丁 麗

(亳州職業(yè)技術(shù)學院 信息工程系,安徽 亳州 236800)

隨著經(jīng)濟社會發(fā)展，數(shù)據(jù)在規(guī)模、產(chǎn)生速度、類型和價值的維度上大幅度提高，大數(shù)據(jù)能夠及時準確挖掘消費用戶的潛在需求并及時個性化推薦給用戶.然而,移動互聯(lián)網(wǎng)環(huán)境下,移動設備的微型化導致用戶在單位屏次下瀏覽信息量減小，導致信息超載，用戶興趣度降低[1].在互聯(lián)網(wǎng)的云端大數(shù)據(jù)呈幾何指數(shù)的增長的情況下,解決一端數(shù)據(jù)量大,而另一端用戶單位頻次瀏覽信息量小的問題關(guān)鍵在于個性化服務推薦技術(shù).

目前個性化推薦采用傳統(tǒng)的協(xié)同過濾推薦技術(shù)，前提條件是用戶能夠很方便地對項目進行評分，實現(xiàn)目標用戶聚類，然后把鄰居用戶感興趣的項目推薦給目標用戶.這種推薦往往不準確，不能滿足用戶的真正需求，不能很好解決推薦度不精確的問題[2].另外，用戶評分的項目往往不超過總項目數(shù)的 1%[3]，導致項目評分數(shù)據(jù)的極端稀疏性和冷啟動問題.綜合文獻，傳統(tǒng)計算用戶相似性的方法不能反映用戶潛在需求[4].基于互聯(lián)網(wǎng)平臺上消費環(huán)境和社交環(huán)境的兩端分析,本文提出了社交關(guān)系和興趣主題相結(jié)合算法，通過實驗數(shù)據(jù)對比本文提出的推薦算法效果理想.

1 基于用戶關(guān)注關(guān)系的推薦算法

1.1 基于用戶關(guān)注推薦形式化描述

U為應用系統(tǒng)用戶的集合,ε為用戶關(guān)注對的集合,u和v兩個用戶u∈U,v∈U.其中元素e(u,v)∈ε表示關(guān)注與被關(guān)注的關(guān)系.其中u為關(guān)注用戶,v為被關(guān)注用戶.關(guān)注用戶集合φ,被關(guān)注用戶集合φ,它們的形式化描述為

φ={u|u∈U∧?(v∈U∧e(u,v)∈ε)}，

(1)

φ={v|v∈U∧?(u∈U∧e(u,v)∈ε)}.

(2)

在用戶關(guān)注關(guān)系對e中,挖掘關(guān)注用戶興趣主題和社交動機,建立用戶偏好模型,提升推薦質(zhì)量.用戶u偏好模型為學習到計算方法η,通過η生成用戶候選列表.

η:(u,ε)→Ranklist(L){p1(v)≥p2(w)…pn-1(v′)≥pn(w′)}，

(3)

其中，p1(v)≥p2(w)表示用戶u關(guān)注用戶v意愿強于用戶w,n表示在用戶候選集的位置.

1.2 用戶關(guān)注關(guān)系框架模型(UATMF)

用戶關(guān)注關(guān)系框架模型(UATMF)是首先通過用戶關(guān)注關(guān)系集合,挖掘用戶的興趣主題和社交動機,其次計算目標用戶候選集列表[5].

結(jié)合公式(1)和(2),文本語料庫D和文本Ndu的關(guān)系表達

du={v|v∈φ∧e(u,v)∈ε}，

(4)

(5)

在圖1中，|D|、du、Kit和Ksc為采樣次數(shù),設定主題數(shù)為K,包括Kit個用戶興趣主題和Ksc個社交關(guān)系主題,K=Kit∪Ksc,o為主題類型參數(shù)(o取值為1或者0),0為用戶社交關(guān)系主題,1為用戶興趣主題.超參數(shù)ε通過Beta采樣得到η,η為o的Bernoulli分布.θit和φit分別是αit和βin的Dirichlet先驗分布中采樣得到的Multinomial分布.同理θsc和φsc分別是αsc和βsc的Dirichlet先驗分布中采樣得到的Multinomial分布.

圖1 UAMF參數(shù)邏輯關(guān)系

1.3 UATMF模型算法

輸入文檔D,主題數(shù)為K,αsc、βsc、αit、βit四個參數(shù),用戶u關(guān)注的用戶集合φu,原始用戶關(guān)注關(guān)系矩陣A.輸出是θsc、φsc、θit、φit.模型算法步驟如下.

Step1 在主題集合Ζ中,循環(huán)每個主題z,z∈Ζ;

Step2 判斷主題z是否社交主題,true轉(zhuǎn)入Step3,否則Step4;

Step3 采樣生成θsc～Dirichlet(βsc);

Step4 采樣生成θit～Dirichlet(βit);

Step5 判斷結(jié)束,循環(huán)結(jié)束;

Step6 在文檔集合D中,循環(huán)每個主題Df,Df∈D;

Step7 采樣生成主題分布λ～Beta(ε)、社交主題分布θsc～Dirichlet(αsc)、興趣主題分布θit～Dirichlet(αit);

Step8 循環(huán)文檔Du中每個關(guān)注的用戶u(u∈UDf);

Step9 采樣生成社交主題類型Drawaswitcho～Benouli(η);

Step10o為0,則跳轉(zhuǎn)Step11,o為1則跳轉(zhuǎn)Step12;

Step11 采樣生成社交主題a～Multinomial(θsc)(a∈zsc),采樣生成詞語a～Multinomial(φsc,zsc);

Step12 采樣生成興趣主題b～Multinomial(θit)(b∈zit),采樣生成詞語b～Multinomial(φit,zit);

Step13 end(step10)、end (step8)、end(step6).

UATMF模型算法流程圖，如圖2所示.

圖2 UATMF算法流程圖

1.4 采樣

令所有用戶相互關(guān)注的用戶對集合ω,ω中的每個元素w(u,v)表示為用戶u與用戶v相互關(guān)注 即得到公式(6)和公式(7).

?e(u,v)∈ε∧e(v,u)∈ε，

(6)

ωu={u|u∈φ∧e(u,v)∈ω}，

(7)

其中，ωu表示用戶u相互關(guān)注的用戶集合.

構(gòu)建一個用戶關(guān)注關(guān)系矩陣A,A是|φ|×|φ|維實數(shù)矩陣，A中每一個元素ΔW(u,v)表示用戶u在某一主題下，用戶v在該主題下社交權(quán)重改變的程度用公式(8)表示.

(8)

從公式(8)中可以看出,矩陣A對角線上的元素即用戶u自身關(guān)注的社交權(quán)重增1；當u與v相互關(guān)注的不同用戶社交權(quán)重增γ,其他情況用戶社交權(quán)重不改變.

(9)

(10)

其中，χzit,u表示在興趣主題zit下,用戶u的被關(guān)注的次數(shù),χzsc,u表示在興趣主題zsc下,用戶u的被關(guān)注的次數(shù).Kit和 Ksc分別是興趣主題數(shù)和社交主題數(shù).

1.5 興趣主題社區(qū)和社交主題社區(qū)

用戶數(shù)據(jù)稀疏導致推薦的準確率不高，因此數(shù)據(jù)稀疏問題是推薦領(lǐng)域的熱點和難點問題，通過文獻[5]和文獻[6]發(fā)現(xiàn),可利用社群的方法解決此類問題.社區(qū)中數(shù)據(jù)密度大,很難產(chǎn)生稀疏現(xiàn)象.設計一種數(shù)據(jù)規(guī)模小并且復雜度較低的算法.基本思路是先在源數(shù)據(jù)集中劃分規(guī)模較小的數(shù)據(jù)子集，數(shù)據(jù)子集稱為社區(qū)；然后在數(shù)據(jù)子集基礎上進行矩陣分解,得到用戶偏好值,產(chǎn)生TOP N用戶.本文結(jié)合數(shù)據(jù)社區(qū)思想,首先在用戶的興趣主題和社交主題基礎上分別產(chǎn)生興趣主題社區(qū)和社交主題社區(qū)；其次進行矩陣分析，得到用戶偏好值；最后進行排序產(chǎn)生N個目標用戶.

從心理科學分析，用戶關(guān)注關(guān)系是由用戶的興趣驅(qū)動和社交驅(qū)動而形成的.相對社區(qū)而言，用戶的社區(qū)歸屬度反映用戶興趣主題或社交主題與社區(qū)內(nèi)容的契合性，用戶的歸屬度分為關(guān)注用戶歸屬度和被關(guān)注用戶歸屬度兩種.

(i)興趣主題社區(qū)

Oi t為興趣主題類型，Zit為興趣主題,每個Zit形成一個社區(qū)Cit，包括興趣主題Zit下的關(guān)注用戶集Cit·φ和被關(guān)注用戶集Cit·φ，兩者形式定義公式(11)和公式(12).

Cit·φ={u|u∈φ∧?Pχ(zit/du)≥ζ}，

(11)

Cit·φ={v|v∈φ∧?Pχ(zit/dv)≥τ} ，

(12)

其中，ζ和τ為設定的閾值，Pχ(zit/du)為關(guān)注用戶在興趣主題Zit下社區(qū)Cit的歸屬度.代表用戶u被分配到主題Zit下的概率，定義如公式(13).

(13)

一個用戶的關(guān)注用戶多數(shù)在興趣主題Zit下發(fā)現(xiàn)，則用戶本身在興趣主題Zit下發(fā)現(xiàn)的概率越大，因此Pχ(zit/dv)的定義公式(14)如下.

(14)

在社區(qū)Cit中關(guān)注關(guān)系的集合ΩCit,定義如下.

ΩCit={e(u，v)|e(u,v)∈ε∧u∈cit·φ∧cit·φ}.

(15)

(ii)社交主題社區(qū)

每個社交主題Zsc產(chǎn)生一個社區(qū)Csc，包括社交主題Zsc下的關(guān)注用戶集Csc·φ和被關(guān)注用戶集Csc·φ，兩者形式定義公式(16)和公式(17).

Csc·φ={u|u∈φ∧?Pχ(zsc/du)≥ζ}，

(16)

Csc·φ={v|v∈φ∧?Pχ(zsc/dv)≥τ} ，

(17)

公式(16)中，Pχ(zsc/du)為關(guān)注用戶在社交主題Zsc下社區(qū)Csc的歸屬度.用戶u被分配到主題zsc下的概率，定義如下公式(18).

Pχ(zsc/du)≈φscdu.

(18)

同理,Pχ(zsc/dv)的定義公式(19).

(19)

在社區(qū)Csc中關(guān)注關(guān)系的集合ΩCsc,定義公式(20).

ΩCsc={e(u，v)|e(u,v)∈ε∧u∈csc·φ∧csc·φ}.

(20)

在社區(qū)C中包括Kit各興趣主題社區(qū)Cit和Ksc各社交主題社區(qū)Csc.

1.6 矩陣分解

在傳統(tǒng)的協(xié)同過濾算法CF中研究的是用戶和項目的關(guān)系，在本文UATMF中,研究的是關(guān)注用戶和被關(guān)注用戶的關(guān)系，借此原理把被關(guān)注用戶u∈c·φ視為項目，關(guān)注用戶v∈c·φ視為用戶，即c∈(Cit∪Csc)也就是C為用戶關(guān)注項目的關(guān)系矩陣，并對C進行矩陣分解，得到c·φ|×|c·φ|維度的矩陣CM，CM中每個元素ρu，v,ρu，v定義如下.

(21)

C中每個CM進行矩陣分解得到兩個低緯度隱式矩陣XCM=h×X|c·φ|和YCM=Yh×|c·φ|，從而把關(guān)注用戶與被關(guān)注用戶映射到h維矩陣中.在社區(qū)中計算關(guān)注用戶對于被關(guān)注用戶的偏好值fcm(u,v)，公式可得

fcm(u,v)=xuyv，

(22)

其中,xu和yv分別為XCM和YCM隱式特征向量.對所有社區(qū)計算fcm(u,v)，并去最大值fc(u,v)，即得公式(23).

(23)

將fc(u,v)作為最終預測值.最后對于目標用戶u，根據(jù)fc(u,v)的值進行排序，取N個候選被關(guān)注用戶.

1.7 算法復雜度分析

2 實驗設置與分析

2.1 實驗數(shù)據(jù)集

分別選取新浪微博數(shù)據(jù)集和Twitter數(shù)據(jù)集，兩個數(shù)據(jù)集同時包含關(guān)注和被關(guān)注關(guān)系，隨機選取用戶數(shù)據(jù)，關(guān)注數(shù)和被關(guān)注數(shù)少于8人的用戶進行數(shù)據(jù)清洗.在新浪微博數(shù)據(jù)集上每個用戶平均關(guān)注數(shù)是252.3、被關(guān)注數(shù)為278.7，其中相互關(guān)注關(guān)系的用戶數(shù)為103.28，占比高于37%.Twitter數(shù)據(jù)集上每個用戶平均關(guān)注數(shù)為98.37，被關(guān)注數(shù)為112.53，其中相互關(guān)注關(guān)系的用戶數(shù)為56.81，占比高于50%.兩數(shù)據(jù)集的稀疏分別為99.81%和99.94%.如表1所示.

表1 實驗數(shù)據(jù)統(tǒng)計信息表

2.2 評估指標

通過推薦領(lǐng)域常用的五個指標來衡量實驗結(jié)果，分析本文提出推薦算法的有效性.設定推薦候選集用戶規(guī)模為N，將N個用戶排序好的用戶集合納入評估指標地計算過程中，三個評估指標如下.

(i)召回率(recall)

計算命中用戶數(shù)占理論上最大命中用戶數(shù)的比例[7].記T′為關(guān)注的用戶列表,T為候選集用戶列表，則RecallN定義如下.

(24)

(ii)準確率(Precision)

計算命中用戶數(shù)占總的推薦用戶數(shù)中的比例[7].則PrecisionN定義如下.

(25)

(iii)F1_score

全面衡量召回率Recall和準確率Precision的指標，反映算法整體性能的指標.與Recall和Precision的調(diào)和平均值正相關(guān)性,F1_scoreN定義如下.

(26)

2.3 對比方法

本實驗選用三種基本社區(qū)推薦方法來進行對比,以評估UATMF推薦算法的性能.

(i)LDA-Based[8],一種通過關(guān)注與被關(guān)注建立關(guān)系的LDA建模算法,其核心推薦模型是公式(27).

(27)

(ii)CB-MF[9],與本文算法相似,運用LDA技術(shù)分析關(guān)注用戶群中主題的概論分布,以及某一主題下的關(guān)注用戶分布,通過主題概率分布用戶群體矩陣并進行矩陣分解.

(iii)PopRec,最基本的非個性化推薦方法,對于每個目標用戶,推薦同樣概率分布高的主題列表.

2.4 實驗與分析

表2 敏感參數(shù)列表

圖3 兩大數(shù)據(jù)集的F1score指標統(tǒng)計

(ii)推薦結(jié)果分析

在Twitter數(shù)據(jù)集和新浪微博數(shù)據(jù)集上，n分別取值5、10、15、20、25、30，四個算法進行比較.如圖4和圖5所示，在Twitter數(shù)據(jù)集上UATMF算法Precision指標下降8.4%，Recall指標提升65.9%；在新浪數(shù)據(jù)集上UATMF算法Precision指標下降46.6%，Recall指標提升68.6%.

圖4 Twitter數(shù)據(jù)集上各算法推薦指標比較

圖5 新浪微博數(shù)據(jù)集上各算法推薦指標比較

3 結(jié)語

根據(jù)新浪微博數(shù)據(jù)集和Twitter數(shù)據(jù)集的實驗和結(jié)果分析,新浪微博數(shù)據(jù)集上UATMF算法相對CB-MF(其他三種最優(yōu)算法)算法在F1score指標上平均提升35.72%,Twitter博數(shù)據(jù)集上UATMF算法相對CB-MF算法在F1score指標上平均提升55.32%.可見融合社交主題和興趣主題更好反映用戶偏好,基于關(guān)注與被關(guān)注關(guān)系的UATMF算法推薦度得到提升.