一種改進(jìn)的協(xié)同過濾推薦算法

黃粲

（對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)信息學(xué)院，北京100029）

一種改進(jìn)的協(xié)同過濾推薦算法

黃粲

（對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)信息學(xué)院，北京100029）

針對(duì)傳統(tǒng)推薦算法中忽略用戶興趣隨時(shí)間推移而轉(zhuǎn)移和熱門項(xiàng)目對(duì)刻畫用戶相似度的影響兩個(gè)問題，介紹了一種改進(jìn)的基于用戶的協(xié)同過濾算法。通過以MovieLens數(shù)據(jù)集為分析與示例對(duì)象，給出了用戶相似度、懲罰系數(shù)、時(shí)間衰減因子與評(píng)分預(yù)測(cè)函數(shù)的具體計(jì)算方法，對(duì)引入時(shí)間因子與懲罰系數(shù)的協(xié)同過濾算法進(jìn)行了說明，并進(jìn)行了算法步驟設(shè)計(jì)。

協(xié)同過濾算法；時(shí)間因子；懲罰系數(shù)

引言

推薦算法可以有效地對(duì)用戶提出個(gè)性化推薦，以更好服務(wù)客戶。主要的推薦技術(shù)有基于內(nèi)容推薦、協(xié)同過濾推薦、基于關(guān)聯(lián)規(guī)則推薦、基于效用推薦、組合推薦等。

1994年GroupLens提出了基于用戶的協(xié)同過濾算法，而后Amazon于2000年提出了基于物品的協(xié)同過濾算法，二者構(gòu)成了當(dāng)代協(xié)同過濾算法的基礎(chǔ)。傳統(tǒng)的協(xié)同過濾算法主要集中于分析項(xiàng)目及用戶的特征，從中歸納用戶興趣，借此向其推薦可能感興趣的項(xiàng)目。然而，用戶消費(fèi)的環(huán)境（如時(shí)間、地點(diǎn)、心情等）也會(huì)對(duì)用戶的消費(fèi)行為造成影響，這些影響很難單純從用戶和項(xiàng)目的特征中尋得，而往往集中于消費(fèi)行為信息中。此外，用戶的興趣與愛好很可能隨時(shí)間推移而發(fā)生變化，也經(jīng)常存在從眾心理。若將這些因素考慮在推薦算法當(dāng)中，就可以很好地提升推薦準(zhǔn)確度。

一、算法描述

基于用戶的協(xié)同過濾算法的核心是找到與目標(biāo)用戶興趣相近的用戶群體，基于此用戶集的消費(fèi)行為和項(xiàng)目評(píng)分，計(jì)算目標(biāo)用戶對(duì)某一相似群體感興趣但目標(biāo)用戶沒有購買過的項(xiàng)目的預(yù)估評(píng)分，再按評(píng)分高低排序得到推薦項(xiàng)目集。本算法在此基礎(chǔ)上，引入了時(shí)間因子與懲罰機(jī)制，旨在更加精確刻畫用戶最近興趣并降低熱門項(xiàng)目對(duì)用戶相似度的影響。

本文在對(duì)算法進(jìn)行闡釋時(shí)使用了由GroupLens Research Project提供的MovieLens數(shù)據(jù)集。數(shù)據(jù)集記錄了7個(gè)月間943個(gè)用戶對(duì)1682個(gè)電影的10萬余個(gè)評(píng)分。評(píng)分?jǐn)?shù)據(jù)中包含了用戶編號(hào)，電影編號(hào)，評(píng)分（1—5分，整數(shù)）和評(píng)分時(shí)間戳。數(shù)據(jù)集中還提供了對(duì)應(yīng)的電影數(shù)據(jù)，包含了電影編號(hào)，電影名稱，上映時(shí)間及電影的分類信息（共19種分類）。其中，同一部電影可能擁有多個(gè)分類，即某部影片可能既是音樂劇，又是動(dòng)畫片，同時(shí)還是部喜劇。

1.用戶相似度

認(rèn)為同目標(biāo)用戶消費(fèi)過相同項(xiàng)目的用戶便是與目標(biāo)用戶興趣相似的用戶，而所消費(fèi)的共同項(xiàng)目數(shù)量越多、對(duì)項(xiàng)目的評(píng)分越類似，相似度越大。然而，值得注意的是，有一些用戶傾向于給出更高的評(píng)分，而另一些用戶給分則偏低。在數(shù)據(jù)集中，用戶編號(hào)為181的用戶在所觀看的435所電影中，給了297部電影1分的評(píng)價(jià)，平均評(píng)分1.4977分；而編號(hào)373的用戶給341部電影的平均評(píng)分為3.5322分，其中僅有39部電影被評(píng)為1分。

表1 用戶評(píng)分比較

因此，評(píng)分的相對(duì)高低比絕對(duì)高低更能表示用戶對(duì)某一項(xiàng)目的偏好程度。常用的衡量用戶間的相似度的是Pearson相關(guān)相似性，通過用戶對(duì)某一項(xiàng)目的評(píng)分和用戶的平均給分之差來代表用戶對(duì)該項(xiàng)目的評(píng)價(jià)。Sab代表用戶a與用戶b所消費(fèi)過的項(xiàng)目的交集，rai代表用戶a對(duì)項(xiàng)目i的評(píng)分，ra表示用戶a的平均評(píng)分。則有

2.懲罰系數(shù)

現(xiàn)實(shí)中存在一些可能并非符合用戶以往消費(fèi)習(xí)慣，但是出于從眾心理等各類因素，用戶也消費(fèi)了的項(xiàng)目。很顯然，這些熱門項(xiàng)目的消費(fèi)行為會(huì)對(duì)刻畫用戶興趣和相似度有一定消極影響，而共同消費(fèi)了非熱門項(xiàng)目更能說明用戶之間具有相似性。

使用編號(hào)為823的用戶進(jìn)行實(shí)例說明。通過對(duì)該用戶的觀影記錄進(jìn)行分析，可知該用戶尤其偏愛劇情片與喜劇片，這兩類電影在他所觀看的185部影片中占據(jù)了絕大部分（分別為68部和65部）。然而，該用戶只觀看過一部西部片，并給出了5分的滿分評(píng)價(jià)。數(shù)據(jù)集中這部編號(hào)為97的影片共有175條評(píng)分記錄，即大約每五名用戶中就有一人對(duì)該電影進(jìn)行評(píng)分。實(shí)際上，這部影片上映后引起了極大的轟動(dòng)，并最終摘得七項(xiàng)奧斯卡獎(jiǎng)項(xiàng)，是一部具有較高流行度的熱門影片。同時(shí)，用戶還觀看了一部編號(hào)為1267的喜劇片并給出了4分評(píng)價(jià)，而在所有評(píng)分記錄中，只有22個(gè)人觀看過這部非熱門影片。西部片并不符合823用戶的一致觀影偏好，但若使用經(jīng)典協(xié)同過濾算法，則與編號(hào)為1267的喜劇片在描繪用戶相似性時(shí)具有平等地位，甚至該部西部片由于評(píng)分更高，最終的刻畫影響甚至?xí)哂谟脩粢恢逼珢鄣南矂∑?，這就會(huì)在對(duì)用戶進(jìn)行畫像及推薦時(shí)造成一定偏差影響。

因此，引入懲罰系數(shù)p，用于消除流行度大的熱門項(xiàng)目對(duì)相似性的偏差作用。消費(fèi)某項(xiàng)目的用戶數(shù)量越多，代表該項(xiàng)目流行度更大，因此在描繪相似度時(shí)權(quán)重應(yīng)越小。用N（i）代表所有購買過項(xiàng)目i的用戶集合，ni為該用戶集合的用戶數(shù)量，nc為總用戶數(shù)量，則懲罰系數(shù)計(jì)算公式為：

3.時(shí)間衰減因子

用戶對(duì)項(xiàng)目的喜好并非一成不變。隨時(shí)間的推移，用戶的價(jià)值觀與審美觀都可能有所調(diào)整。編號(hào)為506的用戶在1997年9月至次年1月間共給出了228個(gè)評(píng)分記錄。通過分析某月所觀看的特定類型電影占該月觀影總數(shù)，繪制對(duì)比圖如圖1所示。從中可以看出，用戶的觀影習(xí)慣會(huì)發(fā)生改變，如9月份所觀看的影片中只有24%的電影是動(dòng)作片，但1月份動(dòng)作片已經(jīng)占據(jù)了該用戶觀影數(shù)量的75%。而9月份時(shí)用戶觀看了8%的恐怖片，但是后4個(gè)月間只看過一部恐怖片。從而，相比于恐怖片，2月份時(shí)用戶接受所推薦的動(dòng)作片的可能性要更高。因此，對(duì)用戶興趣的追蹤十分重要，用戶最近的消費(fèi)行為更能充分并準(zhǔn)確地反映用戶當(dāng)前的興趣與需求。

圖1 用戶觀影習(xí)慣隨時(shí)間推移變化圖

4.評(píng)分預(yù)測(cè)函數(shù)

二、算法步驟

Step1輸入目標(biāo)用戶集合C，用戶-項(xiàng)目評(píng)分矩陣D，鄰居個(gè)數(shù)j，推薦項(xiàng)目數(shù)量n；

Step5選取改進(jìn)后的Pearson客戶相似度最高的前j個(gè)鄰居用戶，生成鄰居集合J和對(duì)應(yīng)鄰居評(píng)分項(xiàng)目集合SJ；

Step7根據(jù)計(jì)算得到的所有未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分，選擇評(píng)分最高的n個(gè)項(xiàng)目推薦給用戶。

三、總結(jié)

推薦算法作為向用戶提供個(gè)性化服務(wù)的重要工具，其精確性的提升一直備受關(guān)注。本文針對(duì)應(yīng)用廣泛的基于用戶的協(xié)同過濾算法，通過引入時(shí)間因子來賦予最近購買商品更大權(quán)重，以更好估計(jì)用戶需求，且引入了懲罰系數(shù)，來降低熱門物品的購買行為對(duì)用戶興趣刻畫的偏差影響。但本算法仍存在一定不足之處，如主要依靠經(jīng)驗(yàn)確定時(shí)間衰減函數(shù)中常數(shù)項(xiàng)的取值會(huì)引入人為偏差。在日后研究中可引入機(jī)器學(xué)習(xí)，提升準(zhǔn)確度。

[1]楊強(qiáng)，楊有，余春君.協(xié)同過濾推薦系統(tǒng)研究綜述[J].現(xiàn)代計(jì)算機(jī)：專業(yè)版，2015，（9）：3-6.

[2]姚忠，魏佳，吳躍.基于高維稀疏數(shù)據(jù)聚類的協(xié)同過濾推薦算法[J].信息系統(tǒng)學(xué)報(bào)，2008，（2）：78-96.

[3]劉恒友.基于時(shí)間效應(yīng)的推薦算法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[4]許斐.基于時(shí)間因子的動(dòng)態(tài)推薦算法研究[D].武漢：中南民族大學(xué)，2013.

【責(zé)任編輯 杜 娟】

F06

A

1673-291X（2016）23-0006-02

2016-07-15

黃粲（1995-），女，河北保定人，本科生，從事信息管理與信息系統(tǒng)研究。