梁四香

（空軍工程大學(xué)航空機(jī)務(wù)士官學(xué)校，河南 信陽(yáng) 464000）

目前，互聯(lián)網(wǎng)，電子商務(wù)，在線服務(wù)等行業(yè)極速發(fā)展,使傳統(tǒng)網(wǎng)絡(luò)極大擴(kuò)容。隨著大量移動(dòng)終端的參與，移動(dòng)在線條件下的“信息過(guò)飽和“難題亟待解決。同時(shí)隨著網(wǎng)絡(luò)3.0 時(shí)代的到來(lái)，網(wǎng)民數(shù)量和網(wǎng)絡(luò)購(gòu)物數(shù)量逐年遞增，大量不同的信息被產(chǎn)生，“信息爆炸”時(shí)代悄然而來(lái)。往往用戶因無(wú)法準(zhǔn)確描述想獲取的信息，而不得不從信息海洋中“大海撈針”。如何在過(guò)載的信息海洋中找到需要的信息已然成為不得不解決的問(wèn)題[1]。

早期的處理方法是引擎搜索和類目導(dǎo)航，雅虎和網(wǎng)易等公司的類目導(dǎo)航是將產(chǎn)品或項(xiàng)目分類，分目，分層處理，用戶按照從大類到小類逐層尋找，最終找到最貼近目標(biāo)的信息；谷歌等公司的搜索引擎是按照需要用戶需求，引導(dǎo)用戶找到可能滿足需求的項(xiàng)目。但是很多場(chǎng)景下用戶并沒(méi)有清晰的目標(biāo)，這種情況下，推薦系統(tǒng)便會(huì)根據(jù)用戶屬性給用戶推薦可能的項(xiàng)目，這樣還可能得到更多的驚喜[2]。

1 基于內(nèi)容的推薦算法

內(nèi)容型推薦算法是由信息過(guò)濾技術(shù)發(fā)展而來(lái)的，它對(duì)用戶過(guò)往喜好分析再對(duì)用戶進(jìn)行屬性勾畫(huà)，后比較用戶屬性勾畫(huà)與新項(xiàng)目的相似性來(lái)判斷是否推薦。比如電影《戰(zhàn)狼》和《戰(zhàn)狼2》都是吳京主演的，與吳京相關(guān)的用戶很有可能也喜歡吳京的其它作品，針對(duì)用戶的偏好的項(xiàng)目屬性，給潛在用戶推薦可能的項(xiàng)目，即系統(tǒng)針對(duì)用戶的過(guò)往偏好推薦相似度最高的產(chǎn)品。依據(jù)產(chǎn)品特征計(jì)算它們的相似度：根據(jù)相關(guān)屬性推薦物品，依據(jù)相關(guān)特征，確定符合用戶要求的項(xiàng)目特征，并判斷物品的適用性[3,4]。

該算法主要被用于可以易于獲得特征信息的文檔類，或者可手動(dòng)標(biāo)簽的影視類的推薦。它可以計(jì)算用戶的特定偏好，能夠很大程度處理數(shù)據(jù)稀疏性問(wèn)題和item 冷啟動(dòng)問(wèn)題，然而大多偏好問(wèn)題，不僅很難提取特征信息，而把多個(gè)item 的特征組成一個(gè)同一的集合（領(lǐng)域思想）也很難做到使用戶可以容易獲得目標(biāo)item。如果收集的profile 不夠準(zhǔn)確，推薦效果就會(huì)很差[5-7]。

2 基于關(guān)聯(lián)規(guī)則的推薦算法

關(guān)聯(lián)規(guī)則是從物品之間的同現(xiàn)性出發(fā)獲取它們頻繁項(xiàng)，一般是多次查看，反復(fù)查找，多次購(gòu)買(mǎi)，物品捆綁，如圖1 所示，在A-priori、FP-Growth 等算法中有支持度和置信度兩個(gè)概念，常用于推薦跟已購(gòu)買(mǎi)搭配的商品等場(chǎng)景[8,9]，但是它的推薦效果一般比協(xié)同過(guò)濾算法差，在定義變量間的關(guān)聯(lián)時(shí)更需要要注意，若被一些隱含的因素影響時(shí)，常出現(xiàn)辛普森悖論[10,11]。支持度support和置信度confidence 如公式（1）和公式（2）所示。

圖1 關(guān)聯(lián)規(guī)則推薦

辛普森悖論：考慮手機(jī)（Phone）和書(shū)籍之間的關(guān)系。購(gòu)買(mǎi)手機(jī)（Phone）的數(shù)量與購(gòu)買(mǎi)書(shū)籍的數(shù)量，如表1 所示，買(mǎi)入書(shū)籍總?cè)藬?shù)是153 人，未購(gòu)入書(shū)籍的總?cè)藬?shù)是147 人，購(gòu)入Phone 的總?cè)藬?shù)是180 人，未購(gòu)買(mǎi)的人數(shù)是120 人。

表1 手機(jī)與書(shū)籍

那么提取頻繁集，計(jì)算得到如下所示的支持度：

從中可以得出如下結(jié)論：購(gòu)買(mǎi)了Phone 的人比未購(gòu)買(mǎi)Phone的人更可能買(mǎi)書(shū)籍。

如果顧客由大學(xué)生和在職人員組成，他們還可以根據(jù)其屬性分組，如表2 所示。

表2 顧客分組

對(duì)于大學(xué)生來(lái)說(shuō)，計(jì)算得到如下所示的支持度：

對(duì)于在職人員來(lái)說(shuō)計(jì)算得到如下所示的支持度：

3 協(xié)同過(guò)濾推薦算法

主要的協(xié)同過(guò)濾算法有基于用戶算法和基于項(xiàng)目的算法兩種[15]，通常先根據(jù)用戶購(gòu)買(mǎi)記錄，根據(jù)相似度，給用戶推薦和其歷史偏好產(chǎn)品類似的產(chǎn)品[16]，基于用戶算法的具體步驟：先計(jì)算用戶的（前k 個(gè)）相似的用戶，再依據(jù)相似度（如Pearsoncorrelation coefficient[17]、Jaccard Distance[18]和CosineSimilarity[19]等），從而找到用戶的偏好產(chǎn)品，并能預(yù)測(cè)目標(biāo)用戶的評(píng)分（預(yù)測(cè)模型有kNN[20]和Regression[21]等），再過(guò)扣除用戶已買(mǎi)的產(chǎn)品，最后將產(chǎn)品按照相似性評(píng)分排序。這樣便可以使用戶容易找到需求產(chǎn)品，但是這種操作不僅帶來(lái)了復(fù)雜的在線計(jì)算，還需要解決新用戶的參與問(wèn)題[22]。

基于項(xiàng)目的過(guò)濾算法，主要是首先先得到item 間的相似度，再針對(duì)不同用戶的item 評(píng)分去預(yù)測(cè)用戶對(duì)相關(guān)的items 的評(píng)分，再將評(píng)分較高的相關(guān)項(xiàng)目推薦給用戶。基于項(xiàng)目的算法具有更高的準(zhǔn)確性和表現(xiàn)穩(wěn)定性，并且易于離線計(jì)算，但其推薦多樣性較差。Item 的相似性是靜態(tài)的；但用戶的相似性具有復(fù)雜的多樣性，且是動(dòng)態(tài)的，應(yīng)用時(shí)更應(yīng)小心。

因此，協(xié)同過(guò)濾算法的關(guān)鍵是相似性計(jì)算，計(jì)算相似度的辦法有余弦和修正的余弦相似性、杰卡德相似性和皮爾遜相關(guān)系數(shù)等。

當(dāng)數(shù)據(jù)過(guò)于稀疏的狀態(tài)下，余弦和修正的余弦相似性不能度量u1、u2間的相似度，在以往的研究中通常用Pearsoncorrelation coefficient 來(lái)計(jì)算u1、u2間的相似性，

找出跟目標(biāo)u 相似度最高的用戶并定義為鄰居集Nu，設(shè)u的項(xiàng)目評(píng)分中位數(shù)為ru，v 項(xiàng)目評(píng)分中位數(shù)為rv，rvi是v 對(duì)i 的評(píng)分，Sim(u,v)為u 和v 的相似度。未被u 評(píng)分的i 可用公式（7）來(lái)預(yù)測(cè)：

再將預(yù)測(cè)結(jié)果靠前的項(xiàng)目推薦給用戶。