用戶(hù)特征協(xié)同過(guò)濾方法在個(gè)性化商品推薦中的應(yīng)用研究

曹建新+呂鵬輝

摘要：協(xié)同過(guò)濾推薦是目前個(gè)性化推薦中應(yīng)用最廣泛的推薦技術(shù)，根據(jù)電子商務(wù)網(wǎng)站中用戶(hù)的特征，重點(diǎn)分析了協(xié)同過(guò)濾推薦方法，發(fā)現(xiàn)目前協(xié)同過(guò)濾算法主要利用用戶(hù)評(píng)分?jǐn)?shù)據(jù)進(jìn)行推薦，數(shù)據(jù)單一且稀疏，因此在用戶(hù)評(píng)分?jǐn)?shù)據(jù)的基礎(chǔ)上，對(duì)用戶(hù)屬性特征和用戶(hù)喜好特征數(shù)據(jù)加以利用，提出了一種基于用戶(hù)特征數(shù)據(jù)的協(xié)同過(guò)濾推薦方法，能夠緩解目前算法中存在的數(shù)據(jù)稀疏問(wèn)題，通過(guò)實(shí)驗(yàn)數(shù)據(jù)對(duì)比分析，證明了算法的合理與有效性。

關(guān)鍵詞：推薦系統(tǒng)；用戶(hù)特征；協(xié)同過(guò)濾；數(shù)據(jù)稀疏

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）31-0157-03

隨著互聯(lián)網(wǎng)的發(fā)展，電子商務(wù)也得到了飛速發(fā)展。電子商務(wù)規(guī)模的不斷擴(kuò)大，使得用戶(hù)一方面可以方便地獲得豐富的信息，另一方面則要面臨過(guò)量信息伴隨著的信息過(guò)載問(wèn)題[1]。在此背景下，電子商務(wù)推薦系統(tǒng)應(yīng)運(yùn)而生，國(guó)內(nèi)外越來(lái)越多的電子商務(wù)網(wǎng)站應(yīng)用推薦技術(shù)用戶(hù)進(jìn)行個(gè)性化推薦。例如淘寶、京東、亞馬遜等大型網(wǎng)站[2]都有自己的推薦模塊，用于提升其銷(xiāo)售量。亞馬遜（Amazon）是美國(guó)最大的在線電子商務(wù)網(wǎng)站，就實(shí)現(xiàn)了基于協(xié)同過(guò)濾的混合類(lèi)型推薦。

協(xié)同過(guò)濾推薦算法是研究和應(yīng)用最為廣泛的一種算法[3]，常用的協(xié)同過(guò)濾推薦算法是基于用戶(hù)的協(xié)同過(guò)濾算法，其基本原理是利用已知用戶(hù)的歷史評(píng)分?jǐn)?shù)據(jù)找到目標(biāo)用戶(hù)的相似用戶(hù)，根據(jù)相似用戶(hù)的評(píng)分?jǐn)?shù)據(jù)對(duì)目標(biāo)用戶(hù)產(chǎn)生推薦。但是由于商品信息成千上萬(wàn)，每個(gè)用戶(hù)真正購(gòu)買(mǎi)的商品卻很少，所以評(píng)分信息往往更少，數(shù)據(jù)稀疏[4]問(wèn)題明顯。常用的協(xié)同過(guò)濾算法只是對(duì)用戶(hù)——項(xiàng)目評(píng)分信息進(jìn)行分解，沒(méi)有充分利用數(shù)據(jù)信息[5]，沒(méi)有考慮到用戶(hù)的性別特征、年齡特征和購(gòu)買(mǎi)特征等用戶(hù)特征，而利用這些特征數(shù)據(jù)能有效地提高協(xié)同過(guò)濾的推薦精度，并且這些數(shù)據(jù)簡(jiǎn)單易得，數(shù)據(jù)量也明顯比評(píng)分?jǐn)?shù)據(jù)量大，為此本文提出對(duì)用戶(hù)特征數(shù)據(jù)進(jìn)行建模，利用用戶(hù)購(gòu)買(mǎi)、收藏和瀏覽特征對(duì)用戶(hù)-項(xiàng)目評(píng)分矩陣中的值進(jìn)行預(yù)測(cè)和填充，能夠緩解數(shù)據(jù)集的稀疏問(wèn)題，并綜合用戶(hù)自身屬性相似度和評(píng)分相似度進(jìn)行相似度計(jì)算，實(shí)驗(yàn)表明，該算法緩解了評(píng)分矩陣的稀疏問(wèn)題，提高了推薦質(zhì)量。

1 常用協(xié)同過(guò)濾推薦方法

1.1 常用協(xié)同過(guò)濾推薦方法的一般步驟

1） 收集用戶(hù)評(píng)分?jǐn)?shù)據(jù)，進(jìn)行清理、轉(zhuǎn)換等，得到一個(gè)用戶(hù)-項(xiàng)目評(píng)分矩陣，m代表用戶(hù)數(shù)量，n代表項(xiàng)目數(shù)量，代表用戶(hù)u對(duì)項(xiàng)目的評(píng)分，取值范圍為0到5之間的整數(shù)， 0表示未評(píng)分，分值越大，喜好程度越大。

2） 利用相似度計(jì)算方法計(jì)算用戶(hù)-項(xiàng)目評(píng)分矩陣中目標(biāo)用戶(hù)與其他用戶(hù)的相似度，找到用戶(hù)的相似鄰居。通常采用K近鄰方法[6]，獲得目標(biāo)用戶(hù)相似度最高的K個(gè)用戶(hù)作為目標(biāo)用戶(hù)的相似鄰居。

3） 按照給定計(jì)算方法，通過(guò)用戶(hù)相似鄰居對(duì)目標(biāo)用戶(hù)未評(píng)分項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)，對(duì)目標(biāo)用戶(hù)未評(píng)分項(xiàng)目進(jìn)行評(píng)分預(yù)測(cè)，最終選擇Top-N作為目標(biāo)用戶(hù)的推薦集合，推薦給目標(biāo)用戶(hù)。

1.2 相似度計(jì)算

用表示用戶(hù)和用戶(hù)的相似性，設(shè)表示用戶(hù)、的共同評(píng)分項(xiàng)目集合，向量分別表示用戶(hù)、在上的評(píng)分，用戶(hù)、在n維項(xiàng)目空間上的評(píng)分分別用，表示，、分別表示用戶(hù)和用戶(hù)對(duì)已評(píng)分項(xiàng)目的平均評(píng)分。

1.3 常用協(xié)同過(guò)濾算法存在的問(wèn)題

隨著用戶(hù)和項(xiàng)目規(guī)模不斷擴(kuò)大，常用的協(xié)同過(guò)濾算法面臨著數(shù)據(jù)稀疏性、可拓展性和冷啟動(dòng)的問(wèn)題。用戶(hù)和商品在不斷增加的過(guò)程中，用戶(hù)評(píng)過(guò)分的商品只占非常小的一部分，這就造成了評(píng)分?jǐn)?shù)據(jù)的稀疏性，影響推薦效果。針對(duì)這個(gè)問(wèn)題，本文發(fā)現(xiàn)通過(guò)結(jié)合用戶(hù)的特征數(shù)據(jù)和協(xié)同過(guò)濾算法，可以構(gòu)建出填充過(guò)的用戶(hù)-項(xiàng)目評(píng)分矩陣，從而緩解稀疏性，提高協(xié)同過(guò)濾推薦的質(zhì)量。同時(shí)，由于用戶(hù)的屬性特征較為穩(wěn)定，購(gòu)買(mǎi)、收藏和瀏覽特征也存在一定規(guī)律，上述的計(jì)算過(guò)程可以離線進(jìn)行，對(duì)推薦效率影響較小。

2 基于用戶(hù)特征的協(xié)同過(guò)濾推薦方法

2.1 用戶(hù)特征定義

通常將電子商務(wù)網(wǎng)站的用戶(hù)特征分為屬性特征和喜好特征，屬性特征一般通過(guò)用戶(hù)的基本屬性即用戶(hù)登錄和注冊(cè)時(shí)主動(dòng)提供的信息得到，一般用戶(hù)比較愿意提供性別、生日等不敏感的信息，而喜好特征即通過(guò)對(duì)用戶(hù)購(gòu)買(mǎi)行為、收藏行為和瀏覽行為等分析出的用戶(hù)喜好，即用戶(hù)對(duì)商品的購(gòu)買(mǎi)、收藏和瀏覽以及它們的次數(shù)能不同程度的反應(yīng)用戶(hù)的喜好，因此本文定義用戶(hù)的屬性特征包括用戶(hù)的性別特征和年齡特征，用戶(hù)的喜好特征包括用戶(hù)的購(gòu)買(mǎi)、收藏和瀏覽特征。

2.2 方案設(shè)計(jì)

基于用戶(hù)特征的協(xié)同過(guò)濾推薦方案采用離線計(jì)算推薦結(jié)果的方式，將計(jì)算結(jié)果保存在數(shù)據(jù)庫(kù)中，用戶(hù)登錄后直接在線讀取數(shù)據(jù)庫(kù)中已經(jīng)計(jì)算好的數(shù)據(jù)即可，這樣的方式雖然對(duì)存儲(chǔ)空間有一定犧牲，但是保證了在線推薦的效率，當(dāng)用戶(hù)和商品增加時(shí)，推薦的可拓展性也可以得到保證，對(duì)推薦效率影響較小。推薦的整體流程見(jiàn)圖1。

從圖1可以看出離線計(jì)算的部分，首先，通過(guò)計(jì)算用戶(hù)的年齡相似度和性別相似的加權(quán)綜合，得到用戶(hù)的屬性相似度；其次，利用用戶(hù)的喜好特征對(duì)用戶(hù)-項(xiàng)目評(píng)分矩陣進(jìn)行有效的填充后得到用戶(hù)的評(píng)分相似度；最后，加權(quán)綜合得到更為準(zhǔn)確的用戶(hù)綜合相似度。其中，加權(quán)系數(shù)均可通過(guò)實(shí)驗(yàn)分析得到最優(yōu)值，將在實(shí)驗(yàn)結(jié)果與分析中加以闡述。

根據(jù)以上流程，下面對(duì)離線的基于用戶(hù)特征的協(xié)同過(guò)濾推薦方法進(jìn)行詳細(xì)闡述，分為用戶(hù)屬性相似度建模，用戶(hù)評(píng)分相似度建模，綜合相似度計(jì)算，最后推薦產(chǎn)生。

1） 用戶(hù)屬性特征相似度建模

a） 性別相似度

用戶(hù)性別不同選擇商品的喜好會(huì)有很大差別，例如女性用戶(hù)比較注重商品細(xì)節(jié)和外觀，而男性用戶(hù)則側(cè)重商品的實(shí)用性，因此本文將用戶(hù)性別作為區(qū)分用戶(hù)特征的一個(gè)方面，對(duì)于用戶(hù)u和用戶(hù)v，若同性別則相似系數(shù)的值為1，反之，相似系數(shù)為0。設(shè)用戶(hù)u的性別為，設(shè)用戶(hù)v的性別為，則用戶(hù)u和用戶(hù)v的性別相似度可以表示為：

2） 用戶(hù)評(píng)分相似度建模

由于用戶(hù)的評(píng)分十分稀疏，僅通過(guò)評(píng)分信息對(duì)用戶(hù)進(jìn)行分析其結(jié)果不太準(zhǔn)確，因此利用用戶(hù)的購(gòu)買(mǎi)特征、瀏覽特征和收藏特征對(duì)用戶(hù)喜好的表示程度不同，對(duì)用戶(hù)未評(píng)分的商品進(jìn)行評(píng)分預(yù)測(cè)，對(duì)用戶(hù)-項(xiàng)目評(píng)分矩陣進(jìn)行填充，將預(yù)測(cè)的用戶(hù)產(chǎn)品評(píng)分和原始的顯性產(chǎn)品評(píng)分相互結(jié)合，可以最大程度的表示用戶(hù)喜好。方案如下：

4） 推薦產(chǎn)生

通過(guò)式（4）的計(jì)算公式對(duì)目標(biāo)用戶(hù)未評(píng)分商品進(jìn)行評(píng)分預(yù)測(cè)，最終選擇與測(cè)評(píng)分最后高的top-n個(gè)視為最終推薦結(jié)果推薦給用戶(hù)。

3 結(jié)果與分析

3.1 數(shù)據(jù)來(lái)源

本文實(shí)驗(yàn)基于實(shí)驗(yàn)室與某手機(jī)運(yùn)營(yíng)商聯(lián)合開(kāi)發(fā)的禮品商城項(xiàng)目，所有用戶(hù)和商品數(shù)據(jù)均來(lái)源于該禮品商城。實(shí)驗(yàn)用數(shù)據(jù)包含500個(gè)用戶(hù)的注冊(cè)記錄，以及他們對(duì)1000件商品的評(píng)分記錄、購(gòu)買(mǎi)記錄、收藏記錄和瀏覽記錄。其中，每個(gè)用戶(hù)至少對(duì)15個(gè)商品進(jìn)行了評(píng)分，購(gòu)買(mǎi)至少10件商品，收藏20件商品，瀏覽30件商品。選取該數(shù)據(jù)庫(kù)中100000條評(píng)分?jǐn)?shù)據(jù)和這些數(shù)據(jù)中的所有用戶(hù)的購(gòu)買(mǎi)、收藏和瀏覽記錄。

采用的數(shù)據(jù)集按照 80% 和 20% 的比例分成訓(xùn)練集和測(cè)試集[7]。分別使用常用協(xié)同過(guò)濾算法和本文提出的基于用戶(hù)特征的協(xié)同過(guò)濾算法對(duì)訓(xùn)練集中的評(píng)分?jǐn)?shù)據(jù)進(jìn)行預(yù)測(cè)。

3.2 算法評(píng)價(jià)標(biāo)準(zhǔn)

3.3 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)一 ：對(duì)權(quán)值系數(shù)和λ進(jìn)行取值確定。其中，是用戶(hù)性別權(quán)重系數(shù)，（1-）是用戶(hù)年齡權(quán)重系數(shù)，由于用戶(hù)性別和年齡肯定會(huì)對(duì)用戶(hù)相似度產(chǎn)生影響，并且兩者對(duì)用戶(hù)相似度的區(qū)分相差不大，所以的取值范圍為{0.3，0.4，0.5，0.6，0.7}。λ是用戶(hù)屬性特征權(quán)重系數(shù)，相應(yīng)的（1-λ）即為用戶(hù)評(píng)分相似系數(shù)。因此實(shí)驗(yàn)當(dāng)取值不同時(shí)，λ取值從0到1之間時(shí)，觀察MAE的值，得到實(shí)驗(yàn)結(jié)果如圖2所示。

由實(shí)驗(yàn)結(jié)果可以看出，當(dāng)=0.6時(shí)MAE的值較其他取值時(shí)都小，即推薦精度最高，與此同時(shí)，當(dāng)λ=0.3時(shí)MAE取得最小值，因此，通過(guò)實(shí)驗(yàn)可以得出，本算法中用戶(hù)性別權(quán)重系數(shù)=0.6，用戶(hù)屬性特征權(quán)重系數(shù)λ=0.3時(shí)推薦精度最高，效果最好，因此確定了推薦算法相似度計(jì)算公式。

實(shí)驗(yàn)二 ：當(dāng)用戶(hù)最近鄰居個(gè)數(shù)分別取10，20，30，40，50時(shí)，將常用的協(xié)同過(guò)濾算法和本文提出的基于用戶(hù)特征的協(xié)同過(guò)濾算法的推薦結(jié)果進(jìn)行比較，（=0.6、λ=0.3）的實(shí)驗(yàn)結(jié)果比較如圖3所示：

從圖3可以看出，當(dāng)（=0.6、λ=0.3）時(shí)本文提出的基于用戶(hù)特征的協(xié)同過(guò)濾算法較之常用的協(xié)同過(guò)濾有所改進(jìn)，推薦效果好于常用協(xié)同過(guò)濾算法，本文的算法不僅綜合了用戶(hù)屬性特征，發(fā)現(xiàn)用戶(hù)更多相似性，而且用戶(hù)喜好特征對(duì)用戶(hù)-項(xiàng)目評(píng)分矩陣進(jìn)行了有效填充，從而緩解了數(shù)據(jù)稀疏，提高了推薦精度。

4 結(jié)語(yǔ)

本文針對(duì)常用的協(xié)同過(guò)濾算法目前存在的數(shù)據(jù)稀疏性問(wèn)題提出了基于用戶(hù)特征的協(xié)同過(guò)濾推薦方法，充分利用用戶(hù)屬性特征和喜好特征，建立用戶(hù)屬性相似度模型和評(píng)分相似度模型，對(duì)用戶(hù)-項(xiàng)目評(píng)分矩陣進(jìn)行了填充，并對(duì)用戶(hù)相似度計(jì)算進(jìn)行了綜合。實(shí)驗(yàn)表明，該方法能夠提高推薦精確度，同時(shí)，雖然目前的實(shí)驗(yàn)數(shù)據(jù)還不充足，但是由于采用離線計(jì)算，當(dāng)數(shù)據(jù)量增大時(shí)會(huì)雖然會(huì)犧牲一小部分存儲(chǔ)空間，但對(duì)在線推薦性能和效率影響較小，用戶(hù)體驗(yàn)良好。最后，由于本文用到的用戶(hù)特征較用戶(hù)實(shí)際擁有的特征還只是一小部分，接下來(lái)的工作將探究如何結(jié)合用戶(hù)其他有效信息，更加有效地挖掘用戶(hù)特征和潛在喜好，這將涉及多數(shù)據(jù)挖掘的相關(guān)技術(shù)，這些問(wèn)題都是我們接下來(lái)要研究的內(nèi)容。

參考文獻(xiàn)：

[1] 柯良文，王靖.基于用戶(hù)特征遷移的協(xié)同過(guò)濾推薦[J].計(jì)算機(jī)工程，2015，41（1）：37-43

[2] 孟慶慶，張勝男，盧楚雍. 基于用戶(hù)特征和商品特征的組合協(xié)同過(guò)濾算法[J]. 軟件導(dǎo)刊，2015，14（3）：41-43

[3] 劉枚蓮，劉同存，李小龍.基于用戶(hù)興趣特征提取的推薦算法研究[J]. 計(jì)算機(jī)應(yīng)用研究，2011，28（5）：1664-1667

[4] 張怡文，岳麗.基于共同用戶(hù)和相似標(biāo)簽的好友推薦方法[J].計(jì)算機(jī)應(yīng)用，2013，33（8）：2273-2275.

[5] 劉慧婷，陳艷，肖慧慧. 基于用戶(hù)偏好的矩陣分解推薦算法[J].計(jì)算機(jī)應(yīng)用，2015，35（S2） ： 118-121.

[6] 羅辛，歐陽(yáng)元新，熊璋，等.通過(guò)相似度支持度優(yōu)化基于K近鄰的協(xié)同過(guò)濾算法[J].計(jì)算機(jī)學(xué)報(bào)，2010，33（8）：1473-1445.

[7] 張玉芳，代金龍，熊忠陽(yáng). 分步填充緩解數(shù)據(jù)稀疏性的協(xié)同過(guò)濾算法[J]. 計(jì)算機(jī)應(yīng)用研究，2013，30（9）：2602-2605.