金先好

(六安職業(yè)技術(shù)學(xué)院信息與電子工程學(xué)院，安徽 六安 237158)

0 引 言

大數(shù)據(jù)時(shí)代信息推薦是進(jìn)行海量信息整合、獲取有價(jià)值信息的直接方式。其中，協(xié)同過濾算法是目前應(yīng)用頻率較高的推薦方法。結(jié)合當(dāng)前普遍應(yīng)用的云計(jì)算環(huán)境提出一種基于遺傳優(yōu)化的協(xié)同過濾算法，算法實(shí)踐思路如下：首要步驟是求取用戶和項(xiàng)目之間的歷史評(píng)分矩陣；在此基礎(chǔ)上，基于皮爾遜相關(guān)系數(shù)計(jì)算相似度獲取用戶和物品間的最近鄰居集；利用遺傳算法優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)對(duì)無評(píng)分項(xiàng)目分?jǐn)?shù)進(jìn)行預(yù)測(cè)，根據(jù)評(píng)分對(duì)用戶進(jìn)行相關(guān)內(nèi)容推薦。

1 基于遺傳優(yōu)化的云計(jì)算協(xié)同過濾算法

云計(jì)算環(huán)境下協(xié)同過濾算法以海量數(shù)據(jù)為處理對(duì)象，為了有效擴(kuò)展大數(shù)據(jù)協(xié)同過濾推薦的性能，以云計(jì)算平臺(tái)的MapReduce分布式框架作為計(jì)算模型，高效率實(shí)現(xiàn)遺傳優(yōu)化協(xié)同過濾算法并行化計(jì)算。

1.1 基于相似度計(jì)算的最近鄰居集構(gòu)建

皮爾遜相關(guān)系數(shù)相似度計(jì)算法本質(zhì)是對(duì)線性關(guān)系系數(shù)進(jìn)行表征[1]，以用戶對(duì)公共項(xiàng)目平分均值視角進(jìn)行計(jì)算，相關(guān)性與系數(shù)值成正比。定義H表示評(píng)分矩陣，不同項(xiàng)目評(píng)分的用戶集合用D表示，d∈Dα∩Dβ，公式(1)為皮爾遜相關(guān)系數(shù)相似度計(jì)算公式，主要闡述了兩個(gè)項(xiàng)目相似性,如公式(1)：

(1)

基于上述公式原理，定義用戶b與用戶d在矩陣中的評(píng)分項(xiàng)目集合為Ib,Id，α∈Ib∩Id。可得兩個(gè)用戶之間相似性如公式(2)：

(2)

1.2 基于遺傳算法的無評(píng)分項(xiàng)目分?jǐn)?shù)預(yù)測(cè)

一般的基于用戶協(xié)同過濾算法僅能以評(píng)分用戶相似度為依據(jù)進(jìn)行內(nèi)容推薦，但是新用戶或者某些用戶沒有對(duì)特定項(xiàng)目評(píng)分，所以構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)沒有評(píng)分的項(xiàng)目，解決評(píng)分不足問題[2]。但傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)采用學(xué)習(xí)過程中，卷積層和全連接層的初始權(quán)值直接影響網(wǎng)絡(luò)學(xué)習(xí)的性能。為此，基于遺傳算法確定卷積神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，在生成的多組初始權(quán)重中基于選擇、交叉、變異方式從中選擇最優(yōu)的權(quán)重值，保障卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)無評(píng)分項(xiàng)目分?jǐn)?shù)的性能與精準(zhǔn)度。

傳統(tǒng)遺傳算法尋優(yōu)過程中存在搜索能力陷入局部最優(yōu)、提前收斂等問題，其中原因如下：(1)忽略了遺傳迭代前期群體質(zhì)量低下的問題，往往將算法的交叉算子設(shè)置為固定值，不能根據(jù)群體實(shí)際情況自適應(yīng)確定交叉概率，導(dǎo)致算法尋優(yōu)能力不足；(2)變異算子決定了群體多樣性的優(yōu)劣，但是算法變異概率使用固定值不能滿足實(shí)際迭代需要，較大的變異概率容易提高迭代進(jìn)化隨機(jī)性，很難完成收斂；反之，較小的變異概率導(dǎo)致群體規(guī)模不足，陷入局部最優(yōu)[3]。針對(duì)上述原因，對(duì)傳統(tǒng)遺傳算法的交叉算子與變異算子加以改進(jìn)，提高算法全局搜索能力?；诠?3)自適應(yīng)求取交叉概率如公式(3)：

(3)

公式(3)中，迭代次數(shù)為G，g證明算法進(jìn)行了第g次迭代；交叉概率上限值與下限值分別采用ku,max,ku,min描述。當(dāng)?shù)M(jìn)行次數(shù)越大時(shí)，交叉概率自適應(yīng)呈降低趨勢(shì)。這種策略可以保障算法開始的前半階段交叉概率值較大，讓更多個(gè)體參與到迭代計(jì)算當(dāng)中，計(jì)算效率有所保障；后期交叉概率降低能夠令算法進(jìn)入穩(wěn)定收斂狀態(tài)。

基于公式(4)自適應(yīng)求取變異概率：

(4)

公式(4)中，遺傳種群適應(yīng)度值上限為fmax，等待進(jìn)行變異操作的個(gè)體適應(yīng)度值采用f(Xi)表示；變異概率上限值與下限值分別采用kr,max,kr,min描述。該表達(dá)式中，個(gè)體適應(yīng)度值、迭代次數(shù)兩者中任一變量增加，變異概率便隨之降低。

利用改進(jìn)遺傳算法確定卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型初始權(quán)值后，便可進(jìn)行未評(píng)分用戶的分?jǐn)?shù)預(yù)測(cè)。首先，定義p為無評(píng)分的項(xiàng)目集合，q為有評(píng)分的項(xiàng)目集合；評(píng)分預(yù)測(cè)使用兩個(gè)關(guān)鍵集合，一是項(xiàng)目p同近鄰集合中點(diǎn)名的共同評(píng)分用戶集合，二是沒有對(duì)項(xiàng)目p評(píng)分但是對(duì)近鄰項(xiàng)目評(píng)分的用戶分?jǐn)?shù)集合，分別定義為Z1,Z2。其次，將項(xiàng)目q評(píng)分?jǐn)?shù)據(jù)集作為卷積神經(jīng)網(wǎng)絡(luò)的輸入樣本，Z1集合中用戶對(duì)項(xiàng)目p的評(píng)分則為輸出結(jié)果。同理，在卷積神經(jīng)網(wǎng)絡(luò)中輸入Z2集合評(píng)分即可得到無評(píng)分項(xiàng)目p的預(yù)測(cè)分值[4]。最后，算法終止迭代的條件時(shí)計(jì)算到Z1集合中的最后一個(gè)項(xiàng)目，按照預(yù)測(cè)評(píng)分的大小向用戶進(jìn)行推薦，將排名靠前的l個(gè)項(xiàng)目推薦給用戶。

2 實(shí)驗(yàn)與分析

在Hadoop集群環(huán)境中部署云計(jì)算協(xié)同過濾實(shí)驗(yàn)環(huán)境，Hadoop版本為2.7.1，將Intelli JIDEA作為集成開發(fā)平臺(tái)，基于VMware創(chuàng)建虛擬節(jié)點(diǎn)；每臺(tái)機(jī)器內(nèi)存配置為2G，硬盤大小為40G，共部署一個(gè)Master節(jié)點(diǎn)和8個(gè)Slave節(jié)點(diǎn)。實(shí)驗(yàn)將Movie Lens數(shù)據(jù)集作為協(xié)同過濾推薦樣本，此數(shù)據(jù)集存在1682個(gè)項(xiàng)目、943個(gè)用戶、100000條評(píng)分?jǐn)?shù)據(jù)。將基于聚類的協(xié)同過濾算法、基于RBF模型的協(xié)同過濾算法作為對(duì)比測(cè)試方法。

平均絕對(duì)誤差表示預(yù)測(cè)值與實(shí)際值間的誤差大小，是評(píng)估協(xié)同過濾推薦算法性能的權(quán)威性指標(biāo)，圖1描述了不同近鄰用戶數(shù)量情況下，三種算法的平均絕對(duì)誤差變化情況。

圖1 三種協(xié)同過濾算法的平均絕對(duì)誤差統(tǒng)計(jì)

由圖1可知，基于聚類的協(xié)同過濾算法預(yù)測(cè)收斂的用時(shí)較長(zhǎng)，基于RBF模型的協(xié)同過濾算法次之，算法較快進(jìn)入收斂階段，并且平均絕對(duì)誤差收斂在0.31左右，隨著近鄰用戶數(shù)量的增加，該算法的平均絕對(duì)誤差趨于穩(wěn)定，說明該算法協(xié)同過濾推薦的性能逐漸穩(wěn)定。同時(shí)，基于聚類的協(xié)同過濾算法平均絕對(duì)誤差收斂在0.43左右，但是其收斂速度較慢，沒有達(dá)到理想的協(xié)同過濾效果；基于RBF模型的協(xié)同過濾算法收斂后的基于RBF模型的協(xié)同過濾算穩(wěn)定在0.51上下，呈現(xiàn)的評(píng)分預(yù)測(cè)效果較差。

云計(jì)算環(huán)境下協(xié)同過濾算法不僅需要較高的推薦精準(zhǔn)度，并且要求算法在盡可能短的時(shí)間內(nèi)完成推薦，以滿足大數(shù)據(jù)時(shí)代各領(lǐng)域?qū)ν扑]算法的需求。測(cè)試過程中不斷增加Hadoop集群環(huán)境節(jié)點(diǎn)數(shù)量，統(tǒng)計(jì)了三種算法運(yùn)行時(shí)間的變化，如表1所示。

表1 三種算法運(yùn)行時(shí)間變化/min

表1數(shù)據(jù)顯示，隨著Hadoop集群節(jié)點(diǎn)數(shù)量的增加，三種算法運(yùn)行時(shí)間均呈現(xiàn)降低趨勢(shì)，降低幅度較大。其中，本文算法進(jìn)行協(xié)同過濾推薦的時(shí)間隨著節(jié)點(diǎn)數(shù)量的勻速增加而勻速降低，由最初的59.4min降低至15.4min，能夠在較短的時(shí)間內(nèi)完成推薦工作。相比之下，基于聚類的協(xié)同過濾算法初始運(yùn)行時(shí)間為66.8min，隨著節(jié)點(diǎn)數(shù)量勻速增加，該算法運(yùn)行時(shí)間出現(xiàn)不同幅度的下降情況，并且當(dāng)節(jié)點(diǎn)增加至3個(gè)時(shí)，該算法運(yùn)行時(shí)間反而由64.4min增加至68.7min，隨后降低至61.5min?？梢姡撍惴ㄟ\(yùn)行狀態(tài)極其不穩(wěn)定，最終節(jié)點(diǎn)增加到8個(gè)時(shí)，運(yùn)行時(shí)間高達(dá)41.8min。另外，基于RBF模型的協(xié)同過濾算法最終的運(yùn)行用時(shí)為24.8min，同樣沒有達(dá)到理想狀態(tài)。

3 結(jié) 語

在云計(jì)算環(huán)境下提出基于遺傳優(yōu)化的協(xié)同過濾算法，為大數(shù)據(jù)時(shí)代信息系推薦提供高準(zhǔn)確度以及高性能的解決方案。該算法突出之處在于使用卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)沒有評(píng)分項(xiàng)目分?jǐn)?shù)，填充了新用戶對(duì)某些項(xiàng)目的評(píng)分空白；同時(shí)利用改進(jìn)交叉算子與變異算子的遺傳算法確定卷積神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，避免了網(wǎng)絡(luò)訓(xùn)練與預(yù)測(cè)的隨機(jī)性。最終取得了理想的協(xié)同過濾推薦效果，能夠生成準(zhǔn)確的推薦方案列表。