周立寒 劉亮亮 張?jiān)佘S 張曉如

（1.江蘇科技大學(xué)計(jì)算機(jī)學(xué)院 鎮(zhèn)江 212000）（2.上海對(duì)外經(jīng)貿(mào)大學(xué)統(tǒng)計(jì)與信息學(xué)院 上海 201620）

1 引言

隨著互聯(lián)網(wǎng)技術(shù)的不斷進(jìn)步，人們生產(chǎn)、傳播信息的能力大大加強(qiáng)，單是視頻行業(yè)的崛起已帶來(lái)爆炸式增長(zhǎng)的數(shù)據(jù)。而且根據(jù)我國(guó)實(shí)際情況，這一趨勢(shì)還存在非常大的發(fā)展空間。海量的視頻資源使得用戶(hù)無(wú)法迅速、準(zhǔn)確地從中獲取自己想要的視頻信息，這無(wú)形中降低了用戶(hù)的滿(mǎn)意度。為解決此類(lèi)視頻資源過(guò)載問(wèn)題，越來(lái)越多的個(gè)性化視頻推薦服務(wù)不斷出現(xiàn)［1］，各大視頻服務(wù)平臺(tái)引入推薦算法這一需求迫在眉睫。個(gè)性化推薦算法對(duì)用戶(hù)歷史的瀏覽與操作記錄進(jìn)行深入分析，可以為用戶(hù)找出符合其預(yù)期的視頻資源，給予用戶(hù)一個(gè)舒適的網(wǎng)站操作體驗(yàn)［2］。如今許多視頻服務(wù)平臺(tái)均通過(guò)推薦算法來(lái)對(duì)平臺(tái)改造，使其滿(mǎn)足個(gè)性化需求。例如，國(guó)外知名的YouTube 視頻網(wǎng)站主要采用基于用戶(hù)和協(xié)同過(guò)濾相結(jié)合的混合推薦算法［3］，且目前不斷往深度學(xué)習(xí)領(lǐng)域發(fā)展。國(guó)內(nèi)比較火的抖音主要采用基于社會(huì)網(wǎng)絡(luò)和信息流的推薦［4］。

但是，在現(xiàn)實(shí)生活中，傳統(tǒng)協(xié)同過(guò)濾算法由于僅考慮用戶(hù)對(duì)視頻的評(píng)分信息，而不考慮用戶(hù)其他具體行為和視頻資源特征，導(dǎo)致算法仍存在推薦質(zhì)量低的問(wèn)題。再者，由于評(píng)分矩陣的極度稀疏性，推薦結(jié)果存在較大偏差［5］。不僅如此，傳統(tǒng)推薦算法還存在擴(kuò)展性和冷啟動(dòng)等問(wèn)題。在深入研究相關(guān)算法后，本文提出一種基于用戶(hù)偏好和視頻特殊標(biāo)簽的推薦算法，該算法從用戶(hù)行為數(shù)據(jù)以及視頻標(biāo)簽兩方面來(lái)進(jìn)行考量。接著將權(quán)重因子融入相似度計(jì)算公式，加權(quán)計(jì)算視頻相似度。

2 傳統(tǒng)的協(xié)同過(guò)濾算法

協(xié)同過(guò)濾技術(shù)是個(gè)性化視頻推薦算法中的核心算法［6］，中國(guó)有句古話(huà)叫“物以類(lèi)聚，人以群分”則可以很好地解釋協(xié)同過(guò)濾［7～8］的算法思維。算法步驟并不復(fù)雜，最基本的是用戶(hù)歷史瀏覽與操作數(shù)據(jù)的收集和相似度計(jì)算。傳統(tǒng)協(xié)同過(guò)濾主要包括兩方面內(nèi)容：基于用戶(hù)的協(xié)同過(guò)濾和基于項(xiàng)目的協(xié)同過(guò)濾，如圖1 所示為基于項(xiàng)目協(xié)同過(guò)濾的算法流程。

圖1 基于物品的協(xié)同過(guò)濾算法流程

步驟1：構(gòu)建一個(gè)基于用戶(hù)項(xiàng)目評(píng)分的二維矩陣。首先對(duì)用戶(hù)評(píng)分表進(jìn)行遍歷，有兩種生成矩陣的方式，可以將用戶(hù)是否有行為作為一種值的選取，其中，0 代表用戶(hù)無(wú)操作行為，1 代表用戶(hù)有操作行為。其次，可以直接將用戶(hù)評(píng)分值填入矩陣。

步驟2：物品相似度計(jì)算。算法可以采用不同相似度度量公式來(lái)計(jì)算項(xiàng)目間相似性，主要包括Pearson 相關(guān)系數(shù)或者余弦相似度等。這里主要使用余弦相似度，計(jì)算公式如式（1）。

步驟3：經(jīng)過(guò)步驟2得到項(xiàng)目相似度后，再依照式（2）計(jì)算用戶(hù)對(duì)項(xiàng)目的偏好程度。其中，S(j，K)是經(jīng)由算法得到的與項(xiàng)目j相似的長(zhǎng)度為K 的項(xiàng)目列表。對(duì)用戶(hù)歷史操作記錄進(jìn)行遍歷，找到每個(gè)歷史行為記錄中與之相近的K個(gè)項(xiàng)目作為候選集。

步驟4：按照用戶(hù)偏好得分對(duì)步驟3 中候選集進(jìn)行排序，最終得到用戶(hù)對(duì)視頻偏好最高的N個(gè)物品進(jìn)行推薦。

3 相關(guān)工作

當(dāng)前，許多學(xué)者對(duì)協(xié)同過(guò)濾都提出一定的改進(jìn)措施。文獻(xiàn)［9］在余弦距離公式中引入一個(gè)平衡因子，對(duì)傳統(tǒng)算法優(yōu)化改造，借此提高產(chǎn)品推薦準(zhǔn)確度。文獻(xiàn)［10］等將用戶(hù)興趣的權(quán)重與物品屬性進(jìn)行融合，降低算法的平均絕對(duì)誤差。文獻(xiàn)［11］設(shè)計(jì)一種用戶(hù)偏好模型，利用這個(gè)偏好模型來(lái)修正用戶(hù)對(duì)項(xiàng)目的歷史評(píng)分，然后再加權(quán)結(jié)合傳統(tǒng)協(xié)同過(guò)濾，用于提高推薦召回率。文獻(xiàn)［12］提出將超鏈和圖結(jié)合的算法，首先對(duì)slope one 算法進(jìn)行優(yōu)化，接著搭建一個(gè)基于視頻的二部圖，最終提高了推薦的命中率。文獻(xiàn)［13］提出基于圖的推薦算法，結(jié)合電影屬性和用戶(hù)偏好關(guān)系，將電影信息進(jìn)行圖元素的映射，融合圖結(jié)構(gòu)特點(diǎn)來(lái)計(jì)算電影的相似性，一定程度緩解了數(shù)據(jù)稀疏性和推薦準(zhǔn)確度問(wèn)題。文獻(xiàn)［14］提出構(gòu)建新的初始張量，主要包含標(biāo)簽屬性、項(xiàng)目及用戶(hù)之間的關(guān)聯(lián)關(guān)系。然后對(duì)該張量采用N 模型矩陣展開(kāi)，形成對(duì)應(yīng)的三個(gè)新矩陣。文獻(xiàn)［15］對(duì)長(zhǎng)尾視頻進(jìn)行研究，懲罰熱門(mén)視頻，對(duì)冷門(mén)視頻進(jìn)行權(quán)值優(yōu)化，將最后得到的權(quán)值納入相似性計(jì)算公式，算法最終可以緩解長(zhǎng)尾視頻“推薦不易”的問(wèn)題。文獻(xiàn)［16］在用戶(hù)評(píng)分?jǐn)?shù)據(jù)和項(xiàng)目屬性特征上進(jìn)行綜合考慮，并且在評(píng)分較少時(shí)，利用項(xiàng)目屬性相似度代替物品相似度，并最終通過(guò)兩方加權(quán)的方式，以減少評(píng)分稀疏帶來(lái)的偏差。然而，無(wú)法有效擺脫項(xiàng)目評(píng)分稀疏問(wèn)題仍舊是這個(gè)算法的主要弊端之一。

4 基于用戶(hù)興趣和標(biāo)簽屬性的推薦算法

4.1 用戶(hù)興趣矩陣

傳統(tǒng)的協(xié)同過(guò)濾以用戶(hù)和視頻作為分析對(duì)象，相似度計(jì)算僅依靠單一的評(píng)分行為，沒(méi)有考慮當(dāng)評(píng)分較少時(shí)所造成的數(shù)據(jù)稀疏性問(wèn)題。而用戶(hù)在視頻平臺(tái)進(jìn)行一系列顯隱操作時(shí)，并不是僅有評(píng)分行為，還有一些隱性行為。本文對(duì)用戶(hù)行為過(guò)程產(chǎn)生的數(shù)據(jù)進(jìn)行研究分析并建模，找到用戶(hù)與視頻之間的內(nèi)在關(guān)聯(lián)關(guān)系，以用戶(hù)偏好代替評(píng)分?jǐn)?shù)據(jù)，下面通過(guò)一個(gè)算法流程來(lái)簡(jiǎn)單解釋用戶(hù)對(duì)視頻的興趣。

1）考慮用戶(hù)對(duì)視頻的評(píng)分，當(dāng)評(píng)分系統(tǒng)為5 分制時(shí)，將評(píng)分為3 設(shè)置臨界值。當(dāng)評(píng)分大于等于3時(shí)，將用戶(hù)對(duì)該視頻的喜好度置1，否則置為0，繼續(xù)往下執(zhí)行；

2）判斷用戶(hù)對(duì)視頻的歷史點(diǎn)擊次數(shù)，設(shè)定闕值為2，當(dāng)點(diǎn)擊次數(shù)大于等于2時(shí)，喜好度基礎(chǔ)上加1，否則不操作，程序繼續(xù)往下執(zhí)行；

3）判斷用戶(hù)對(duì)一則視頻的觀看時(shí)間比重，設(shè)定一個(gè)中間值s（0＜s＜1），s 代表用戶(hù)觀看時(shí)長(zhǎng)占該視頻總時(shí)長(zhǎng)的比重，若用戶(hù)觀看視頻時(shí)間占比大于等于s，則喜好度加1，否則不做操作。

該算法類(lèi)似于if…else…語(yǔ)句執(zhí)行過(guò)程。

4.2 視頻標(biāo)簽相似度

視頻是可以看成為非結(jié)構(gòu)化信息數(shù)據(jù)，它們之間的相似性需要從多方面進(jìn)行考慮。因此，考慮到視頻標(biāo)簽數(shù)據(jù)，并將一些用戶(hù)行為納入考量。當(dāng)用戶(hù)選擇為視頻打上特殊標(biāo)簽，則該用戶(hù)一定程度上對(duì)該視頻存在偏好信息。另一方面，這個(gè)標(biāo)簽也可以作為視頻隱含意義，可成為判斷視頻間相似度的條件。

假設(shè)視頻標(biāo)簽集合為T(mén)ag={m1，m2，m3…，ma}，其中a為標(biāo)簽總數(shù)，n 為視頻項(xiàng)目數(shù)，那么視頻標(biāo)簽屬性可以用n×a的矩陣表示，矩陣元素的值設(shè)定為1 或0。1 代表該視頻具有此標(biāo)簽，0 則代表不具有此標(biāo)簽，由此得出的視頻屬性相似度計(jì)算公式為如式（3）。其中，|Nj|代表視頻j所具有的總標(biāo)簽屬性。

4.3 權(quán)重因子

為了從不同方面考量視頻間的相似度，本文從用戶(hù)興趣和視頻標(biāo)簽兩個(gè)維度分別計(jì)算相似度，引入權(quán)重因子β，將兩種優(yōu)化算法進(jìn)行融合，通過(guò)β對(duì)二者結(jié)果進(jìn)行線(xiàn)性加權(quán)，得到加權(quán)后的相似度結(jié)果。公式如式（4），其中β為權(quán)重因子，在0到1中間進(jìn)行取值，通過(guò)實(shí)驗(yàn)得到最優(yōu)解。

4.4 算法描述

輸入：用戶(hù)視頻評(píng)分矩陣Rm×n，視頻標(biāo)簽矩陣Tagn×a以及選定鄰居數(shù)K。

輸出：目標(biāo)用戶(hù)的可能選擇點(diǎn)擊的視頻推薦列表。

步驟1：根據(jù)4.1中算法流程得到用戶(hù)興趣矩陣，用用戶(hù)興趣矩陣代替評(píng)分矩陣。

步驟2：使用余弦相似度度量公式計(jì)算視頻間相似程度并歸一化得到最終視頻相似度。

步驟3：對(duì)視頻標(biāo)簽進(jìn)行相似度計(jì)算，并歸一化得到T_sim(i，j)。

步驟4：遍歷用戶(hù)歷史視頻數(shù)據(jù)集，找到歷史視頻最相似的K 個(gè)候選視頻，并根據(jù)式（4）計(jì)算用戶(hù)對(duì)候選集中視頻的預(yù)測(cè)得分，得到用戶(hù)興趣度。

步驟5：從候選集中選出N個(gè)分最高的視頻對(duì)用戶(hù)進(jìn)行推薦。

5 實(shí)驗(yàn)結(jié)果與分析

5.1 實(shí)驗(yàn)數(shù)據(jù)

本文采用推薦算法研究領(lǐng)域中比較經(jīng)典的數(shù)據(jù)集MovieLens，采用的版本為ml-latest-small，其中包括用戶(hù)，電影（包括標(biāo)簽信息）及評(píng)分?jǐn)?shù)據(jù)，評(píng)分標(biāo)準(zhǔn)為1～5 之間，其中評(píng)分分值越大，則代表用戶(hù)對(duì)該則電影就越偏愛(ài)。為評(píng)估算法性能，將數(shù)據(jù)集按照二八原則進(jìn)行隨機(jī)拆分，將80%的數(shù)據(jù)設(shè)為訓(xùn)練集，其余20%為測(cè)試集，用于準(zhǔn)確度等評(píng)測(cè)指標(biāo)的驗(yàn)證。

據(jù)表1可知，該數(shù)據(jù)的稀疏程度為98.3%。

表1 數(shù)據(jù)集具體參數(shù)

5.2 評(píng)估標(biāo)準(zhǔn)

不同于評(píng)分預(yù)測(cè)，本文采用TopN 推薦，主要為用戶(hù)提供可點(diǎn)擊的視頻推薦列表，更貼近算法實(shí)際需求。準(zhǔn)確率和召回率是TopN 推薦中常見(jiàn)的評(píng)測(cè)指標(biāo)。準(zhǔn)確率用于表示訓(xùn)練集上獲得的推薦列表占測(cè)試集的比重，式（5）為準(zhǔn)確率定義式。召回率表示在樣本正例中被正確預(yù)測(cè)的比例，式（6）為召回率定義。

其中，U為用戶(hù)集合，Rec（u）是用戶(hù)u在測(cè)試集上的推薦列表，Test（u）是用戶(hù)u 在測(cè)試集上已存在的行為數(shù)據(jù)。

5.3 結(jié)果分析

實(shí)驗(yàn)中時(shí)，設(shè)置輸入的候選列表長(zhǎng)度為10，并將鄰居數(shù)輸入設(shè)為15。通過(guò)比對(duì)不同β值下結(jié)果來(lái)測(cè)試權(quán)重因子對(duì)改進(jìn)算法推薦精度的影響。從圖2和3不難看出，在將β從0遞增至1的過(guò)程中，準(zhǔn)確率和召回率隨著β的變大先增大后減小，當(dāng)β取值為0.6時(shí)，準(zhǔn)確率和召回率分別都達(dá)到最大值。

圖2 準(zhǔn)確率隨β值的變化

圖3 召回度隨β值的變化

實(shí)驗(yàn)中，將傳統(tǒng)協(xié)同過(guò)濾和本文中改進(jìn)的算法進(jìn)行分析比對(duì)，得到的實(shí)驗(yàn)結(jié)果如表2 所示。不難看出，改進(jìn)后的算法在準(zhǔn)確率和召回率和覆蓋率分別提高了15%和32%。

表2 改進(jìn)算法與傳統(tǒng)協(xié)同過(guò)濾對(duì)比結(jié)果

6 結(jié)語(yǔ)

推薦算法一直是數(shù)據(jù)挖掘領(lǐng)域的一大研究熱點(diǎn)，且隨著短視頻的流行，視頻服務(wù)平臺(tái)對(duì)于推薦算法的呼聲很高。本文對(duì)傳統(tǒng)協(xié)同過(guò)濾進(jìn)行改進(jìn)，將用戶(hù)歷史行為信息納入考量，對(duì)用戶(hù)不同行為進(jìn)行賦值。以最后結(jié)果代表用戶(hù)興趣，并將得到的用戶(hù)興趣矩陣取代傳統(tǒng)推薦算法中的用戶(hù)評(píng)分矩陣。

接著引入視頻標(biāo)簽特性，對(duì)兩個(gè)相似度進(jìn)行線(xiàn)性加權(quán)，避免傳統(tǒng)層次分析中用戶(hù)自定義權(quán)值。最后實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)協(xié)同過(guò)濾算法能夠取得良好的推薦結(jié)果。