楊玉枝

（廣東嶺南職業(yè)技術(shù)學(xué)院圖書館，廣東廣州 510663）

一、背景

在當(dāng)今世界，書籍的種類和數(shù)量急劇增加，高校學(xué)生難以準(zhǔn)確、快速地找到自己喜歡的書籍。讀者在網(wǎng)上搜索書籍，往往會(huì)有數(shù)以千計(jì)的結(jié)果，因此，讀者要花大量的時(shí)間和精力來(lái)查找所需的書籍。此外，讀者的需求也是多種多樣的，不同專業(yè)、不同愛好的讀者的需求是不同的。在信息技術(shù)飛速發(fā)展的今天，高校圖書館要利用數(shù)據(jù)挖掘技術(shù)為讀者提供更好的服務(wù)。

圖書推薦系統(tǒng)主要是利用讀者信息、圖書信息、讀者歷史借閱等信息，對(duì)讀者的潛在需求進(jìn)行預(yù)測(cè)，從而生成推薦結(jié)果，進(jìn)而為讀者提供個(gè)性化服務(wù)。推薦算法主要有：內(nèi)容推薦算法、圖結(jié)構(gòu)推薦算法、數(shù)據(jù)挖掘推薦算法等。推薦算法的基礎(chǔ)是將自己感興趣的圖書推薦給讀者。協(xié)作篩選是目前應(yīng)用最廣泛、效率最高的一種推薦方法[1]。本文旨在探討基于協(xié)同過(guò)濾算法的圖書推薦系統(tǒng)的建設(shè)，重點(diǎn)從其體系結(jié)構(gòu)、功能結(jié)構(gòu)、核心協(xié)同過(guò)濾算法等方面進(jìn)行深入探討。圖書推薦系統(tǒng)的實(shí)現(xiàn)將有助于讀者更好地查找自己喜歡的書籍，從而更好地滿足讀者的個(gè)性化需求。

二、圖書推薦系統(tǒng)的體系結(jié)構(gòu)

本文介紹一種基于協(xié)同過(guò)濾算法的圖書推薦系統(tǒng)，它由四個(gè)層面組成：表示層、Web服務(wù)層、應(yīng)用服務(wù)層、數(shù)據(jù)庫(kù)服務(wù)層。

1.表示層：主要實(shí)現(xiàn)系統(tǒng)外人員與圖書推薦系統(tǒng)之間的交互，完成信息的輸入、輸出和顯示。

2.Web服務(wù)層：它的任務(wù)是處理來(lái)自圖書推薦系統(tǒng)表現(xiàn)層次的各類業(yè)務(wù)請(qǐng)求，并在處理完請(qǐng)求后發(fā)布相關(guān)信息。

3.應(yīng)用服務(wù)層：主要承擔(dān)圖書推薦系統(tǒng)的業(yè)務(wù)和邏輯操作，并針對(duì)特定的業(yè)務(wù)提供多種Web服務(wù)。

4.數(shù)據(jù)服務(wù)層：主要承擔(dān)圖書推薦系統(tǒng)中各類數(shù)據(jù)的存儲(chǔ)、組織和管理等工作。

三、改進(jìn)前的協(xié)同過(guò)濾算法

協(xié)作篩選算法主要是收集用戶的基本信息、借閱信息、評(píng)估信息，然后根據(jù)用戶信息的收集，建立用戶的評(píng)估矩陣，再利用評(píng)估矩陣計(jì)算用戶的相似性，得出被推薦用戶的鄰近集合，最后根據(jù)相鄰用戶的距離來(lái)進(jìn)行推薦。協(xié)作篩選的推薦算法分為兩個(gè)方面。一是使用基于內(nèi)存的協(xié)作篩選方法，通過(guò)相似的統(tǒng)計(jì)方法來(lái)獲取相似的鄰集。二是使用基于模型的協(xié)作篩選算法，通過(guò)使用歷史資料建立推薦模型，并對(duì)其進(jìn)行評(píng)估和完善，最終確定推薦結(jié)果。本文所述的兩種合作過(guò)濾算法均是以用戶為基礎(chǔ)進(jìn)行協(xié)作過(guò)濾[2]。

（一）對(duì)用戶建模

筆者對(duì)用戶的相關(guān)數(shù)據(jù)進(jìn)行了分析，得到用戶的評(píng)價(jià)矩陣R。這里m代表使用者數(shù)量，n代表被評(píng)價(jià)目標(biāo)數(shù)量，rij代表使用者i在項(xiàng)目j上的得分。若得分為非數(shù)字類型，則可將其轉(zhuǎn)換成數(shù)值，則矩陣R可如下表達(dá)：

（二）生成最近鄰集

最近鄰集是一組用戶，其具有很高的相似性。我們可以利用用戶評(píng)估矩陣求出用戶間的相似度，從而獲得最相近的用戶群。產(chǎn)生最近矩陣的過(guò)程，實(shí)質(zhì)上就是利用R矩陣求出目標(biāo)用戶U的相似性，并將使用者集合按遞減順序排列的過(guò)程，其計(jì)算方法為：1.余弦相似度的計(jì)算，當(dāng)余弦數(shù)值增加時(shí)，相似度增加；2.皮爾森相關(guān)系數(shù)法，它克服余弦相似性法忽視用戶得分比例差異的缺點(diǎn)，使算法的相似性得到一定的改善；3.改進(jìn)的余弦相似性計(jì)算方法，如關(guān)聯(lián)系數(shù)法，通過(guò)修改用戶的分?jǐn)?shù)，改善計(jì)算的相似性。我們?cè)谟?jì)算用戶的相似性之后，可以產(chǎn)生如下的相鄰關(guān)系：

1.將其他使用者與目標(biāo)使用者的相似性按照先前的算法進(jìn)行計(jì)算，篩選出相似性高于設(shè)定值（0.70）的使用者集合。2.將符合條件的使用者集合按照與目標(biāo)使用者的相似性，按照遞減順序排列，選取最前面的N個(gè)使用者作為其最近的鄰接組。

（三）生成推薦結(jié)果

在公式（1）中，sim（i，j）代表使用者i和使用者j之間的相似性，Ri，d代表目標(biāo)使用者的最近鄰集j對(duì)于某個(gè)項(xiàng)d的得分，以及使用者i和使用者j對(duì)于所有項(xiàng)的平均得分分別是Ri和Rj。盡管協(xié)同過(guò)濾算法已經(jīng)獲得業(yè)界的普遍認(rèn)同，但是仍然存在以下問(wèn)題。

1.評(píng)價(jià)數(shù)據(jù)的稀缺性問(wèn)題，在用戶評(píng)價(jià)不高的情況下，推薦效果會(huì)受到較大的影響。2.在傳統(tǒng)的協(xié)同過(guò)濾方法中，用戶可以在不同的階段進(jìn)行評(píng)價(jià)，其忽視用戶的興趣度隨著時(shí)間的推移而變化。3.傳統(tǒng)的協(xié)同過(guò)濾方法僅從用戶自身或項(xiàng)目自身的單個(gè)維度進(jìn)行相似度的聚類，而忽視了用戶與目標(biāo)之間的關(guān)聯(lián)性。4.忽視用戶的特征會(huì)對(duì)推薦結(jié)果造成一定的影響，不同特征的使用者可能會(huì)有不同的興趣，而特征相似的使用者也會(huì)有相似的愛好。因此，在生成使用者的最近鄰集時(shí)，我們要注意到使用者的特征，以便能提升推薦結(jié)果的品質(zhì)[3]。筆者主要針對(duì)用戶興趣度隨時(shí)間遷移、用戶與對(duì)象的關(guān)聯(lián)度、用戶特征等因素，提出一種基于用戶特征的協(xié)同過(guò)濾算法。

四、改進(jìn)的協(xié)同過(guò)濾推薦算法

（一）從用戶興趣度隨時(shí)間遷移方面對(duì)算法進(jìn)行改進(jìn)

傳統(tǒng)的協(xié)作篩選方法沒(méi)有引入時(shí)間維度，只把各個(gè)階段的評(píng)估結(jié)果當(dāng)作同等的權(quán)重，忽略了興趣隨著時(shí)間的流逝而逐漸減弱的特征。通常情況下，用戶的興趣會(huì)隨時(shí)間而變化，因此，從短期來(lái)看，用戶的早期評(píng)估在推薦算法中的比例要低一些，而近期的評(píng)估則要高一些。德國(guó)心理學(xué)家艾賓浩斯對(duì)時(shí)間與興趣之間的關(guān)系進(jìn)行了分析，得出了一個(gè)結(jié)論：興趣是一種非線性的。我們能夠根據(jù)人們的興趣轉(zhuǎn)移規(guī)律提出一個(gè)基于時(shí)間的興趣度遷移函數(shù)，如圖1所示。隨著時(shí)間的推移，用戶對(duì)該項(xiàng)目得分的權(quán)重值呈遞減趨勢(shì)，其變化趨勢(shì)是隨著時(shí)間的推移而變化的。Interest（u，t）是反映使用者最近評(píng)價(jià)的權(quán)重較大的非線性遞減函數(shù)，其權(quán)重值通常為0～1。一般情況下，興趣的變化具有線性下降和指數(shù)下降的趨勢(shì)。

圖1 興趣度隨時(shí)間遷移函數(shù)

如圖1所示，根據(jù)興趣度隨時(shí)間遷移曲線，改進(jìn)后的算法引入公式（2）考慮用戶興趣隨著時(shí)間變化對(duì)推薦結(jié)果的影響。

在（2）式中，D（u、i）代表使用者存取項(xiàng)的最近和最后的時(shí)間區(qū)間，m和n是不變的，并且隨著時(shí)間的推移，感興趣程度對(duì)推薦結(jié)果的影響可以由m和n的數(shù)值來(lái)控制。

（二）從用戶和對(duì)象相關(guān)度方面對(duì)算法進(jìn)行改進(jìn)

傳統(tǒng)的協(xié)同篩選算法忽略了用戶和對(duì)象的相關(guān)性對(duì)推薦結(jié)果的影響，僅考慮了用戶和對(duì)象個(gè)體的相似度，忽略了用戶和對(duì)象的內(nèi)在聯(lián)系。該算法將使用者u和對(duì)象i相關(guān)函數(shù)Relevance（u，i）用于考慮使用者對(duì)特定對(duì)象的興趣。

假設(shè)所有由使用者U評(píng)價(jià)的項(xiàng)是集Iu，且i與Iu中的項(xiàng)具有高度相似性，則使用者U感興趣的內(nèi)容有高度相似性，且使用者U感興趣的專案與使用者U的相似性較高，即i項(xiàng)對(duì)于生成用戶U的推薦結(jié)果有較大的參考意義。因此，我們可以定義Relevance（u，i）的功能，以評(píng)價(jià)在特定時(shí)期內(nèi)項(xiàng)i對(duì)使用者U的影響值，正如式（3）：

在公式（3）中，sim（i，j）表示項(xiàng)目i和集合Iu中項(xiàng)目的相似性，j∈Iu，Σsim（i，j）表示i和集合Iu的總體相似度，Iu表示集合Iu中的項(xiàng)目數(shù)。改進(jìn)后的算法引入用戶和對(duì)象相關(guān)度函數(shù)Relevance（u，i），根據(jù)特定用戶對(duì)某一項(xiàng)目的相關(guān)度推薦，也就是按照用戶對(duì)項(xiàng)目的興趣度賦予相應(yīng)的權(quán)重值。

（三）從用戶特性方面對(duì)算法進(jìn)行改進(jìn)

不同功能的使用者會(huì)有不同的愛好，而擁有同樣功能的使用者也會(huì)有類似的愛好，所以在生成最近的鄰集時(shí)，使用者的特征是非常重要的。該方法可以構(gòu)造出一個(gè)特定的使用者，以幫助提升鄰近的建議的精確性[4]。一方面，不同專業(yè)的讀者所擁有的知識(shí)儲(chǔ)備也會(huì)影響到他們的學(xué)習(xí)興趣，例如，計(jì)算機(jī)專業(yè)的學(xué)生對(duì)信息技術(shù)的興趣更大，會(huì)計(jì)專業(yè)的學(xué)生對(duì)財(cái)務(wù)的興趣更大。同一領(lǐng)域的讀者對(duì)同一類別的圖書也會(huì)產(chǎn)生類似的興趣。因此，我們可以采用專業(yè)、年齡、性別等不同的用戶特性對(duì)算法進(jìn)行優(yōu)化。

我們可以根據(jù)用戶的專業(yè)屬性對(duì)協(xié)同過(guò)濾算法進(jìn)行改進(jìn)，根據(jù)用戶的專業(yè)構(gòu)造一棵倒立的專業(yè)樹（見圖2）。

圖2 專業(yè)樹

如果專業(yè)樹中的專業(yè)m，n為根結(jié)點(diǎn)，則其高度為0。假設(shè)使用者i的專業(yè)是m，使用者j的專業(yè)是n，則使用者i與使用者j在專業(yè)特征方面的使用者相似性是Major（i，j），如計(jì)算式（4）：

比如，一個(gè)使用者i的專業(yè)是馬克思，而使用者j的專業(yè)是知識(shí)論，他的公共最近的父系是哲學(xué)，高度是2，專業(yè)樹的高度H是4，則Major（i，j）的數(shù)值是0.5，即使用者與專業(yè)特征的相似性是0.5。

我們根據(jù)用戶性別特性對(duì)協(xié)同過(guò)濾算法進(jìn)行改進(jìn)，假定用戶i、j的性別分別為m、n，則用戶性別相似度Sex（i，j）可表示為：

協(xié)同過(guò)濾算法是基于使用者的年齡特征而進(jìn)行的，假設(shè)使用者i是m，而使用者j是n，那么，我們可以將使用者的年齡相似性Age（i，j）表示為：

綜合考慮專業(yè)、性別及年齡特性，我們可以得出用戶特性相似度公式（7）：

式（7）中，α和β都是一個(gè)小于1的正整數(shù)，其功能是控制使用者的特征對(duì)使用者的相似性的影響。該算法的數(shù)值可以根據(jù)試驗(yàn)數(shù)據(jù)進(jìn)行優(yōu)化，得到最優(yōu)的建議。

（四）改進(jìn)后的算法在個(gè)性化圖書推薦系統(tǒng)中的應(yīng)用

本文提出了一種新的基于協(xié)同過(guò)濾的新算法，它可以分析讀者的專業(yè)、性別、年齡。根據(jù)用戶的特性相似度，我們可以很好地解決傳統(tǒng)算法所遇到的新的用戶問(wèn)題[5]。圖3顯示了該算法的工作流程。

圖3 改進(jìn)后算法的推薦流程

1.收集讀者數(shù)據(jù)，包括讀者的基本數(shù)據(jù)以及讀者對(duì)借閱書籍的評(píng)價(jià)。2.基于讀者對(duì)借閱書籍的評(píng)價(jià)建立一個(gè)“讀者評(píng)價(jià)矩陣”。同時(shí)，基于讀者的基本信息產(chǎn)生一組讀者特征。3.讀者評(píng)價(jià)矩陣是基于讀者興趣的時(shí)間函數(shù)（式2）修改的，因此，在修改后的評(píng)價(jià)矩陣中，讀者的興趣會(huì)隨著時(shí)間的推移而改變。4.基于讀者對(duì)書籍的關(guān)聯(lián)函數(shù)（式3），計(jì)算出讀者對(duì)該書籍的感興趣程度，并基于該數(shù)值矩陣，計(jì)算出該用戶的相似性。同時(shí)，讀者特征相似性采用方程式（7）來(lái)計(jì)算。5.對(duì)讀者的相似性進(jìn)行綜合運(yùn)算，并產(chǎn)生與目標(biāo)讀者的鄰近關(guān)系。6.基于所產(chǎn)生的讀者最近鄰區(qū)集合，對(duì)被評(píng)價(jià)對(duì)象的評(píng)價(jià)進(jìn)行預(yù)測(cè)，從而得到一個(gè)推薦結(jié)果。

（五）試驗(yàn)與分析

筆者選用的個(gè)性化圖書推薦系統(tǒng)包含了4 000位讀者對(duì)10 000冊(cè)書籍的評(píng)價(jià)，每位讀者對(duì)10冊(cè)以上的書籍進(jìn)行評(píng)價(jià)。筆者將評(píng)價(jià)結(jié)果轉(zhuǎn)換成（01）上的數(shù)值，評(píng)分越高，表明讀者對(duì)該書籍的感興趣程度越高。其中，查準(zhǔn)率公式（8）如下：

在（8）式中，Hits將正確的結(jié)果數(shù)推薦給讀者，以N代表讀者的全部評(píng)分，并根據(jù)讀者對(duì)書籍的評(píng)分計(jì)算出推薦書的正確率，如圖4所示。

圖4 算法改進(jìn)前后查準(zhǔn)率對(duì)比圖

實(shí)驗(yàn)分析表明，采用傳統(tǒng)的協(xié)同過(guò)濾方法可以使推薦結(jié)果的準(zhǔn)確率從70%提升到75%，從而使推薦效果得到顯著改善，這將能夠在一定程度上提高讀者的借閱率。

五、結(jié)束語(yǔ)

協(xié)同過(guò)濾算法是個(gè)性化推薦系統(tǒng)的基本算法，其在不同的個(gè)性化推薦方案中得到廣泛的應(yīng)用。筆者在改進(jìn)后的用戶協(xié)同過(guò)濾算法的基礎(chǔ)上，根據(jù)高校圖書館的實(shí)際情況和用戶輸出的數(shù)據(jù)，利用多源數(shù)據(jù)的相似性權(quán)重以及時(shí)間衰減模型對(duì)上述問(wèn)題進(jìn)行改進(jìn)，并取得了較好的效果。目前，高校圖書館中經(jīng)常會(huì)出現(xiàn)新的圖書，這些圖書沒(méi)有人借閱，導(dǎo)致出現(xiàn)圖書的冷啟動(dòng)問(wèn)題。因此，我們將協(xié)同過(guò)濾算法融入圖書館的圖書推薦中，將能夠更好地提高圖書的借閱率。