徐永華，雷東升

(1. 金陵科技學(xué)院計(jì)算機(jī)工程學(xué)院，江蘇 南京 211169；2. 北京工業(yè)大學(xué)，北京 100124)

1 引言

互聯(lián)網(wǎng)與云計(jì)算時(shí)代將網(wǎng)絡(luò)用戶的需求由資源獲取轉(zhuǎn)向?yàn)榕d趣資源獲取。在飛速發(fā)展的網(wǎng)絡(luò)時(shí)代中，對(duì)不同用戶的學(xué)習(xí)、工作、生活等方面均有著重要提取作用的推薦技術(shù)[1]應(yīng)運(yùn)而生，其憑借自身的高效優(yōu)勢(shì)，廣泛應(yīng)用于電影、社交等自媒體領(lǐng)域中。推薦算法[2]作為技術(shù)核心，決定著推薦技術(shù)的應(yīng)用性與適用性，并已經(jīng)成為近幾年的熱點(diǎn)研究課題之一。

基于上述背景，文獻(xiàn)[3]根據(jù)五免費(fèi)午餐定理與rice算法，選取推薦系統(tǒng)結(jié)構(gòu)，根據(jù)問(wèn)題特征與算法性能間的相關(guān)性，轉(zhuǎn)化推薦問(wèn)題為多分類問(wèn)題，引用多分類支持向量機(jī)算法完成智能推薦；文獻(xiàn)[4]利用軟命題邏輯、軟決策規(guī)則以及軟真度等，完成邏輯語(yǔ)義解釋、決策信息系統(tǒng)轉(zhuǎn)換以及決策規(guī)則評(píng)價(jià)，得到一種智能推薦算法。

但是盡管文獻(xiàn)方法已被普及使用，但隨著高新技術(shù)與算法的不斷提出，推薦方法性能要求也在逐漸提升。因此，本文通過(guò)改進(jìn)Slope One算法，提出大數(shù)據(jù)智能化推薦方法。結(jié)合使用者與項(xiàng)目相似度的度量策略，抑制使用者評(píng)分預(yù)測(cè)過(guò)程中非相似項(xiàng)目造成的干擾，以及使用者之間的影響，增加預(yù)測(cè)精準(zhǔn)度；通過(guò)進(jìn)一步劃分使用者屬性特征類別，使評(píng)分更有參考價(jià)值，推薦結(jié)果更具客觀性。

2 Slope One算法

作為基于使用者評(píng)分的Slope One算法，一般情況下，可通過(guò)下列一元線性回歸模型來(lái)預(yù)測(cè)評(píng)分

F(u)=u+b

(1)

式中，使用者為u，代數(shù)項(xiàng)矩陣的偏差均值為b。讓使用者w、x、y、z給兩個(gè)項(xiàng)目分別打分，得到表1所示的不同使用者評(píng)分矩陣。

表1 基于各項(xiàng)目的不同使用者評(píng)分矩陣

因此，使用SlopeOne算法的一元線性回歸模型式(1)，預(yù)測(cè)二號(hào)項(xiàng)目的使用者z打分結(jié)果，如下所示：

(2)

當(dāng)目標(biāo)使用者和其他使用者存在一致評(píng)分或者兩者一并給出同一項(xiàng)目的評(píng)分時(shí)，SlopeOne算法才能達(dá)成預(yù)測(cè)目的。

假設(shè)訓(xùn)練集合為χ，i、j，分別表示待評(píng)分的項(xiàng)目，對(duì)兩項(xiàng)目給出過(guò)評(píng)分的使用者集合為Si，j(χ)，有card(Si，j(χ))個(gè)使用者對(duì)兩項(xiàng)目一并給出過(guò)評(píng)分，則采用下列計(jì)算公式求解Slope One算法偏差

(3)

若與項(xiàng)目j一并給出評(píng)分的項(xiàng)目集為Rj，因此關(guān)于項(xiàng)目j的使用者u評(píng)分預(yù)測(cè)表達(dá)式為

(4)

由于SlopeOne算法只面向項(xiàng)目的使用者評(píng)分均差求解，缺乏項(xiàng)目的重要性考量，因此，通過(guò)在SlopeOne算法中賦予各項(xiàng)目權(quán)值，得到一種加權(quán)SlopeOne算法，并將其作為改進(jìn)的基本算法，以用于完成大數(shù)據(jù)智能化推薦任務(wù)。該算法的項(xiàng)目偏差權(quán)值為一并對(duì)兩項(xiàng)目給出過(guò)評(píng)分的使用者個(gè)數(shù)，若j是待預(yù)測(cè)的目標(biāo)項(xiàng)目，則下式即為加權(quán)SlopeOne算法下目標(biāo)使用者u對(duì)該項(xiàng)目的預(yù)測(cè)評(píng)分

(5)

3 改進(jìn)Slope One算法

當(dāng)使用者評(píng)分矩陣中使用者x與使用者y的偏好存在差異較大時(shí)，根據(jù)使用者x的打分結(jié)果去預(yù)測(cè)使用者y，會(huì)大幅降低預(yù)測(cè)精準(zhǔn)度，因此，基于上述SlopeOne算法，結(jié)合使用者與項(xiàng)目相似度的度量策略，提出一種SlopeOne優(yōu)化算法，以抑制使用者評(píng)分預(yù)測(cè)過(guò)程中非相似項(xiàng)目造成的干擾，以及使用者之間的影響。

3.1 基于使用者相似度的Slope One優(yōu)化算法

從使用者角度出發(fā)，構(gòu)建一種信任機(jī)制[5]的SlopeOne優(yōu)化算法，度量各個(gè)使用者之間的相似性。當(dāng)推薦系統(tǒng)中的信任相關(guān)性顯著時(shí)，網(wǎng)絡(luò)傳播將助推使用者間信任相關(guān)性的延伸，若使用者ue對(duì)使用者uf具有信任顯著，使用者uf對(duì)使用者ug具有信任顯著，則即使使用者ue與使用者ug間無(wú)明顯信任相關(guān)性，依然存在一定的信任相關(guān)性。假設(shè)使用者ue與uf明顯信任的相關(guān)性及其最短間距分別為tueuf、d，因此推導(dǎo)出信任值的計(jì)算公式，如下所示：

(6)

信任值t′ueuf取值范圍為[0，1]，1與0分別描述兩使用者間信任相關(guān)性的有與無(wú)。隨著明顯信任最短間距d的增加，內(nèi)耗、噪聲以及誤差不斷升高，因此，以簡(jiǎn)化運(yùn)算流程、減少內(nèi)耗為目標(biāo)，將間距d限制在3以下。

綜上所述，為求解項(xiàng)目i、j之間的誤差，改寫偏差計(jì)算式(3)為下列表達(dá)式

(7)

根據(jù)上式解得的項(xiàng)目i、j誤差值dev′i，j，結(jié)合加權(quán)SlopeOne算法式(5)解得的預(yù)測(cè)評(píng)分結(jié)果P′u，j，獲取基于使用者相似度的預(yù)測(cè)評(píng)分。

3.2 基于項(xiàng)目相似度的Slope One優(yōu)化算法

(8)

該相似度sim(i，j)的取值范圍為sim(i，j)∈[-1，1]，在不同取值區(qū)間中，項(xiàng)目i、j存在不同的相關(guān)性，如下列條件方程式所示

(9)

由此可知，當(dāng)項(xiàng)目i、j存在正比關(guān)系時(shí)，sim(i，j)趨近于1，相似性較大；當(dāng)關(guān)系是反比關(guān)系時(shí)，sim(i，j)趨近于-1，相似性較??；當(dāng)兩者不相關(guān)時(shí)，無(wú)相似關(guān)系。

綜上所述，基于項(xiàng)目相似度，用戶u對(duì)項(xiàng)目j的預(yù)測(cè)評(píng)分結(jié)果如下所示

(10)

根據(jù)上式解得的預(yù)測(cè)評(píng)分，結(jié)合下列加權(quán)Slope One算法解得的項(xiàng)目誤差結(jié)果dev″i，j，獲取項(xiàng)目相似度的最終預(yù)測(cè)評(píng)分

(11)

式中，使用者集Si，j的人數(shù)為|Si，j|。

4 改進(jìn)Slope One算法下大數(shù)據(jù)智能化推薦

為提升智能化推薦結(jié)果的精準(zhǔn)性，融合使用者相似度SlopeOne算法與項(xiàng)目相似度SlopeOne算法的預(yù)測(cè)結(jié)果，通過(guò)進(jìn)一步劃分使用者屬性特征類別，使評(píng)分更有參考價(jià)值，推薦更具客觀性。

引用蟻群聚類算法[7]，劃分使用者特征類別，步驟如下

1)對(duì)于|Si，j|個(gè)使用者，設(shè)定各年齡段中的任意使用者為初始簇中心Cu；

2)對(duì)比各簇中心的使用者與其他使用者，求解使用者間距，完成簇劃分。假設(shè)使用者ue與uf的年齡、性別以及職業(yè)等屬性特征相似度分別是simH(e，f)、simX(e，f)以及simO(e，f)，則基于屬性特征相似度simu(e，f)的計(jì)算公式如下所示：

simu(e，f)=αsimH(e，f)+βsimX(e，f)

+(1-α-β)simO(e，f)

(12)

式中，α、β取值范圍均為[0，1]，用于調(diào)整綜合相似度中各特征的干擾度。

關(guān)于性別屬性特征值，假設(shè)使用者ue與uf的性別分別為Xue、Xuf，則性別屬性相似度simX(e，f)的計(jì)算公式如下所示

(13)

關(guān)于年齡屬性特征值，以不同年齡段的使用者為年齡相似度的整體運(yùn)算對(duì)象，設(shè)定完全相似值為年齡差不大于5，若使用者ue與uf的年齡分別為Hue、Huf，則年齡屬性相似度simH(e，f)的計(jì)算公式如下所示

(14)

關(guān)于職業(yè)屬性特征值，設(shè)定使用者ue與uf的職業(yè)分別為Oue、Ouf，則職業(yè)屬性相似度simO(e，f)的計(jì)算公式如下所示

(15)

3)設(shè)定新的簇中心為最近似于簇中心的使用者，按照以下步驟完成簇中心更新，返回第步驟2)進(jìn)行循環(huán)計(jì)算：

①求解各類別中全部使用者的平均年齡；

②獲取各類別中使用者性別與職業(yè)數(shù)的極大值；

③將類別的當(dāng)前簇中心設(shè)為平均年齡、性別與職業(yè)極大值；

④求解年齡、性別以及職業(yè)等屬性特征下當(dāng)前簇中心與類別內(nèi)全部用戶的相似性；

⑤新簇中心即為與當(dāng)前簇中心具有最小歐幾里得距離[8]的使用者。

4)在分類完全全部使用者后，取得使用者類簇。

結(jié)合使用者屬性相似度simu(e，f)與使用者相似度的預(yù)測(cè)評(píng)分，得到下列基于使用者的綜合相似度界定公式

simnew＿u(e，f)=μsimPu(e，f)+(1-μ)simu(e，f)

(16)

式中，μ為修正系數(shù)[9]，負(fù)責(zé)修正兩相似度的互相干擾力度。

綜上所述，推導(dǎo)出充分考慮了項(xiàng)目、使用者及其屬性的預(yù)測(cè)評(píng)分公式，如下所示

(17)

根據(jù)所得預(yù)測(cè)評(píng)分值，與預(yù)設(shè)評(píng)分閾值作對(duì)比，若預(yù)測(cè)分值比閾值大，則該分值對(duì)應(yīng)的數(shù)據(jù)即為大數(shù)據(jù)智能化推薦結(jié)果，將其推薦給相應(yīng)使用者。

5 仿真設(shè)計(jì)與分析

5.1 仿真準(zhǔn)備階段

仿真環(huán)節(jié)選取Epinions與FilmTrust兩個(gè)數(shù)據(jù)集[10]，前者包含項(xiàng)目的輔助數(shù)據(jù)，個(gè)數(shù)增幅比使用者個(gè)數(shù)增幅大，而后者則在預(yù)處理之后，有關(guān)噪聲已被去除，得到的文本元素均呈小寫形式。表2與表3所示分別為兩數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境相關(guān)參數(shù)。

表2 數(shù)據(jù)集相關(guān)參數(shù)

表3 實(shí)驗(yàn)環(huán)境相關(guān)參數(shù)

為客觀評(píng)價(jià)本文方法的評(píng)分與推薦性能，分別采用均方根誤差、平均絕對(duì)誤差以及歸一化折現(xiàn)累計(jì)收益等指標(biāo)進(jìn)行量化評(píng)估，計(jì)算公式分別如下所示

(18)

(19)

(20)

式中，T為待預(yù)測(cè)評(píng)分的集合，i，u與Pi，u分別為預(yù)測(cè)評(píng)分結(jié)果與實(shí)際評(píng)分結(jié)果，Zk為歸一化折現(xiàn)累計(jì)收益指標(biāo)的標(biāo)準(zhǔn)化因子，Pφ為推薦列表中項(xiàng)目i所在位置φ的對(duì)應(yīng)分?jǐn)?shù)。

按一定比例劃分Epinions與Film Trust兩個(gè)數(shù)據(jù)集，利用五折線交叉驗(yàn)證方法展開(kāi)多次仿真，求取各指標(biāo)結(jié)果均值后，將其與文獻(xiàn)方法進(jìn)行對(duì)比，檢驗(yàn)方法有效性。

5.2 均方根誤差對(duì)比

圖1所示為文獻(xiàn)方法與本文方法對(duì)Epinions與Film Trust兩數(shù)據(jù)集分別給出推薦的均方根誤差指標(biāo)評(píng)估結(jié)果。由此可以看出，本文方法對(duì)比文獻(xiàn)方法的推薦均方根誤差更小，且Epinions數(shù)據(jù)集的推薦結(jié)果更能滿足使用者需求。這是因?yàn)閺氖褂谜呓嵌瘸霭l(fā)，構(gòu)建了信任機(jī)制Slope One優(yōu)化算法，度量了各使用者間的相似性。

圖1 均方根誤差對(duì)比圖

5.3 平均絕對(duì)誤差對(duì)比

兩數(shù)據(jù)集在不同推薦方法下的平均絕對(duì)誤差結(jié)果如圖2所示。根據(jù)圖中對(duì)比情況可以看出，相較于文獻(xiàn)方法，本文方法的平均絕對(duì)誤差值大幅下降，說(shuō)明該方法能夠相對(duì)理想地將目標(biāo)項(xiàng)目針對(duì)性地推薦給使用者。究其原因是針對(duì)智能化推薦項(xiàng)目，引入了皮爾森相關(guān)系數(shù)來(lái)改進(jìn)加權(quán)Slope One算法，度量了各項(xiàng)目間的相似程度。

圖2 平均絕對(duì)誤差對(duì)比圖

5.4 歸一化折現(xiàn)累計(jì)收益效果對(duì)比

經(jīng)各方法對(duì)兩數(shù)據(jù)集展開(kāi)推薦后，得到圖3所示的歸一化折現(xiàn)累計(jì)收益指標(biāo)評(píng)價(jià)結(jié)果。通過(guò)數(shù)值對(duì)比可知，相對(duì)文獻(xiàn)方法，本文方法因融合了使用者相似度Slope One算法與項(xiàng)目相似度Slope One算法的預(yù)測(cè)結(jié)果，并對(duì)用戶特征類別做了進(jìn)一步劃分，因此指標(biāo)評(píng)估水平始終處于較高標(biāo)準(zhǔn)。

圖3 歸一化折現(xiàn)累計(jì)收益對(duì)比圖

6 結(jié)論

大數(shù)據(jù)推薦技術(shù)為幫助使用者在大規(guī)模數(shù)據(jù)中探索到有用信息提供了一種有效途徑。本文構(gòu)建的大數(shù)據(jù)智能化推薦方法具有高精度的推薦性能，但仍需針對(duì)以下弊端加以改進(jìn)：根據(jù)使用者興趣與時(shí)間的負(fù)相關(guān)性關(guān)系，將使用者興趣遷移問(wèn)題作為方法的變量指標(biāo)，完善推薦性能；下一階段應(yīng)針對(duì)離線運(yùn)算能力做深入探究；應(yīng)嘗試結(jié)合更新型的推薦技術(shù)與算法，研究出推薦更優(yōu)、運(yùn)算更快的方法；使用者不同的行為特征也存在一定的隱藏信息，將行為特征考慮在內(nèi)，有助于提升推薦精準(zhǔn)度；在今后的研究中，需編程實(shí)現(xiàn)推薦的代碼，令方法更高效地運(yùn)行。