張若萱，董 晨，馬嘉駿，張釗銘，吳夢歌，潘韻竹，劉海龍

（天津理工大學(xué)計算機科學(xué)與工程學(xué)院 天津 300384）

1 引言

大學(xué)校園交易平臺為學(xué)生學(xué)習(xí)、生活帶來便利，建立大學(xué)校園交易平臺成為新的應(yīng)用需求，但面對海量商品，如何快速、精準(zhǔn)的為買家匹配到心儀商品，推薦算法成為關(guān)鍵。本文針對校園交易不同階段使用多階段推薦算法，實現(xiàn)個性化商品推薦。第一階段用戶和商品數(shù)量少，基于用戶注冊信息，使用XGBoost算法實現(xiàn)商品推薦。第二階段用戶和商品數(shù)量較大，采用基于物品和用戶的協(xié)同過濾實現(xiàn)個性化商品推薦。第三階段隨著交易增多和交流圈建立，信息與數(shù)據(jù)變得更為龐大，文本型數(shù)據(jù)較多，加入自然語言處理算法，使商品推薦更加精確高效。

2 多階段推薦算法設(shè)計

多階段推薦算法流程見圖1。

圖1 多階段推薦算法流程

2.1 第一階段推薦算法設(shè)計

這一階段處于交易平臺的起步，用戶和商品數(shù)據(jù)較少，需要解決用戶冷啟動，物品冷啟動，系統(tǒng)冷啟動問題[1]。為了提高商品推薦的準(zhǔn)確度，基于注冊用戶的信息和興趣標(biāo)簽訓(xùn)練決策樹模型，設(shè)計初步的用戶畫像。使用XGBoost算法對數(shù)據(jù)集進(jìn)行預(yù)測，Boosting是一種非常有效的集成學(xué)習(xí)算法，采用Boosting算法將弱分類器轉(zhuǎn)化為強分類器，解決各類冷啟動問題，流程如下。

（1）初始化模型為常數(shù)

（2）計算錯誤率

（3）計算αm= log((1-errm) /errm)

根據(jù)迭代結(jié)果，輸出用戶和商品關(guān)系矩陣，矩陣元素（用0，1表示）表示此用戶是否會對該產(chǎn)品感興趣。

2.2 第二階段推薦算法設(shè)計

第二階段交易平臺中用戶和商品數(shù)據(jù)量較大，采用基于物品的協(xié)同過濾和基于用戶的協(xié)同過濾算法實現(xiàn)商品推薦。

2.2.1 基于物品的協(xié)同過濾算法

在交易平臺中，很多學(xué)生會多次購買具有相似特征的商品，根據(jù)這一特點，采用基于物品的協(xié)同過濾算法進(jìn)行推薦[2]。

（1）相似度計算

為了減小活躍用戶對結(jié)果的影響，考慮IUF（即用戶活躍度對數(shù)的倒數(shù)），這時認(rèn)為活躍用戶對物品相似度的貢獻(xiàn)應(yīng)該小于不活躍用戶。

為方便計算和訓(xùn)練，進(jìn)一步將相似度矩陣歸一化：

（2）根據(jù)預(yù)測值計算

根據(jù)以下公式：

pu,j表示u對物品j的興趣，N(u)表示用戶喜歡的物品集合，S(j,k)表示和物品j最相似的K個物品集合（j是這個集合中的某一個物品），Wji表示物品j和物品i的相似度，rui表示用戶u對物品i的興趣（對于隱反饋數(shù)據(jù)集，如果用戶u對物品i有過行為,rui都等于1。

2.2.2 基于用戶的協(xié)同過濾算法

大學(xué)校園中很多學(xué)生偏好相同，會出現(xiàn)購買商品相似度較高的情況。基于這一特點，采用基于用戶的協(xié)同過濾算法能夠較好地實現(xiàn)精準(zhǔn)推薦。

（1）發(fā)現(xiàn)興趣相似的用戶

通常用Jaccard公式或者余弦相似度計算兩個用戶之間的相似度。設(shè)N(u)為用戶u喜歡的物品集合，N(v)為用戶v喜歡的物品集合，Jaccard公式：

余弦相似度：

通過建立“物品-用戶”倒排表，可計算出兩個用戶之間的相似度。

（2）推薦商品

（3）輸出推薦結(jié)果

將以上兩個推薦算法結(jié)果進(jìn)行加權(quán)評分，得到用戶偏好的商品列表并排名，直接進(jìn)行推薦。

2.3 第三階段推薦算法設(shè)計

隨著交易圈的擴大，平臺用戶數(shù)量和商品信息量驟增，文本數(shù)據(jù)較多，為發(fā)揮文本數(shù)據(jù)作用，使預(yù)測更加準(zhǔn)確，引入自然語言處理詞袋模型和TF-IDF算法。

（1）詞袋模型

使用詞袋模型表示文本，將文本轉(zhuǎn)化為文檔中單詞出現(xiàn)次數(shù)的矩陣，主要步驟如下：

1）文本分詞：使用jieba分詞器將文本數(shù)據(jù)分詞。

2）構(gòu)建詞匯表：將文本語料庫中的所有單詞進(jìn)行標(biāo)號，存儲在本地數(shù)據(jù)庫中，并建立索引加快查找速度。

3）詞向量表示：每個單詞都表示為一個n維向量，在詞匯索引位置為1，其他為0。

4）統(tǒng)計頻次：統(tǒng)計每個文本中單詞出現(xiàn)的頻次，用向量的形式表示文本關(guān)鍵字。

（2）運用TF-IDF算法評估關(guān)鍵字

在得到文本的向量表示后，希望將文檔中出現(xiàn)頻繁卻不是關(guān)鍵字的詞語權(quán)重降低，采用TF-IDF算法，即：

（3）訓(xùn)練模型

此時可以采用第二階段設(shè)計方法，在訓(xùn)練數(shù)據(jù)集中加入處理后的文本關(guān)鍵字，比如用戶評論，交友圈的文本內(nèi)容，得到更為準(zhǔn)確的商品推薦結(jié)果。

3 結(jié)論

本實驗主要基于交易平臺中的3000名用戶數(shù)據(jù)進(jìn)行測試，分別使用協(xié)同過濾算法和多階段推薦算法進(jìn)行商品推薦，如果用戶對推薦結(jié)果滿意則打分1，不滿意打分0，將打分總數(shù)/打分人數(shù)計算準(zhǔn)確率，圖2為推薦結(jié)果準(zhǔn)確率比較。

圖2 推薦算法準(zhǔn)確率比較

從圖2可以看出，在平臺交易的不同階段，使用多階段推薦算法，準(zhǔn)確率都比僅使用協(xié)同過濾算法高，表明多階段推薦算法更適合校園交易流程。