶u的最近鄰居集，sim(u,v)代表了用戶u與用戶v間的相似度。

3 實驗和結(jié)果

本文主要基于協(xié)同過濾算法，使用修正余弦相似度和融入差異因子的修正余弦相似度兩種相似度計算方法，找出目標(biāo)用戶的最近鄰居集，依據(jù)最近鄰居集中的每個用戶對服務(wù)的綜合評分，從而實現(xiàn)對專業(yè)科技資源平臺上的各個服務(wù)為用戶進行定制推薦，確定出兩種服務(wù)定制推薦方案，依據(jù)實驗得到兩種推薦方案的性能，確定最佳的方案用于專業(yè)科技資源平臺的服務(wù)推薦。

3.1 實驗配置

本實驗所用到的開發(fā)工具包括PyCharm，MySQL 5.6，硬件為Intel（R）Core（TM）i7-6500U CPU@2.50 GHz處 理 器、2.50 GHz CPU和12 G RAM，在Windows 10的操作系統(tǒng)環(huán)境運行。

本實驗所用的數(shù)據(jù)集來自于科技資源服務(wù)平臺，使用隨機抽樣的方法選取200個用戶，13個大服務(wù)下的117個子服務(wù)進行實驗，13個大服務(wù)指的是企業(yè)檢索、中文專利檢索、專家檢索、機構(gòu)檢索、法律法規(guī)檢索、科技成果檢索、中文期刊檢索、英文專利檢索、作者檢索、中文OA論文檢索、外文OA論文檢索、中文會議論文檢索、高等院校檢索服務(wù)，117個子服務(wù)指的是每個大服務(wù)下針對各個行業(yè)、領(lǐng)域細分的服務(wù)，便于用戶可以更好的使用服務(wù)，快速檢索、查詢、下載目標(biāo)文章。

本實驗統(tǒng)計200個用戶針對服務(wù)的使用情況，然后使用服務(wù)評分模型計算每個用戶對使用過的服務(wù)進行評分，通過計算得到200個用戶對117個子服務(wù)共有1500個評分，評分取值在1~5之間，然后在200個用戶中隨機選取80%用戶作為實驗的訓(xùn)練集，剩下的20%用戶作為實驗的測試集，每次實驗在測試集中隨機抽取10個用戶作為推薦對象，再基于傳統(tǒng)和改進的用戶協(xié)同過濾算法進行預(yù)測，得到用戶對各個服務(wù)的評分，并將服務(wù)作為候選服務(wù)集和真實的服務(wù)集進行對比，確定傳統(tǒng)和改進算法的優(yōu)劣性。

本實驗使用平均絕對誤差、綜合評價指標(biāo)來評價傳統(tǒng)算法和改進算法的推薦性能，具體的評價指標(biāo)描述如下：

（1）平均絕對偏差（MAE）指的是用戶對服務(wù)進行評分的真實值與預(yù)測值進行相減，并得到差值，接下來再求差值的絕對值的平均值，計算出來的值用來表示推薦算法的預(yù)測性能，MAE的值越小，表示預(yù)測的越準(zhǔn)確，也表示推薦的質(zhì)量越高［13］。

上式中：R'p,Se代表用戶p針對特定服務(wù)Se評分的真實值，而Rp,Se代表用戶p針對特定服務(wù)Se評分的預(yù)測值，n表示在當(dāng)前測試集中用戶對具體服務(wù)評分的總個數(shù)。

（2）綜合評價指標(biāo) 綜合評價指標(biāo)（F）是結(jié)合了準(zhǔn)確率（P）（指的是在推薦結(jié)果中用戶所喜歡的服務(wù)數(shù)量與所有服務(wù)數(shù)量的比值）和召回率（R）（指的是在推薦結(jié)果中用戶喜歡的服務(wù)數(shù)量與用戶所有喜歡的服務(wù)數(shù)量的比值）的評價指標(biāo)［14］，計算出來的值能夠反映出推薦算法的綜合能力，其中F的值越大，所表示的推薦性能越好、推薦質(zhì)量越高，具體使用的公式如下所示：

上式中：R(p)代表協(xié)同過濾算法推薦給用戶p的所有的服務(wù)個數(shù)，而T(p)代表用戶p所有喜歡的服務(wù)個數(shù)，p代表的是用戶集合T中的用戶。

3.2 實驗結(jié)果

本文針對實驗中的訓(xùn)練集進行算法訓(xùn)練，取用戶的前30個最近鄰居進行預(yù)測評分，并結(jié)合實驗中的測試集進行對比，依據(jù)公式（12）計算平均誤差損失率，從而可以得到MAE隨著最近鄰居數(shù)量的變化而變化，同時也可以看到針對數(shù)量相同的最近鄰居，傳統(tǒng)算法和改進算法對應(yīng)的MAE值的大小。

圖3 MAE與最近鄰居數(shù)量的變化曲線

由圖3可知：當(dāng)最近鄰居數(shù)量大于5時，改進后的協(xié)同過濾算法的平均絕對誤差MAE低于傳統(tǒng)的協(xié)同過濾算法，其中當(dāng)最近鄰居數(shù)量等于30時，明顯低于傳統(tǒng)協(xié)同過濾算法的MAE，這充分說明了融入差異因子的修正余弦相似度計算公式起到了關(guān)鍵性的作用，提高預(yù)測評分的準(zhǔn)確率，也大大的提高服務(wù)推薦的準(zhǔn)確性。

在新用戶推薦具體服務(wù)的實驗中，在同樣的實驗環(huán)境下，從用戶的測試數(shù)據(jù)集中隨機抽取10位新用戶，使用本文中的兩種推薦算法分別為每位用戶推薦相應(yīng)服務(wù)，這里最近鄰居取前30個，推薦的服務(wù)列表取前6個，新用戶的順序與計算所得到的F值對應(yīng)的關(guān)系如圖4所示。

圖4 針對新用戶推薦的綜合評價F值變化曲線

由圖4可知：新用戶推薦質(zhì)量的綜合評價指標(biāo)F值在0.33～0.39之間，而且改進后的協(xié)同過濾算法F值要大于傳統(tǒng)協(xié)同過濾算法的F值，充分說明了融入差異因子的修正余弦相似度能夠提高服務(wù)推薦質(zhì)量，同時可以觀察到F值浮動比較小，說明改進后的協(xié)同過濾算法可以為用戶感興趣、有價值的服務(wù)。

4 結(jié)語

針對專業(yè)科技資源的服務(wù)定制推薦研究，讓用戶可以在科技資源服務(wù)平臺上更好，更快速的使用想要的服務(wù)，即為每個用戶生成特定感興趣、有用的定制服務(wù)功能板塊，供用戶快速使用，為用戶節(jié)省大量篩選和查詢的時間，并提升用戶的滿意度。故本文將用戶使用服務(wù)的情況，量化為具體的服務(wù)評分，并用傳統(tǒng)的協(xié)同過濾算法和改進的協(xié)同過濾算法建立用戶-服務(wù)評分矩陣，計算用戶間的相似度，確定最近鄰居集，并為服務(wù)進行綜合打分，為用戶推薦目標(biāo)服務(wù)模塊。通過實驗表明，改進的協(xié)同過濾算法融入差異因子的修正余弦相似度計算公式，相比傳統(tǒng)的協(xié)同過濾算法，大大的降低MAE（平均絕對誤差），提高了F值（推薦質(zhì)量），故面向?qū)I(yè)科技資源的服務(wù)定制推薦研究方案可以使用改進的協(xié)同過濾算法進行設(shè)計和實現(xiàn)功能模塊的定制推薦，這有助于為用戶推薦更加有價值，更加滿意的服務(wù)。