知識(shí)推薦的協(xié)同過(guò)濾算法

朱耀磷 蔡延光

摘要：信息時(shí)代中，新形態(tài)的教育方式應(yīng)運(yùn)而生。越來(lái)越多的網(wǎng)絡(luò)課程如同雨后春筍，以一種井噴式的態(tài)勢(shì)增長(zhǎng)著。但也存在一個(gè)無(wú)法忽視的痛點(diǎn)，不同的網(wǎng)課平臺(tái)相互封鎖，伴隨之而來(lái)的矛盾是，用戶需要花費(fèi)更多的時(shí)間和精力到各個(gè)平臺(tái)搜索心儀的網(wǎng)絡(luò)課程。更有甚者，有部分用戶由于自身水平限制，在入門(mén)一個(gè)領(lǐng)域時(shí)，常常由于缺乏對(duì)該領(lǐng)域的認(rèn)識(shí)，在如何選擇合適的網(wǎng)絡(luò)課程時(shí)感到為難，這無(wú)疑是一塊巨大的絆腳石。信息過(guò)載已成為制約人們方便使用互聯(lián)網(wǎng)的絆腳石，網(wǎng)絡(luò)世界信息資源分布廣泛，使得人們產(chǎn)生信息迷失。推薦系統(tǒng)是信息過(guò)濾的衍生品，能更好地實(shí)現(xiàn)信息資源個(gè)性化推薦。從這個(gè)痛點(diǎn)出發(fā)，本文基于協(xié)同過(guò)濾算法，創(chuàng)新地提出一種網(wǎng)絡(luò)課程推薦系統(tǒng)。并且，可從本文得到啟發(fā)，并將此種方法應(yīng)用于其他行業(yè)，諸如互娛、金融等。

關(guān)鍵詞：推薦；協(xié)同；過(guò)濾；網(wǎng)課；矩陣

中圖分類號(hào)：TP311.5 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3969/j.issn.l003-6970.2017.08.009

本文著錄格式：朱耀磷，蔡延光.知識(shí)推薦的協(xié)同過(guò)濾算法[J].軟件，2017，38（8）：50-53

引言

隨著計(jì)算機(jī)等智能設(shè)備的普及，數(shù)字化的教育方式、越來(lái)越多的網(wǎng)絡(luò)課程已然成為一個(gè)無(wú)可逆轉(zhuǎn)的趨勢(shì)與發(fā)展潮流。網(wǎng)絡(luò)的迅速普及、網(wǎng)絡(luò)資源不斷豐富、網(wǎng)絡(luò)信息量急劇增長(zhǎng)，一方面人們可以獲取的信息資源越來(lái)越豐富，這給人們帶來(lái)很大好處；另一方面，面對(duì)海量的信息資源，人們被迫不得不以更多的時(shí)間精力去搜尋對(duì)其有用的信息，因而“信息超載”越來(lái)越突出，信息過(guò)量無(wú)法消化、難以辨識(shí)真假。

信息量暴漲與“怎樣準(zhǔn)確快速獲取有價(jià)值的網(wǎng)絡(luò)信息、怎樣理解已有歷史數(shù)據(jù)并用于預(yù)判未來(lái)行為”兩者之間的矛盾日益嚴(yán)重。為給用戶提供更高效率更方便更舒適的體驗(yàn)，本文基于網(wǎng)課用戶和網(wǎng)絡(luò)課程協(xié)同推薦過(guò)濾，提出推薦系統(tǒng)的設(shè)計(jì)方法，將更好地服務(wù)于用戶，解決用戶使用過(guò)程中耗時(shí)耗力的窘境，并且實(shí)現(xiàn)更加流暢透明的推薦功能，致力于網(wǎng)絡(luò)課程的發(fā)展，為更加先進(jìn)的教育方式搖旗助威[2，3，4]。

1 值的定義

本節(jié)主要闡述系統(tǒng)在開(kāi)發(fā)過(guò)程中所涉及的符號(hào)及變量的定義，在一定程度上，這將對(duì)理解本系統(tǒng)的設(shè)計(jì)有不錯(cuò)的幫助。

1.1 定義網(wǎng)課

首先是對(duì)網(wǎng)絡(luò)課程的定義說(shuō)明，這里統(tǒng)一采用10個(gè)量度指標(biāo)定義任意一門(mén)網(wǎng)絡(luò)課程，記任意一門(mén)網(wǎng)絡(luò)課程為A，A為列向量。

這里的為百分?jǐn)?shù)，分別代表該門(mén)課程的10個(gè)指標(biāo)，不妨假設(shè)為：文學(xué)、理工、計(jì)算機(jī)、小說(shuō)、數(shù)學(xué)、物理、外語(yǔ)、電子、材料、地理。

則代表該課程為文學(xué)類課程的比例，%代表該課程為理工類課程的比例，…以此類推。

設(shè)第一門(mén)課程為4，第二門(mén)課程為，

1.2 定義用戶

對(duì)用戶的定義同樣采用10個(gè)指標(biāo)定義一位用戶，這10個(gè)指標(biāo)代表著每一名用戶的個(gè)人特質(zhì)。假設(shè)任一名用戶為B，B為行向量。

同為占比百分?jǐn)?shù)，分別設(shè)

為：喜好文學(xué)、喜好理工、…喜好地理。因此，代表改名用戶喜歡文學(xué)的比例，62代表改名用戶喜歡理工的比例，…定義第一位用戶為第二位用戶為…

2 系統(tǒng)建立過(guò)程分析

當(dāng)系統(tǒng)每引入一門(mén)課程時(shí)，由課程的提供者（即“老師”）對(duì)該課程進(jìn)行標(biāo)記，該門(mén)課程被標(biāo)記為屬于哪種類型。一門(mén)課程可同時(shí)屬于多個(gè)領(lǐng)域。

當(dāng)某一門(mén)課程被帶有某種屬于的用戶選擇之后，后臺(tái)系統(tǒng)捕捉這種行為，自動(dòng)為該門(mén)課程刷新屬性。例如，當(dāng)一門(mén)課程為的用戶點(diǎn)擊之后，后臺(tái)將課程修改為。

當(dāng)新用戶登錄系統(tǒng)時(shí)，需要用戶對(duì)自己進(jìn)行標(biāo)記，修改設(shè)置行向量B，用戶可以擁有自己的朋友圈。當(dāng)用戶瀏覽選擇感興趣的課程，后臺(tái)根據(jù)用戶的行為，動(dòng)態(tài)修改用戶的B值，例如，當(dāng)一個(gè)新用戶將自己標(biāo)記為，那么當(dāng)他選擇了課程，時(shí)，系統(tǒng)自動(dòng)為該用戶修改。

3 協(xié)同推薦

新用戶登錄系統(tǒng)時(shí)，有兩種方法可為其推薦網(wǎng)課。一種是根據(jù)用戶對(duì)自己的標(biāo)記，選擇其朋友圈內(nèi)一個(gè)與改名用戶屬性最相近的人為目標(biāo)，按照目標(biāo)的歷史網(wǎng)課記錄，推薦其最近一段時(shí)間的課程給新用戶。

另一種方法是，利用新用戶對(duì)自己的標(biāo)記，與系統(tǒng)內(nèi)已有數(shù)據(jù)進(jìn)行匹配，按照匹配度的高低來(lái)為新用戶推薦網(wǎng)課[6，7]。

無(wú)論采取何種方法，隨著用戶的活躍度提高，系統(tǒng)推薦的準(zhǔn)確度也將進(jìn)一步提高[8_13]。

4 數(shù)據(jù)過(guò)濾

完成上面的準(zhǔn)備工作后，每位用戶都擁有一個(gè)獨(dú)立的屬性值B，每一門(mén)網(wǎng)課也同樣擁有獨(dú)立的屬性值A(chǔ)。利用這些作為標(biāo)記的特征值，系統(tǒng)便可準(zhǔn)確地向目標(biāo)用戶推薦恰當(dāng)?shù)木W(wǎng)課。這里主要闡述數(shù)據(jù)過(guò)濾的手法，本文前面將用戶的屬性值B定義為行向量，將網(wǎng)課的屬性值A(chǔ)定義為列向量。

這里再定義。

C便為所謂的匹配度，系統(tǒng)將按照C值的大小向用戶推薦對(duì)應(yīng)的網(wǎng)課，C由大到小表示由最匹配到最不匹配。

當(dāng)然也可以直接用進(jìn)行判斷

5 結(jié)語(yǔ)

在本文中提到的此種框架下，任何商品（包括網(wǎng)課、娛樂(lè)信息等）都可便捷地構(gòu)建推薦系統(tǒng)，協(xié)同推薦的方式很好地解決初入系統(tǒng)的信息被孤立的問(wèn)題。故而賦予了系統(tǒng)很好的適應(yīng)性，可移植至不同的領(lǐng)域。