基于用戶語義相似性的協(xié)同過濾推薦算法

李 想，周 良

(南京航空航天大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 南京 210016)

協(xié)同過濾推薦是當(dāng)前應(yīng)用最廣泛、最成功的個性化推薦技術(shù)。協(xié)同過濾推薦主要根據(jù)用戶對項目的評分?jǐn)?shù)據(jù)，發(fā)現(xiàn)用戶之間或者項目之間的相關(guān)性，預(yù)測目標(biāo)用戶對未評分項目的喜好程度，從而產(chǎn)生推薦。目前常用的協(xié)同過濾推薦算法主要分為2類:基于用戶的協(xié)同過濾推薦和基于項目的協(xié)同過濾推薦[1]。

傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法是以用戶－項目評分矩陣為基礎(chǔ)來計算用戶之間的相似性，用戶評分?jǐn)?shù)據(jù)的缺失使系統(tǒng)難以準(zhǔn)確定位目標(biāo)用戶的最近鄰，從而導(dǎo)致推薦質(zhì)量下降。近些年，一些研究者開始嘗試將語義知識應(yīng)用到協(xié)同過濾推薦中，在解決評分?jǐn)?shù)據(jù)稀疏性問題上取得了顯著的效果。文獻(xiàn)[2]提出了一種基于項目語義相似度的協(xié)同過濾推薦算法，通過計算項目之間的語義相似性來預(yù)測用戶評分，并填充用戶評分矩陣，再計算用戶的相似性進(jìn)行推薦。文獻(xiàn)[3]提出了一種基于本體用戶模型的個性化推薦算法，利用本體構(gòu)建用戶興趣模型，并通過改進(jìn)的相似度計算方法來計算用戶相似度。文獻(xiàn)[4]提出了一種領(lǐng)域知識驅(qū)動的協(xié)同過濾推薦算法，通過項目語義相似度計算用戶之間的語義相似度，同時結(jié)合用戶評分相似性和用戶語義相似性計算用戶最近鄰，有效地改善了推薦質(zhì)量。

本文提出了一種基于用戶語義相似性的協(xié)同過濾推薦算法。其核心在于利用領(lǐng)域本體中概念之間的關(guān)系來描述項目之間的語義關(guān)系，同時利用語義擴(kuò)展的余弦相似性方法來改進(jìn)傳統(tǒng)的用戶相似性度量方法，并以此來計算用戶語義相似性。該算法能夠很好地克服協(xié)同過濾中數(shù)據(jù)稀疏性導(dǎo)致的推薦質(zhì)量下降的問題，提高推薦的準(zhǔn)確性。

1 基于用戶語義相似性的協(xié)同過濾推薦流程

協(xié)同過濾推薦根據(jù)目標(biāo)用戶最近鄰居集的偏好來預(yù)測目標(biāo)用戶的偏好，推薦流程主要分為2個部分:發(fā)現(xiàn)用戶最近鄰和產(chǎn)生推薦?；谟脩粽Z義相似性的協(xié)同過濾推薦通過引入語義知識，同時綜合用戶評分?jǐn)?shù)據(jù)來計算用戶語義相似度，推薦流程如圖1所示。

圖1 基于用戶語義相似性的協(xié)同過濾推薦流程圖

根據(jù)圖1中描述的推薦流程，首先利用項目的分類信息構(gòu)建領(lǐng)域本體，收集用戶興趣信息并構(gòu)建用戶興趣模型，用戶興趣模型由分類本體樹中的葉子節(jié)點和相應(yīng)的評分組成;然后，根據(jù)領(lǐng)域本體內(nèi)部的語義關(guān)系計算項目之間的語義相似度，綜合項目語義相似度和用戶評分?jǐn)?shù)據(jù)來對余弦相似性方法進(jìn)行語義擴(kuò)展，以此來計算用戶語義相似度，并為目標(biāo)用戶產(chǎn)生最近鄰居集;最后，根據(jù)用戶最近鄰居集的評分產(chǎn)生Top N推薦。

2 基于用戶語義相似性的協(xié)同過濾推薦算法

2.1 計算項目語義相似度

領(lǐng)域本體通常用來描述某個領(lǐng)域內(nèi)的概念以及概念之間的關(guān)系，領(lǐng)域本體中的上層概念是下層概念的泛化，下層概念是上層概念的具體化。項目之間語義關(guān)系的表達(dá)可以借助領(lǐng)域本體來實現(xiàn)，圖2描述了電影領(lǐng)域的一個分類本體，領(lǐng)域本體樹中的葉子節(jié)點表示具體的電影項目，非葉子節(jié)點表示泛化的電影分類概念。

圖2 電影領(lǐng)域的分類本體

根據(jù)Ganesan在文獻(xiàn)[5]中提出的思想來計算項目之間的語義相似度。設(shè)分類本體樹U中葉子節(jié)點的集合為 LLU={l1，l2，l3，…，ln}，LCAU(li，lj)表示葉節(jié)點li和lj的最近公共祖先節(jié)點，depth(l)表示從根節(jié)點到節(jié)點l的路徑長度，葉節(jié)點li和lj的語義相似度定義為:

根據(jù)定義可知，itemsim(li，lj)∈[0，1]，當(dāng)且僅當(dāng)li=lj時，itemsim(li，lj)=1。任意兩個項目之間的語義相似度可以根據(jù)公式(1)計算得到，且相似度隨著最近公共祖先節(jié)點深度的增加而增加。

2.2 用戶語義相似性度量方法

協(xié)同過濾算法的核心是計算用戶之間的相似性，從而發(fā)現(xiàn)目標(biāo)用戶的最近鄰。傳統(tǒng)的相似性度量方法主要有3種:余弦相似性、相關(guān)相似性和修正的余弦相似性。傳統(tǒng)的相似性度量方法過于依賴用戶評分?jǐn)?shù)據(jù)，在用戶評分?jǐn)?shù)據(jù)極端稀疏或者用戶之間評分項目的交集較少的情況下，不能有效地度量用戶之間的相似性，進(jìn)而影響推薦質(zhì)量。本文根據(jù)用戶評分項目之間的語義相似性和用戶對項目的評分，重新定義向量點積的計算方法，并利用語義擴(kuò)展的余弦相似性方法來計算用戶語義相似度。

設(shè)用戶a和用戶b評分過的項目數(shù)量分別為m和n，用戶a和用戶b的興趣模型分別為n}。其中，pi和s(pi)分別為用戶a評分過的項目及其相應(yīng)的評分值，qj和s(qj)分別為用戶b評分過的項目及其相應(yīng)的評分值。將用戶興趣模型映射到向量空間上，同時考慮到用戶評分尺度不同的問題，則用戶a和用戶b的興趣評分向量Ia和Ib可以分別表示為:

同理可以計算Ib·Ib，當(dāng)用戶a和用戶b之間沒有共同的評分項目時，依然可以利用公式(4)來計算得到一個非零數(shù)值。用戶a和用戶b的語義相似性可以利用經(jīng)過語義擴(kuò)展的余弦相似性方法來計算:

2.3 產(chǎn)生推薦

發(fā)現(xiàn)最近鄰的目標(biāo)就是為目標(biāo)用戶a產(chǎn)生一個最近鄰居集合 Na={a1，a2，…，ak}，a ? Na，且sim(a，ai)≥sim(a，ai+1)，1≤i＜ k，則可以利用公式(7)來計算用戶a對未評分項目i的預(yù)測評分Pa，i，然后選擇預(yù)測評分值較高的若干項目推薦給目標(biāo)用戶a。

式中:sim(a，b)表示用戶a與用戶b之間的語義相似度;Rb，i表示用戶b對項目i的評分;和分別表示用戶a與用戶b對項目的平均評分。

3 實驗及分析

3.1 數(shù)據(jù)集

本文采用MovieLens站點提供的數(shù)據(jù)集對基于用戶語義相似性的協(xié)同過濾推薦算法進(jìn)行測試，并和傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法進(jìn)行實驗對比。MovieLens數(shù)據(jù)集包含超過43000個用戶對3500部電影的評分?jǐn)?shù)據(jù)以及電影的分類信息。本文根據(jù)電影的分類信息構(gòu)建電影領(lǐng)域的分類本體，從該數(shù)據(jù)集中隨機(jī)選取5000條評分?jǐn)?shù)據(jù)作為實驗數(shù)據(jù)集，其中包含159個用戶和614部電影，并將其分為訓(xùn)練集和測試集，訓(xùn)練集占80%，測試集占20%。該實驗數(shù)據(jù)集的稀疏等級為:

3.2 評價標(biāo)準(zhǔn)

本文采用平均絕對偏差MAE(Mean Absolute Error)作為算法質(zhì)量的評價標(biāo)準(zhǔn)，它通過計算預(yù)測的用戶評分和用戶實際評分之間的偏差來衡量預(yù)測的準(zhǔn)確性，MAE的值越小，算法推薦的質(zhì)量越高。設(shè)用戶評分的預(yù)測值集合為{p1，p2，…，pN}，其對應(yīng)的實際的用戶評分值集合為{q1，q2，…，qN}，則 MAE 的計算方法如下[6]:

3.3 實驗結(jié)果及分析

為了檢驗基于用戶語義相似性的協(xié)同過濾推薦算法的有效性，將傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法與之進(jìn)行比較，用戶鄰居數(shù)從5不斷增加到40，間隔為5。其中，傳統(tǒng)的基于用戶的協(xié)同過濾算法分別以相關(guān)相似性和余弦相似性來計算用戶相似度，實驗結(jié)果如圖3所示。

從圖3中可以看出，與傳統(tǒng)的基于相關(guān)相似性和余弦相似性的協(xié)同過濾算法相比，本文提出的算法均有較小的MAE值。由此可知，與傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法相比，基于用戶語義相似性的協(xié)同過濾推薦算法在用戶評分?jǐn)?shù)據(jù)極端稀疏的情況下可以有效地提高推薦質(zhì)量。

4 結(jié)束語

圖3 幾種協(xié)同過濾推薦算法比較

為了克服傳統(tǒng)協(xié)同過濾推薦中存在的數(shù)據(jù)稀疏性問題，本文提出了一種基于用戶語義相似性的協(xié)同過濾推薦算法。通過構(gòu)建領(lǐng)域本體來描述項目之間的語義關(guān)系，并計算項目語義相似度，根據(jù)項目語義相似度和用戶評分來對傳統(tǒng)的余弦相似性公式進(jìn)行語義擴(kuò)展，計算用戶語義相似度并尋找用戶最近鄰。通過實驗證明，在用戶評分?jǐn)?shù)據(jù)極端稀疏的情況下，該算法與傳統(tǒng)的協(xié)同過濾推薦算法相比顯著地提高了推薦質(zhì)量。

[1] 馬宏偉，張光衛(wèi)，李鵬.協(xié)同過濾推薦算法綜述[J].小型微型計算機(jī)系統(tǒng)，2009，30(7):1282－1288.

[2] 肖敏，熊前興.基于項目語義相似度的協(xié)同過濾推薦算法[J].武漢理工大學(xué)學(xué)報，2009，31(3):21－32.

[3] Jiangling Yuan，Hui Zhang，JiangFeng Ni.A new ontology－based user modeling method for personalized recommendation[C]//Computer Science and Information Technology(ICCSIT).Chengdu:20103rd IEEE International Conference，2010:363－367.

[4] Lingling Zhang，Xiaojie Zhang，Quan Chen，et al.Domain－Knowledge driven recommendation method and its application[C]//2011 Fourth International Joint Conference.Yunnan:Computational Sciences and Optimization(CSO)，2011:21－25.

[5] Ganesan P，Garcia－Molina H.Exploiting hierarchical domain structure to compute similarity[J].ACM Transactions on Information Systems，2003，21(1):64－93.

[6] 鄧愛林，朱揚勇，施伯樂.基于項目評分預(yù)測的協(xié)同過濾推薦算法[J].軟件學(xué)報，2003，14(9):1621－1628.