白林鋒， 古險峰

(河南科技學院 信息工程學院， 河南 新鄉(xiāng) 453003)

用戶的個性化需求以及商品的多樣性，導致信息過載，進而出現(xiàn)“信息迷失”，使得用戶在選擇商品時不能很好地進行比較[1]。推薦系統(tǒng)通過分析用戶對不同商品的歷史關注程度以及對項目的評價，找出其中的關聯(lián)特征，從而在海量數(shù)據中將用戶感興趣的信息推薦出來，使用戶能夠花費較少的時間和精力，更加精準地找到符合自己預期的產品，提升用戶滿意度，因此推薦系統(tǒng)對電商平臺以及用戶購物體驗都起著關鍵作用[2]。推薦算法作為推薦系統(tǒng)的核心，具有重要意義，可以基于內容、情境感知、關聯(lián)規(guī)則、知識推薦和協(xié)同過濾等。傳統(tǒng)算法往往僅考慮相似用戶的興趣偏好進行相似性計算，用戶模型單一，且沒有充分考慮時間因素以及項目屬性對用戶的影響，自身存在缺陷性，可擴展性不足[3]。針對這一現(xiàn)象，提出了改進協(xié)同濾波算法，在充分考慮項目屬性特征以及用戶興趣愛好的基礎上，引入自適應平衡因子綜合考慮用戶的需求，從而實現(xiàn)對用戶興趣愛好更深入地挖掘，解決傳統(tǒng)算法規(guī)則提取困難、個性化程度低、數(shù)據稀疏的問題[4]。

1 推薦系統(tǒng)相關理論

隨著信息化時代的到來，大量數(shù)據方便人們生活的同時，使得信息過載、海量數(shù)據不對等問題也日益凸顯[5]。利用已知用戶的瀏覽歷史進行情境分析，挖掘潛在的關聯(lián)規(guī)則，過濾掉大量無用信息，促成用戶購買意愿，提高交叉銷售的同時，提升用戶的粘連性和滿意度。因此，行為記錄模塊、規(guī)則分析模塊、推薦算法模塊構成了一套完整的個性化推薦系統(tǒng)[6]。其中，協(xié)同過濾技術以類聚群分原理，不需要對用戶進行額外的跟蹤，僅僅利用用戶已有的瀏覽歷史、評價行為，進行興趣偏好的相似性計算，繼而進行個性化推薦[7]。隨著在線用戶的增加以及大型Web的興起，推薦系統(tǒng)也面臨著模型服務、可擴展性、系統(tǒng)架構、冷啟動和強壯性等問題的挑戰(zhàn)[8]。推薦系統(tǒng)框架如圖1所示。

圖1 推薦系統(tǒng)框架圖

1.1 推薦技術及評價指標

協(xié)同過濾推薦：有基于項目和基于用戶兩種形式，具有適應性強、推薦資源范圍廣的特點?；谟脩舻乃惴鞒虨椋豪靡阎脩襞d趣數(shù)據挖掘與之匹配的相似度高的目標用戶，進而通過對比分析，根據物以類聚人以群分現(xiàn)象，將商品推薦給疑似用戶[9]。數(shù)學表達式為：

p(u,i)=∑v∈S(u,k)∩N(i)wuvrvi

(1)

式中：p(u,i)表示目標用戶u對商品i的興趣度，k表示與已知用戶相似的用戶個數(shù)，w表示用戶間的相似程度，v為相似用戶，r為隱反饋信息。得到用戶對商品的興趣度后，進行降維選擇，從而挑選出興趣度最大的N個商品推薦給目標用戶[10]?；陧椖康倪^濾推薦原理和基于用戶的過濾推薦相似，都存在擴展性差、冷啟動以及數(shù)據稀疏性問題[11]。

關聯(lián)規(guī)則推薦：從大量數(shù)據中尋找未知項目間存在的關聯(lián)特征，進而進行推薦，從而得到意料之外情理之中的效果。數(shù)學表示為：假設存在商品數(shù)據庫D，每一次交易用T表示，A為數(shù)據庫D中的一個商品集合，商品集合A和商品集合B之間的關聯(lián)規(guī)則A?B的置信度和支持度為：

(2)

(3)

通過式(2)和式(3)得出商品集合A和商品集合B之間的置信度和支持度函數(shù)，如果大于設置的閾值，則得出關聯(lián)規(guī)則[12]。該算法需要重復掃描數(shù)據庫，帶來數(shù)據的高維性和稀疏性，個性化程度低，關聯(lián)規(guī)則提取困難[13]。

一個好的推薦系統(tǒng)在獲取用戶資源的同時，能夠提升用戶的粘連性和滿意度。合適的評價指標是評判推薦系統(tǒng)優(yōu)劣的關鍵[14]，常用的評價指標有：推薦準確率、評分預測。

推薦準確率

(4)

式中：T(u)為測試商品，P(u)為推薦商品。

評分預測

(5)

式中：rui為用戶u對商品i的真實評價，lui為用戶u對商品i的預測評價。

1.2 協(xié)同過濾算法的關鍵問題

傳統(tǒng)的協(xié)同過濾推薦利用相似性度量關聯(lián)近鄰用戶，然后通過最近鄰(KNN)加權預測目標用戶興趣，最后進行個性化推薦[15]，具體流程如圖2所示。

圖2 協(xié)同過濾推薦流程

評分矩陣：假設數(shù)據庫中存在m個用戶，n個商品，評分矩陣用m×n表示，Rij表示第i個用戶u對第j個商品的評分，評分值通過1～5來表示用戶的喜好程度。評分矩陣如表1所示。

表1 評分矩陣

近鄰選擇：對目標用戶預推薦進行項目間相似度查找，或者查找與目標用戶相似的近鄰用戶，然后根據相似性進行排序，選取大于閾值的若干個組成最近鄰集合。常用的相似度度量有余弦相似度量，其數(shù)學表示為：

(6)

式中：用戶u、v對項目c的評分用R表示。皮爾遜相似度表示方式為：

(7)

(8)

2 融合項目屬性與興趣信息的協(xié)同過濾推薦系統(tǒng)

2.1 系統(tǒng)模塊設計

在進行模塊設計前需要進行系統(tǒng)需求分析，由于推薦系統(tǒng)面向的用戶特征和實現(xiàn)的功能屬性并不一致，因此系統(tǒng)需求分析的優(yōu)劣決定了設計的質量。本系統(tǒng)設計面向電商產品銷售，需求分析主要有兩部分組成，分別為功能性屬性和非功能性屬性。功能性屬性包括用戶管理、任務管理、數(shù)據分析、數(shù)據可視化，非功能性屬性包括可靠性、可擴展性、便捷性。在系統(tǒng)需求的基礎上，進行模塊設計，融合項目屬性與興趣信息的協(xié)同過濾推薦系統(tǒng)主要有4個模塊：數(shù)據管理模塊、數(shù)據分析預測模塊、個性化推薦模塊以及結果顯示模塊。

數(shù)據管理模塊主要進行數(shù)據存儲以及商品數(shù)據和用戶數(shù)據的管理；數(shù)據分析預測模塊通過對數(shù)據進行預處理，過濾掉無用信息以及異常數(shù)據，對用戶的訪問數(shù)據進行清洗，為后續(xù)的個性化推薦模塊做準備；個性化推薦模塊根據數(shù)據分析預測模塊得出的數(shù)據進行評分矩陣，通過自適應混合協(xié)同過濾，選擇合適的推薦算法，根據用戶的興趣愛好更新商品屬性特征，實現(xiàn)推薦結果的實時性和動態(tài)性，提高推薦準確率，最終在顯示模塊將商品推薦給用戶。

2.2 融合項目屬性與用戶興趣相似度計算

傳統(tǒng)的協(xié)同過濾算法，通過研究相似用戶的興趣偏好進行相似性計算，忽略了時間因素以及項目屬性對用戶的影響，進而造成數(shù)據的稀疏性；而且，當引入新項目時無法及時的進行推薦，導致冷啟動問題的產生，可擴展性不足。本設計提出一個將用戶興趣和項目屬性混合進而計算相似度的方法，通過利用權重系數(shù)綜合分析項目評分的相似性，其數(shù)學表示為：

sim(p,q)=αsimrate(p,q)+(1-α)simattr(p,q)

(8)

式中：simattr(p,q)為項目屬性；simrate(p,q)為興趣偏好；α為平衡因子，取值在0和1之間，決定了相似度擬合的權重系數(shù)。通過調節(jié)平衡因子α可以實現(xiàn)推薦精度的改變，最終實現(xiàn)精準的個性化推薦，α具體取值，通過實驗仿真得出。但是現(xiàn)實中，這種相似度計算并不適用于所有情況，為了防止用戶共同評分項目過少而出現(xiàn)的相關系數(shù)過大，需要根據情況加入權值因子即懲罰因子，改進后的相似度表示為：

(9)

式中：Npenalty為權值因子定值，大部分情況下取值50，Noverlap為目標用戶與已知用戶一起評分項目數(shù)量。

算法的具體步驟為：

(1)輸入近鄰數(shù)k，商品集合以及用戶集合，并寫出評分矩陣R；

(2)選取合適的數(shù)據庫，抽取其中85%作為訓練樣本，15%作為測試樣本，并讀入訓練樣本中生成用戶評分矩陣的數(shù)據；

(3)利用改進后的相似度表示式(9)，得到融合項目屬性與用戶興趣相似性，比較相似度結果，選取大于閾值的若干個組成最近鄰集合；

(4)最后通過15%測試樣本，得出推薦準確率P、均方根誤差R、絕對誤差，驗證算法的有效性。

3 實驗與仿真

首先搭建所需硬件平臺，電腦采用8核CPU、Intel i7@3.4 GHz、32 G內存、512 GB固態(tài)硬盤，軟件配置為Microsoft Windows7操作系統(tǒng)，編程語言為Java，開發(fā)平臺為Myeclipse10。數(shù)據集采用美國Minnesota大學GroupLens項目組開發(fā)并維護的數(shù)據庫。該數(shù)據庫包含3個數(shù)據集，為了便于比較驗證，選取其中的一個MovieLens 100k數(shù)據集，該數(shù)據集里面含有1 682部影片、943位用戶評價的100 000條評價。評分范圍值為1～5之間，抽取其中85%作為訓練樣本，15%作為測試樣本。評價推薦系統(tǒng)性能優(yōu)劣的指標有召回率(recall)、覆蓋率(coverage)、絕對誤差(MAE)以及均方根偏差(RMSE)。本設計通過比較傳統(tǒng)算法與改進協(xié)同過濾算法在絕對誤差和均方根偏差的數(shù)值來驗證算法的有效性。

本設計中相似度融合了項目屬性與用戶興趣，平衡因子α決定了這兩部分的比值。通過仿真觀察得出平衡因子α與絕對誤差(MAE)間的關系，如圖3所示。

圖3 絕對誤差與平衡因子變化曲線

通過圖3可知，當平衡因子α為0.4時，絕對誤差最小，推薦精度達到最大值，所以后續(xù)仿真α采用0.4。在相同測試集以及數(shù)據稀疏度的環(huán)境下，通過與傳統(tǒng)的以評分差異度和以項目類別偏好計算相似度的協(xié)同過濾算法進行對比來驗證本文算法的精確度；同時為了驗證本文算法的普遍適用性，針對不同的情況最近鄰個數(shù)分別取10～60，實驗結果如圖4所示。

圖4 不同算法絕對誤差比較

由圖4可知，基于改進的協(xié)同過濾算法相對于傳統(tǒng)的協(xié)同過濾算法具有較高的精確度，且隨著最近鄰個數(shù)的增加，系統(tǒng)的精確度仍然優(yōu)于其他算法，說明具有一定的魯棒性和普遍適用性。

4 結 語

在信息爆炸時代，用戶如何在大量冗余的信息中找到自己感興趣的數(shù)據，電商網站如何推銷商品并提高客戶粘連度是近年來研究的重點。本文通過對推薦系統(tǒng)關鍵技術及評價指標進行分析，得出推薦系統(tǒng)的基礎架構。在此基礎上對協(xié)同過濾算法進行改進，通過引入權重因子以及懲罰函數(shù)，將用戶興趣和項目屬性混合進而計算相似度，最終實現(xiàn)精準的個性化推薦，并通過實驗仿真驗證本設計具有一定的魯棒性和普遍適用性。