王臨科，蔣祖華，李心雨

(1.上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200240；2.新加坡南洋理工大學(xué) 機(jī)械與宇航工程學(xué)院，新加坡 639798)

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，我國許多制造業(yè)企業(yè)都已搭建了自己的知識(shí)信息化平臺(tái)，實(shí)現(xiàn)工程知識(shí)在企業(yè)局域網(wǎng)的交互和共享。信息化平臺(tái)上的每個(gè)用戶都可以創(chuàng)建新的知識(shí)條目，經(jīng)過管理員審核后在平臺(tái)發(fā)布，以供平臺(tái)其他用戶瀏覽和使用。然而，平臺(tái)在各個(gè)專業(yè)領(lǐng)域積累的海量知識(shí)易使用戶在面臨實(shí)際工程問題時(shí)產(chǎn)生“信息過載”，使得用戶很難快速獲取所需的內(nèi)容。對(duì)此，作為一種能夠?yàn)橛脩艨焖俸Y選出所需知識(shí)的工具，個(gè)性化知識(shí)推薦系統(tǒng)能夠有效提升企業(yè)知識(shí)主動(dòng)供應(yīng)能力和知識(shí)重用效率，因而吸引了眾多學(xué)者進(jìn)行大量的研究。

現(xiàn)有的個(gè)性化知識(shí)推薦系統(tǒng)的研究大多以提高推薦準(zhǔn)確度為目標(biāo)。而近年來，學(xué)者們意識(shí)到，除了準(zhǔn)確度，推薦結(jié)果多樣性同樣是影響推薦效果優(yōu)劣的重要因素[1]。尤其是在工程領(lǐng)域，跨專業(yè)、跨學(xué)科的現(xiàn)象日益繁多，用戶在進(jìn)行工作時(shí)對(duì)知識(shí)的需求也總是涉及到多個(gè)特定專業(yè)領(lǐng)域(主題)的知識(shí)。并且，不同于電商等領(lǐng)域用戶偏好的隨機(jī)性，工程領(lǐng)域用戶的知識(shí)需求都具有明確的指向性。例如，船用柴油發(fā)動(dòng)機(jī)主要由燃油系統(tǒng)、滑油系統(tǒng)、冷卻水系統(tǒng)、啟動(dòng)空氣系統(tǒng)及主機(jī)遙控系統(tǒng)等組成。用戶在進(jìn)行相關(guān)的設(shè)計(jì)、維修等工作時(shí)的知識(shí)需求涉及到機(jī)械、電子、電氣、流體動(dòng)力學(xué)、熱力學(xué)等多個(gè)專業(yè)領(lǐng)域，而用戶興趣大多局限于少數(shù)幾個(gè)專業(yè)領(lǐng)域。若在進(jìn)行工程領(lǐng)域知識(shí)推薦時(shí)過度關(guān)注用戶偏好，將會(huì)導(dǎo)致兩方面的問題：1) 目標(biāo)用戶推薦列表主題單一，專業(yè)多樣性差，對(duì)用戶所需的知識(shí)主題領(lǐng)域覆蓋率低且沒有針對(duì)性，使推薦結(jié)果不能很好地滿足用戶的知識(shí)需求；2) 僅根據(jù)用戶興趣評(píng)分向量計(jì)算用戶相似度，而忽略近鄰用戶對(duì)相關(guān)知識(shí)主題的專業(yè)度，可能導(dǎo)致推薦結(jié)果質(zhì)量差。此外，由于缺乏系統(tǒng)性和關(guān)聯(lián)性視角，也造成對(duì)用戶需求發(fā)掘的局限性和偏差性。以上這些問題都會(huì)降低推薦準(zhǔn)確度和用戶滿意度。因此，有針對(duì)性地提升知識(shí)推薦結(jié)果的主題多樣性，能夠更好地滿足用戶的知識(shí)需求，對(duì)提升推薦準(zhǔn)確度和用戶滿意度有實(shí)際價(jià)值和意義[2]。

現(xiàn)有關(guān)于推薦算法的研究大多僅致力于提高推薦結(jié)果的準(zhǔn)確度，常見的主要有傳統(tǒng)協(xié)同過濾推薦[3]以及基于機(jī)器學(xué)習(xí)模型的推薦[4]等，近年來還有結(jié)合數(shù)據(jù)挖掘[5]或深度學(xué)習(xí)模型[6]的推薦。這些推薦算法的推薦結(jié)果過于單一，導(dǎo)致長尾問題以及信息牢籠問題[7]。

Miyamoto等[8]提出通過提高推薦結(jié)果多樣性解決這些問題。推薦結(jié)果的多樣性可以分為總體多樣性和個(gè)體多樣性。總體多樣性是指為所有用戶推薦的項(xiàng)目占總項(xiàng)目種類的比例，但對(duì)于工程領(lǐng)域知識(shí)推薦，其主要目的是滿足用戶個(gè)人的知識(shí)需求，因此本文旨在提高個(gè)體多樣性，使同一用戶的推薦列表中的知識(shí)涵蓋更多專業(yè)領(lǐng)域。個(gè)體多樣性推薦的關(guān)鍵在于提高單個(gè)推薦列表中項(xiàng)目間的差異度，Aytekin等[9]提出一種基于聚類的分類推薦方法，平衡了推薦準(zhǔn)確度和多樣性。Pathak等[10]提出一種聚類后過濾策略提高推薦結(jié)果的多樣性。上述研究采用后過濾策略，通過擴(kuò)大初始候選集來提升最終推薦列表多樣性。也有學(xué)者將平衡推薦準(zhǔn)確度和多樣性的問題看成求解兩個(gè)目標(biāo)函數(shù)的多目標(biāo)優(yōu)化問題。Hurley等[11]利用二元優(yōu)化方法以權(quán)衡推薦的準(zhǔn)確度和多樣性。厙向陽等[12]通過多目標(biāo)優(yōu)化算法提升推薦結(jié)果的多樣性。近年來，有學(xué)者將網(wǎng)絡(luò)和圖分析方法引入推薦領(lǐng)域。石進(jìn)平等[13]基于用戶社交關(guān)系圖網(wǎng)絡(luò)進(jìn)行推薦，有效提升推薦結(jié)果多樣性。Gan等[14]構(gòu)建用戶相似度網(wǎng)絡(luò)以改進(jìn)傳統(tǒng)的協(xié)同過濾推薦算法，很好地平衡推薦結(jié)果的準(zhǔn)確性和多樣性。另外，也有部分學(xué)者利用本體建模挖掘項(xiàng)目內(nèi)容間的語義關(guān)系，從而實(shí)現(xiàn)關(guān)聯(lián)推薦。游運(yùn)等[15]構(gòu)建家裝領(lǐng)域本體，挖掘用戶對(duì)互補(bǔ)商品或情景相關(guān)商品的需求，實(shí)現(xiàn)多樣性關(guān)聯(lián)推薦。劉龍繁等[16]以工程創(chuàng)新設(shè)計(jì)為場景，結(jié)合TRIZ理論和知識(shí)本體模型為用戶供應(yīng)多樣化知識(shí)。

總結(jié)上述研究，文獻(xiàn)[9-12]采用的后過濾或多目標(biāo)優(yōu)化方法雖然能提升推薦結(jié)果多樣性，但忽略了不同類別間的關(guān)聯(lián)，且這種多樣性是完全隨機(jī)的，不適用于工程領(lǐng)域知識(shí)推薦，因此需要基于知識(shí)主題間的關(guān)聯(lián)關(guān)系有針對(duì)性地進(jìn)行推薦。文獻(xiàn)[13-14]利用各種網(wǎng)絡(luò)結(jié)構(gòu)和圖模型發(fā)掘用戶及項(xiàng)目間的相關(guān)關(guān)系以提升推薦結(jié)果多樣性，但不符合工程領(lǐng)域知識(shí)主題間的關(guān)聯(lián)規(guī)律，因此需要構(gòu)造符合工程領(lǐng)域知識(shí)主題間關(guān)聯(lián)規(guī)律的知識(shí)主題網(wǎng)絡(luò)。文獻(xiàn)[15-16]雖然充分利用了項(xiàng)目內(nèi)容間的語義關(guān)系，但由于領(lǐng)域本體構(gòu)建復(fù)雜，更新困難，且自動(dòng)化程度極低，導(dǎo)致算法應(yīng)用場景非常有限，因此需要基于自動(dòng)化程度高且可移植性高的算法進(jìn)行推薦。綜上，面向工程領(lǐng)域知識(shí)急需一種新的主題多樣性推薦方法。

1 基于TDCF推薦算法的工程領(lǐng)域知識(shí)推薦新機(jī)制

基于對(duì)國內(nèi)外研究工作現(xiàn)狀的調(diào)研，結(jié)合企業(yè)現(xiàn)有知識(shí)信息化平臺(tái)的特點(diǎn)，本文提出一種考慮主題多樣性的知識(shí)推薦新機(jī)制，如圖1所示。該機(jī)制通過集成推薦算法協(xié)助用戶高效獲取所需知識(shí)，核心為TDCF推薦算法，算法與現(xiàn)有平臺(tái)的集成通過3個(gè)接口實(shí)現(xiàn)：1) 日志接口，預(yù)處理用戶行為日志得到用戶行為序列數(shù)據(jù)，并挖掘用戶群行為序列數(shù)據(jù)；2) 文檔接口，對(duì)平臺(tái)知識(shí)文檔集合進(jìn)行預(yù)處理，并進(jìn)行知識(shí)主題聚類；3) 推薦接口，算法自動(dòng)完成相關(guān)計(jì)算，并通過推薦接口為目標(biāo)用戶生成知識(shí)推薦列表。

圖1 面向工程領(lǐng)域知識(shí)的主題多樣性推薦新機(jī)制Figure 1 Topic diversity recommendation mechanism in the field of engineering knowledge

不同于以往的推薦機(jī)制，TDCF推薦算法同時(shí)基于用戶專業(yè)度和知識(shí)主題網(wǎng)絡(luò)進(jìn)行推薦，因而能夠?yàn)橛脩籼峁┯嗅槍?duì)性且具有主題多樣性的知識(shí)建議。因此，該知識(shí)推薦新機(jī)制能更好地滿足用戶的知識(shí)需求，進(jìn)而能夠有效提升企業(yè)知識(shí)主動(dòng)供應(yīng)能力和知識(shí)重用效率。

2 主題多樣性知識(shí)推薦算法

TDCF推薦算法主要有5個(gè)核心要素：1) 用戶興趣模型，模型考慮用戶短期歷史行為時(shí)效性和知識(shí)文本長度對(duì)當(dāng)前興趣的影響，更準(zhǔn)確地刻畫了用戶偏好；2) 知識(shí)主題網(wǎng)絡(luò)，體現(xiàn)知識(shí)主題間的關(guān)聯(lián)關(guān)系，并適用于當(dāng)前用戶群；3) 用戶專業(yè)度，體現(xiàn)用戶對(duì)知識(shí)主題的專業(yè)程度；4) 改進(jìn)的評(píng)分矩陣預(yù)填充方法，考慮用戶專業(yè)度，使評(píng)分預(yù)測(cè)更加準(zhǔn)確；5) 改進(jìn)的用戶相似度計(jì)算方法，有針對(duì)性地提升目標(biāo)用戶推薦列表中知識(shí)的主題多樣性。圖2所示為算法流程圖，主要分為以下幾個(gè)階段。

圖2 TDCF知識(shí)推薦算法流程Figure 2 Flowchart of TDCF

1) 收集用戶行為記錄數(shù)據(jù)，每條數(shù)據(jù)包含用戶ID、知識(shí)條目ID、瀏覽開始時(shí)間Tstart、瀏覽結(jié)束時(shí)間Tend等 信息；從數(shù)據(jù)庫中獲得知識(shí)文本集合{I1,I2, ···,Im}，m為知識(shí)條目數(shù)量。

2) 對(duì)用戶行為記錄數(shù)據(jù)進(jìn)行預(yù)處理得到有序用戶行為序列數(shù)據(jù) (U,I,ΔT)， ΔT為用戶U對(duì)知識(shí)條目I的瀏覽時(shí)長；對(duì)知識(shí)文本集合進(jìn)行預(yù)處理得到語料集合D={d1,d2,···,dm}。

3) 基于有序用戶行為序列數(shù)據(jù) (U,I,ΔT)，構(gòu)造三維用戶行為矩陣B(U,I,S)，S表示用戶行為序列的先后順序，并基于B(U,I,S)計(jì)算當(dāng)前用戶興趣評(píng)分矩陣C(U,I)。

4) 對(duì)語料集合D={d1,d2,···,dm}進(jìn)行LDA主題聚類得到主題集合T={t1,t2,···,tk} ，k為聚類主題數(shù)量，并基于主題關(guān)鍵詞共現(xiàn)關(guān)系和用戶行為序列數(shù)據(jù)，構(gòu)造知識(shí)主題網(wǎng)絡(luò)G=(V,E)，G為有向圖結(jié)構(gòu)。

5) 計(jì)算用戶?主題專業(yè)度pU,t，并考慮用戶專業(yè)度對(duì)用戶評(píng)分矩陣C(U,I)預(yù)填充。

6) 基 于C(U,I)、pU,t、G=(V,E)計(jì) 算 用 戶 相 似度，查找目標(biāo)用戶的近鄰用戶，并根據(jù)近鄰用戶的偏好為目標(biāo)用戶生成推薦列表。

2.1 用戶興趣模型

傳統(tǒng)的0-1用戶興趣評(píng)分矩陣僅將用戶偏好分為喜歡和不喜歡，無法準(zhǔn)確地衡量用戶對(duì)知識(shí)的喜好程度，因此本文采用用戶瀏覽時(shí)長衡量用戶偏好。通過對(duì)用戶行為日志進(jìn)行預(yù)處理，得到有序的用戶行為序列數(shù)據(jù)，形式為(U,I,ΔT)， 表示用戶U對(duì)知識(shí)條目I進(jìn)行了時(shí)長為 ΔT的瀏覽。然后定義三維空間域 {U,I,S}，并利用所有用戶的行為序列數(shù)據(jù)構(gòu)造三維用戶行為矩陣B(U,I,S)，S表示用戶行為序列的先后順序，矩陣中的元素b(U,I,S)為 用戶U在其行為序列的S節(jié)點(diǎn)處瀏覽知識(shí)條目I的時(shí)長。根據(jù)用戶Ui對(duì)m條 知識(shí)條目的行為序列中L個(gè)行為數(shù)據(jù)，可以構(gòu)造一個(gè)二維稀疏矩陣B(Ui,I,S)，如式(1)所示。

2.2 知識(shí)主題網(wǎng)絡(luò)

設(shè)所有知識(shí)條目集合為 {I1,I2,···,Im}，預(yù)處理后得到語料集合D={d1,d2,···,dm}， 用LDA模型將D劃分為k個(gè) 主題T={t1,t2,···,tk}，然后基于群體智能思想[17]，利用系統(tǒng)用戶群的行為序列數(shù)據(jù)計(jì)算不同知識(shí)主題間的關(guān)聯(lián)度Rti,t j，如式(4)所示。

2.3 用戶專業(yè)度

用戶專業(yè)背景與工作領(lǐng)域的差異導(dǎo)致他們對(duì)不同主題知識(shí)的專業(yè)程度不同，本文定義用戶專業(yè)度pU,t， 反映用戶U對(duì)知識(shí)主題t的專業(yè)度。

用戶的專業(yè)領(lǐng)域和文檔都可以用關(guān)鍵詞及其權(quán)重的參數(shù)對(duì)集合表征，形式為 (k,wk) ，wk為關(guān)鍵詞k的權(quán)重。首先計(jì)算用戶關(guān)鍵詞權(quán)重對(duì)集合，將用戶U參與創(chuàng)建和修訂的所有知識(shí)文檔整合為單條知識(shí)文檔d，然后對(duì)d進(jìn)行分詞及去除停用詞處理得到詞語集合Cw，再結(jié)合TF-IDF算法的思想，利用式(5)計(jì)算詞語集合Cw中每個(gè)詞語的權(quán)重。

圖3 知識(shí)主題網(wǎng)絡(luò)Figure 3 Knowledge topic network

式(9)中，qd表 示文檔d的質(zhì)量；Ud表示瀏覽過知識(shí)文檔d的用戶集合； |Ud|表 示Ud中用戶的數(shù)量；n表 示用戶U瀏覽文檔d的次數(shù)； ΔTi表 示用戶U第i次瀏覽文檔d的時(shí)長； ΔTU表示用戶U所有瀏覽行為中的平均瀏覽時(shí)長。

根據(jù)式(8)計(jì)算用戶U與知識(shí)主題t中文檔的平均相似度 simU,t。根據(jù)式(9)計(jì)算知識(shí)主題t的文檔集合中用戶U創(chuàng)建的文檔的質(zhì)量之和qU?；趨f(xié)同過濾的知識(shí)推薦需要保證近鄰用戶的可靠性，因此用戶權(quán)威度應(yīng)當(dāng)由 simU,t和pU,t中較小的決定，而調(diào)和平均具有短板效應(yīng)，因此用它們的調(diào)和平均值作為用戶U對(duì)知識(shí)主題t的 專業(yè)度pU,t，如式(10)所示。

2.4 考慮用戶專業(yè)度的評(píng)分矩陣預(yù)填充

隨著知識(shí)管理系統(tǒng)中知識(shí)條目數(shù)量的增長，用戶評(píng)分矩陣變得極其稀疏，導(dǎo)致基于相似度計(jì)算的推薦算法準(zhǔn)確度降低，因此需要對(duì)用戶評(píng)分矩陣進(jìn)行預(yù)填充。預(yù)測(cè)用戶u對(duì) 知識(shí)條目i的 評(píng)分su,i如式(11)所示。

2.5 改進(jìn)的用戶相似度

對(duì)于具有相似工程任務(wù)的用戶，往往也具有相似的知識(shí)偏好，因此可以利用協(xié)同過濾算法進(jìn)行推薦。傳統(tǒng)協(xié)同過濾推薦算法常用兩個(gè)用戶向量的余弦值計(jì)算用戶相似度，Gan等[18]指出，受流行項(xiàng)目的影響，傳統(tǒng)基于用戶的協(xié)同過濾推薦算法多樣性較差，并利用冪函數(shù)對(duì)用戶相似度函數(shù)進(jìn)行冪律調(diào)節(jié)，使推薦準(zhǔn)確度和多樣性都有所提升。受此啟發(fā)，本文基于用戶專業(yè)度和知識(shí)主題網(wǎng)絡(luò)改進(jìn)用戶相似度計(jì)算方法，如式(14)所示。

為目標(biāo)用戶查找近鄰用戶時(shí)，根據(jù)目標(biāo)用戶當(dāng)前偏好主題和知識(shí)主題網(wǎng)絡(luò)可以確定相關(guān)主題集合T。式(14)能夠提高對(duì)T專業(yè)度高的用戶的相似度排名，盡可能為目標(biāo)用戶推送相關(guān)主題集合中的知識(shí)，有針對(duì)性地提升主題多樣性，使推薦結(jié)果更好地滿足用戶的知識(shí)需求，進(jìn)而提升推薦準(zhǔn)確度和用戶滿意度。

3 算法驗(yàn)證與對(duì)比分析

3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境

本文采用國內(nèi)某船廠知識(shí)管理系統(tǒng)中的真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，系統(tǒng)中含有船舶設(shè)計(jì)相關(guān)的知識(shí)條目379條，系統(tǒng)用戶37人。處理用戶瀏覽記錄，得到4 367行有序用戶行為序列數(shù)據(jù) (U,I,ΔT)，其中每行表示用戶的一次點(diǎn)擊瀏覽行為，包含用戶ID，知識(shí)條目ID以及該次瀏覽行為持續(xù)時(shí)長三個(gè)信息，如表1所示。利用表1數(shù)據(jù)構(gòu)造三維用戶行為矩陣B(U,I,S)， 并沿其S維截取子矩陣Btrain(U,I,S)37×379×0.8L和Btest(U,I,S)37×379×0.2L分別作為單次實(shí)驗(yàn)的訓(xùn)練數(shù)據(jù)和測(cè)試集。

表1 用戶瀏覽記錄數(shù)據(jù)Table 1 User browsing data

表2所示為知識(shí)條目的相關(guān)信息，文本長度用于計(jì)算用戶瀏覽知識(shí)條目時(shí)的相對(duì)停留時(shí)長，文本內(nèi)容用于LDA主題聚類并構(gòu)造知識(shí)主題網(wǎng)絡(luò)。

表2 知識(shí)條目信息Table 2 Information of knowledge items

本次實(shí)驗(yàn)環(huán)境配置如下。

硬件環(huán)境：macOS-10.15版本操作系統(tǒng)，四核Intel Core i5處理器，16 GB運(yùn)存。

軟件環(huán)境：PyCharm 2019.3.3 (Professional Edition)，python-3.7，numpy-1.17.4，gensim-3.8.0，jieba-0.4.0。

3.2 評(píng)價(jià)指標(biāo)

利用Btrain(U,I,S)37×379×0.8L構(gòu) 造用戶評(píng)分矩陣C(U,I)作為訓(xùn)練數(shù)據(jù)，Btest(U,I,S)37×379×0.2L作為測(cè)試集。若算法推薦的知識(shí)條目在測(cè)試集中出現(xiàn)，則為命中，據(jù)此可計(jì)算精確率和召回率。F1分?jǐn)?shù)同時(shí)兼顧推薦的精確率和召回率，因此本文用F1分?jǐn)?shù)衡量推薦結(jié)果的準(zhǔn)確度，如式(15)所示。

本文所提到的多樣性是針對(duì)個(gè)體的多樣性，即單個(gè)推薦列表中知識(shí)條目間的差異。這里定義推薦列表R的 多樣性D ivR，用推薦列表中所有知識(shí)條目對(duì)的平均差異計(jì)算[19]，如式(16)所示。

式(16)中，|R|為 推薦列表中知識(shí)條目數(shù)量；simI,J表示知識(shí)條目I和J的相似度，利用兩條知識(shí)的關(guān)鍵詞集及其權(quán)重，根據(jù)式(8)計(jì)算，1 ?simI,J表示知識(shí)條目I和J的差異度。

3.3 準(zhǔn)備工作

利用LDA對(duì)知識(shí)庫中所有知識(shí)條目進(jìn)行主題聚類前，需要確定最佳知識(shí)主題個(gè)數(shù)T。本文通過計(jì)算概率分布的困惑度 Perplexity確定T，根據(jù)信息論，低困惑度的概率模型能更準(zhǔn)確地預(yù)測(cè)樣本。本文所用困惑度[20]計(jì)算如式(17)所示。

如圖4所示，在本文數(shù)據(jù)集上，困惑度隨著主題數(shù)量的增加而下降，但是，當(dāng)主題數(shù)量大于30后，困惑度下降速度放緩，模型性能提升有限，因此本文將知識(shí)主題個(gè)數(shù)T設(shè)置為30，知識(shí)主題聚類結(jié)果如表3所示。

表3 知識(shí)主題聚類結(jié)果示例Table 3 Topic clustering of knowledge

圖4 不同主題個(gè)數(shù)下概率分布的困惑度Figure 4 Perplexity of probability distribution under different number of topics

此外，由式(2)可知，計(jì)算用戶Ui對(duì)知識(shí)條目Ij的 評(píng)分cUi,I j之前，還需確定用戶興趣模型的最佳序列長度L。如圖5所示，當(dāng)L值由0增加至20，F(xiàn)1分?jǐn)?shù)由0.22快速攀升至0.47，這是因?yàn)楣こ填I(lǐng)域用戶近期的瀏覽行為能夠反映其短期興趣偏好，而式 (2)根據(jù)用戶近期瀏覽行為數(shù)據(jù)計(jì)算cUi,I j，對(duì)用戶短期興趣進(jìn)行充分挖掘。隨著L值的遞增，F(xiàn)1分?jǐn)?shù)增速放緩，當(dāng)L值大于35后，甚至出現(xiàn)小幅下降，這是由于過早的歷史行為數(shù)據(jù)與當(dāng)前用戶偏好關(guān)聯(lián)度過低，甚至?xí)蔀樵肼晹?shù)據(jù)，式 (2) 的計(jì)算結(jié)果出現(xiàn)偏差，從而導(dǎo)致F1分?jǐn)?shù)下降。此外，L值增大也會(huì)造成推薦算法計(jì)算量過大，影響推薦響應(yīng)時(shí)間。綜上，本文L取值為20，既包含足夠的用戶偏好數(shù)據(jù)，又盡可能地減少計(jì)算量。

圖5 不同 L值下TDCF算法的F1分?jǐn)?shù)Figure 5 F1-Score of TDCF under different values of parameter L

3.4 知識(shí)推薦結(jié)果示例

針對(duì)“船舶柴油發(fā)動(dòng)機(jī)缸蓋設(shè)計(jì)”這一工程任務(wù)進(jìn)行推薦。根據(jù)相關(guān)專家經(jīng)驗(yàn)，缸蓋設(shè)計(jì)主要用到機(jī)械結(jié)構(gòu)設(shè)計(jì)、材料工藝選擇和機(jī)械裝配領(lǐng)域等三個(gè)專業(yè)領(lǐng)域的知識(shí)。如圖6所示，利用本文算法為目標(biāo)用戶推薦5條知識(shí)。其中，第1條為關(guān)于“柴油發(fā)動(dòng)機(jī)缸蓋制作”的專利知識(shí)；第2條為缸蓋工藝詳細(xì)流程資料；第4條為因汽缸蓋裝配失誤造成故障的案例知識(shí)。經(jīng)目標(biāo)用戶和船舶領(lǐng)域?qū)＜覚z驗(yàn)，這三條知識(shí)對(duì)當(dāng)前缸蓋設(shè)計(jì)任務(wù)都具有很高的參考價(jià)值，且覆蓋當(dāng)前設(shè)計(jì)任務(wù)所需的材料工藝選擇和機(jī)械裝配兩個(gè)領(lǐng)域，具有主題(專業(yè)領(lǐng)域)多樣性。

圖6 針對(duì)目標(biāo)用戶的知識(shí)推薦Figure 6 Knowledge recommendation for target user

3.5 算法實(shí)驗(yàn)

在TDCF推薦算法中，本文同時(shí)提出兩種改進(jìn)：1) 考慮用戶專業(yè)度對(duì)標(biāo)準(zhǔn)矩陣預(yù)填充方法進(jìn)行改進(jìn)；2) 基于用戶專業(yè)度和知識(shí)主題網(wǎng)絡(luò)改進(jìn)標(biāo)準(zhǔn)用戶相似度計(jì)算方法。為了驗(yàn)證這兩種改進(jìn)在推薦算法準(zhǔn)確度和結(jié)果多樣性上的改進(jìn)效果，本節(jié)首先對(duì)TDCF推薦算法，以及仍然采用標(biāo)準(zhǔn)預(yù)填充方法和仍然采用標(biāo)準(zhǔn)用戶相似度計(jì)算方法的推薦算法進(jìn)行對(duì)比實(shí)驗(yàn)，其對(duì)比結(jié)果如圖7所示。對(duì)比實(shí)驗(yàn)中，TDCF算法的F1分?jǐn)?shù)提升至0.49。這是由于改進(jìn)的評(píng)分矩陣預(yù)填充方法充分考慮了用戶專業(yè)度，因而能夠更準(zhǔn)確地預(yù)測(cè)用戶評(píng)分，評(píng)分預(yù)測(cè)結(jié)果會(huì)比標(biāo)準(zhǔn)預(yù)填充方法更可靠。另外，TDCF推薦算法的多樣性也提升至0.4。這是由于TDCF算法采用改進(jìn)的用戶相似度計(jì)算方法能夠利用知識(shí)主題網(wǎng)絡(luò)和用戶專業(yè)度對(duì)用戶相似度進(jìn)行修正。若主題域ti與目標(biāo)用戶u0偏 好主題域t0的 關(guān)聯(lián)度越高，以及用戶ui對(duì)主題域ti的專業(yè)度越高，則用戶ui與 目標(biāo)用戶u0的相似度越高。因此，基于修正的相似度計(jì)算方法推薦近鄰用戶，推薦結(jié)果的多樣性得以有針對(duì)性的提升。綜上，采用改進(jìn)的矩陣預(yù)填充方法和改進(jìn)的用戶相似度計(jì)算方法能夠優(yōu)化TDCF推薦算法的推薦結(jié)果。

圖7 TDCF算法改進(jìn)效果對(duì)比Figure 7 Performance of TDCF before and after algorithm improvement

在不同近鄰用戶規(guī)模K上，本文還將TDCF推薦算法與標(biāo)準(zhǔn)協(xié)同過濾推薦算法(CF)、PSR-GRS[13]推薦算法和Network-based CF[14]推薦算法等常用推薦算法進(jìn)行對(duì)比實(shí)驗(yàn)，驗(yàn)證TDCF算法在推薦準(zhǔn)確度和多樣性上的提升。本實(shí)驗(yàn)采用Top-5推薦。

TDCF與CF、PSR-GRS和Network-based CF 4種推薦算法在不同近鄰用戶規(guī)模K下的F1值曲線如圖8所示。當(dāng)K較小時(shí)，只能命中目標(biāo)用戶的部分偏好，4種算法的F1值都偏低且相近；當(dāng)K為5和10時(shí)，PSR-GRS算法和Network-based CF算法的F1值較大，原因是這兩種算法都通過用戶網(wǎng)絡(luò)結(jié)構(gòu)對(duì)用戶間關(guān)系進(jìn)行挖掘，更能快速匹配到與目標(biāo)用戶最相似的近鄰用戶；當(dāng)K增大到15時(shí)，TDCF的F1值就增加到0.47，高于Network-based CF和PSR-GRS的0.44和0.41；隨著K繼續(xù)增大，4種算法的F1值增速都逐漸放緩，當(dāng)K為20時(shí)，TDCF的F1值達(dá)到0.52，高于Network-based CF和PSR-GRS的0.47和0.44。這是因?yàn)椋疚乃惴紤]用戶專業(yè)度以修正評(píng)分矩陣預(yù)填充方法，能夠更準(zhǔn)確地預(yù)測(cè)缺失的用戶評(píng)分?jǐn)?shù)據(jù)，并且同時(shí)基于用戶專業(yè)度和知識(shí)主題網(wǎng)絡(luò)改進(jìn)用戶相似度計(jì)算方法，能夠有針對(duì)性地提升推薦結(jié)果多樣性，使推薦結(jié)果能更好地滿足用戶的知識(shí)需求，進(jìn)而提升推薦結(jié)果準(zhǔn)確度。

圖8 不同近鄰用戶規(guī)模下推薦算法的F1分?jǐn)?shù)曲線Figure 8 F1-Score of different algorithms under different values of parameter K

TDCF與CF、PSR-GRS和Network-based CF 4種推薦算法在不同近鄰用戶規(guī)模K下的推薦結(jié)果主題多樣性曲線如圖9所示。由于CF算法僅根據(jù)用戶興趣評(píng)分計(jì)算用戶相似度，其多樣性相對(duì)較低，最高為0.26，遠(yuǎn)小于另外3種算法。Network-based CF在進(jìn)行推薦時(shí)利用用戶相似度網(wǎng)絡(luò)過濾掉用戶間相似度較低的偏好，不僅使推薦結(jié)果的準(zhǔn)確性得到較大幅度提升(見圖8)，多樣性也有所增強(qiáng)，當(dāng)K為15和20時(shí)，推薦多樣性分別達(dá)到0.29和0.33。對(duì)于PSRGRS算法，當(dāng)K為20時(shí)，其推薦多樣性達(dá)到0.37，高于CF和Network-based CF推薦算法。這是因?yàn)樵撍惴ɑ谟脩羯缃痪W(wǎng)絡(luò)關(guān)系圖進(jìn)行推薦，能夠提升推薦多樣性。TDCF算法的推薦結(jié)果主題多樣性高于另外3種算法，當(dāng)K為20時(shí)，其多樣性達(dá)到0.44，且有針對(duì)性地提升多樣性，也使推薦結(jié)果能更好地滿足用戶的知識(shí)需求，進(jìn)而將推薦準(zhǔn)確度提升至0.52(見圖8)。

圖9 不同近鄰用戶規(guī)模下推薦算法主題多樣性曲線Figure 9 Topic diversity of different algorithms under different values of parameter K

4 結(jié)語

工程問題的解決涉及到多個(gè)學(xué)科和專業(yè)的知識(shí)，主題單一的推薦列表已無法滿足當(dāng)前工程領(lǐng)域用戶對(duì)知識(shí)多樣性的需求。本文考慮工程領(lǐng)域知識(shí)推薦的特殊性，提出一種面向工程領(lǐng)域知識(shí)的主題多樣性推薦方法。該方法主要貢獻(xiàn)有4點(diǎn)：1) 利用LDA主題模型將知識(shí)文本分類，挖掘當(dāng)前用戶群行為序列數(shù)據(jù)，構(gòu)造符合工程領(lǐng)域知識(shí)主題間關(guān)聯(lián)規(guī)律的知識(shí)主題網(wǎng)絡(luò)；2) 定義用戶專業(yè)度，并提出考慮用戶專業(yè)度的評(píng)分矩陣預(yù)填充方法，更準(zhǔn)確地預(yù)測(cè)缺失評(píng)分?jǐn)?shù)據(jù)，克服數(shù)據(jù)稀疏問題；3) 基于知識(shí)主題網(wǎng)絡(luò)和用戶專業(yè)度改進(jìn)用戶相似度計(jì)算方法，能夠有針對(duì)性地提升知識(shí)推薦結(jié)果的主題多樣性；4) 基于知識(shí)主題網(wǎng)絡(luò)和協(xié)同過濾進(jìn)行推薦，算法具有較高可移植性。

本文通過改進(jìn)協(xié)同過濾算法有針對(duì)性地提高知識(shí)推薦效果，而針對(duì)更為具體領(lǐng)域中的知識(shí)推薦，還需根據(jù)其領(lǐng)域特殊性做進(jìn)一步研究。