一種融合用戶與項(xiàng)目屬性的協(xié)同過濾算法的設(shè)計(jì)與實(shí)現(xiàn)

陶志勇 崔新新

遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院 遼寧 沈陽 125105)

0 引 言

隨著網(wǎng)絡(luò)的普及，信息量的劇增，推薦系統(tǒng)得到迅速發(fā)展。推薦系統(tǒng)的核心是推薦算法，推薦算法的方式可以分為：社交網(wǎng)絡(luò)的推薦[1]、基于內(nèi)容的推薦[2]、基于協(xié)同過濾的推薦[3]。其中，協(xié)同過濾是推薦系統(tǒng)[4-5]中應(yīng)用最早并且最成功的算法之一。盡管協(xié)同過濾算法應(yīng)用很廣泛，但仍面臨著數(shù)據(jù)稀疏、冷啟動(dòng)、推薦精度低等問題。為解決這些問題，學(xué)者們提出了隱馬爾科夫[6]、支持向量機(jī)[7]、神經(jīng)網(wǎng)絡(luò)[8-9]等方法，但仍然受數(shù)據(jù)稀疏的影響嚴(yán)重。在傳統(tǒng)的協(xié)同過濾算法中，數(shù)據(jù)稀疏，反饋項(xiàng)目過少勢必會(huì)造成項(xiàng)目間相似度計(jì)算不準(zhǔn)確，進(jìn)一步導(dǎo)致興趣度的估計(jì)值和真實(shí)值存在較大的偏差。因此，合理高效地利用已知數(shù)據(jù)的信息，獲得接近真實(shí)相似度的計(jì)算方法成為學(xué)者們研究的熱點(diǎn)。杜丹琪等[10]利用項(xiàng)目的屬性進(jìn)行聚類，根據(jù)聚類的結(jié)果和同一類別的項(xiàng)目屬性值加權(quán)的方法進(jìn)行評(píng)分預(yù)測。同時(shí)，為解決用戶興趣隨時(shí)間變化的問題引入TimeRBM模型再次進(jìn)行評(píng)分預(yù)測，最后采用線性組合的方法對兩種預(yù)測結(jié)果進(jìn)行合理取舍。劉靜等[11]提出了一種基于用戶興趣度和項(xiàng)目屬性的推薦算法，算法在計(jì)算相似度過程中加入基于時(shí)間的用戶興趣度權(quán)重函數(shù)，然后再與項(xiàng)目屬性相似度進(jìn)行融合，最后進(jìn)行項(xiàng)目預(yù)測與推薦。宮志晨等[12]利用多向測量的方法獲得用戶對項(xiàng)目的評(píng)分相似性，然后結(jié)合項(xiàng)目屬性挖掘用戶對項(xiàng)目屬性的偏好，采用加權(quán)的方式獲得最終的用戶間相似度。胡建等[13]采用最大差值評(píng)分解決了個(gè)別項(xiàng)目造成非常相似用戶丟失的問題，利用用戶的屬性進(jìn)行量化評(píng)分，然后再對其評(píng)分進(jìn)行相似度計(jì)算，這樣有利于目標(biāo)用戶獲得較為相似的近鄰用戶。王三虎等[14]將用戶評(píng)分相似度、興趣的傾向相似度、評(píng)分相似度的置信度以及用戶屬性相似度進(jìn)行融合提出了一種融合用戶評(píng)分和屬性相似度的協(xié)同過濾推薦算法。

以上文獻(xiàn)一定程度上提高了推薦質(zhì)量的問題，但并沒有做到充分利用已有的數(shù)據(jù)信息。因此。本文提出了一種充分融合用戶和項(xiàng)目屬性的協(xié)同過濾算法。算法的核心思想為：首先利用用戶(項(xiàng)目)屬性修改用戶(項(xiàng)目)相似度計(jì)算方法，確定最相似用戶(項(xiàng)目)集；然后將兩種算法組合加權(quán)，再進(jìn)行興趣度估計(jì)；最后利用用戶和項(xiàng)目屬性信息挖掘用戶偏好，利用天牛須搜索方法獲得融合用戶偏好的興趣度估計(jì)方法。本文在Movie Lens 100k的數(shù)據(jù)集上進(jìn)行試驗(yàn)，實(shí)驗(yàn)表明：本算法緩解了數(shù)據(jù)稀疏性和冷啟動(dòng)對推薦系統(tǒng)的影響，提高了推薦精度。

1 基本原理

1.1 基于用戶的協(xié)同過濾

傳統(tǒng)的user-based CF算法是使用用戶的歷史信息，獲取用戶間的相似度，然后選擇相似性最高的用戶作為最相似用戶集。興趣度估計(jì)常用的相似性度量方式有Jaccard公式、余弦公式。sim(u,v)表示用戶u和用戶v之間的相似度，則以上相似性的度量公式如下：

(1)

(2)

式中:N(u)表示用戶u有過正反饋的項(xiàng)目集合；N(v)表示用戶v有過正反饋的項(xiàng)目集合。由于式(2)過于粗略，John S.breese提出了修正余弦公式如式(3)所示。本文的用戶相似度計(jì)算就采用式(3)。

(3)

推薦生成的核心是興趣度估計(jì)，即利用目標(biāo)用戶的類似用戶來估量目標(biāo)用戶對未瀏覽過項(xiàng)目的興趣度，興趣度估計(jì)方法如下所示：

(4)

式中:s(u,k)表示用戶u的k個(gè)最近鄰，N(i)代表對項(xiàng)目i有過行為的用戶集合，rvi代表用戶v對項(xiàng)目i的興趣度，因?yàn)槭褂玫氖菃我恍袨榈碾[反饋數(shù)據(jù)，所以rui=1。

user-based CF的時(shí)效性較強(qiáng)，適用于用戶個(gè)性化不太明顯的領(lǐng)域。存在如下缺點(diǎn)：(1) 當(dāng)用戶有新行為時(shí)，對推薦的結(jié)果影響不大。(2) 經(jīng)常推薦的是搶手項(xiàng)目，推薦長尾里的項(xiàng)目能力不足。(3) 當(dāng)新的用戶對很少的項(xiàng)目產(chǎn)生行為時(shí)，不能進(jìn)行個(gè)性化推薦。

1.2 基于項(xiàng)目的協(xié)同過濾

傳統(tǒng)的item-based CF是利用項(xiàng)目之間的相似度進(jìn)行推薦的，首先計(jì)算項(xiàng)目間的相似度，相似度的計(jì)算方式和1.1節(jié)用戶相似度計(jì)算方式類似。項(xiàng)目i和項(xiàng)目j的相似性計(jì)算方式如下：

(5)

式中:N(i)為瀏覽過項(xiàng)目i的用戶集合；N(j)為瀏覽過項(xiàng)目j的用戶集合；N(g)為瀏覽過項(xiàng)目i也瀏覽過項(xiàng)目j的用戶集合。其次得到項(xiàng)目間的相似性后，尋找用戶瀏覽過項(xiàng)目的最相似項(xiàng)目集，利用該集合估計(jì)用戶對未瀏覽過的項(xiàng)目的偏好。興趣度估量計(jì)算方法如下：

(6)

式中:N(u)表示用戶u有過正反饋的項(xiàng)目集，s(i,k)表示項(xiàng)目i的k最近鄰，rui表示用戶u對項(xiàng)目i的興趣度。這里和基于用戶的協(xié)同過濾一樣，rui=1。

item-based CF有較強(qiáng)的新穎性，容易挖掘長尾里的項(xiàng)目，利于滿足用戶的個(gè)性化需求。用戶有新行為，一定會(huì)導(dǎo)致推薦結(jié)果的實(shí)時(shí)變化，但是也存在一定的缺點(diǎn)。由于item-based CF是通過項(xiàng)目間的相似性進(jìn)行推薦的，很難探索到用戶潛在喜歡的項(xiàng)目，推薦的項(xiàng)目樣式單一。

2 融合用戶和項(xiàng)目屬性的協(xié)同過濾算法

融合用戶和項(xiàng)目屬性的協(xié)同過濾算法，簡稱UIACF算法，下面詳細(xì)介紹UIACF算法的主要內(nèi)容。

2.1 改進(jìn)相似度計(jì)算方法

帶有不同屬性的用戶對項(xiàng)目的需求有所不同，比如用戶的年齡屬性，年輕人和老年人的消費(fèi)觀念差別很大，年輕人更加注重的是購物過程中的享受和愉悅感，而老年人更加注重物美價(jià)廉，所以，用戶屬性影響用戶之間的相似度。因此，本文在傳統(tǒng)的用戶相似度計(jì)算方法中，引入了用戶屬性權(quán)重。根據(jù)MovieLens 100k(http://www.grouplens.org/)[15]數(shù)據(jù)集提供的用戶屬性信息，引入用戶年齡、性別、職業(yè)屬性的權(quán)重。

年齡為yu的用戶u、年齡為yv的用戶v，他們的年齡權(quán)重的計(jì)算方式如下所示：

ageweightu,v=e-|yu-yv|

(7)

MovieLens 100k數(shù)據(jù)集將用戶的職業(yè)按行業(yè)屬性分為21種。用戶u的性別和職業(yè)屬性的集合記為Xu，用戶v的職業(yè)屬性和性別屬性的集合記為Xv，則這兩個(gè)屬性的權(quán)重用式(8)來計(jì)算：

(8)

引入用戶屬性的相似度計(jì)算方法為：

simim(u,v)= (1-a1-a2)×sim(u,v)+

a1×soweightu,v+a2×ageweightu,v

(9)

式中：ageweightu,v和soweightu,v分別為用戶年齡屬性權(quán)重和性別職業(yè)屬性權(quán)重，a1,a2∈[0,1]為未知參數(shù)，實(shí)際應(yīng)用時(shí)可以根據(jù)用戶類別屬性做回歸分析擬合得出。

同理具有相同屬性的項(xiàng)目的相似性也較高，而傳統(tǒng)的項(xiàng)目相似度計(jì)算的過程中卻忽略了這一點(diǎn)，因此引入項(xiàng)目屬性權(quán)重作為衡量項(xiàng)目相似度的一部分，在項(xiàng)目相似度計(jì)算中引入項(xiàng)目屬性權(quán)重。項(xiàng)目i和項(xiàng)目j屬性的集合分別記Ti和Tj，項(xiàng)目屬性權(quán)重計(jì)算方式如下所示：

(10)

最后改進(jìn)的電影相似度計(jì)算公式為：

simim(i,j)=(1-b1)sim(i,j)+b1×typeweighti,j

(11)

式中：typeweighti,j∈[0,1]，為電影類型權(quán)重，b1∈[0,1]，實(shí)際應(yīng)用時(shí)可以根據(jù)項(xiàng)目類別屬性做回歸分析擬合得出。

2.2 基于用戶和項(xiàng)目結(jié)合的協(xié)同過濾算法

2.1節(jié)詳細(xì)介紹了融合用戶屬性的用戶相似性度量方法和融合項(xiàng)目屬性的項(xiàng)目相似性度量方法，改進(jìn)用戶相似度的計(jì)算方法后的興趣度計(jì)算方式如式(12)，改進(jìn)項(xiàng)目相似度后的興趣度計(jì)算方式如式(13)。

(12)

(13)

式(12)、式(13)會(huì)得到用戶對同一種項(xiàng)目的兩種興趣度估計(jì)值，為了得到更加準(zhǔn)確的興趣度，采用加權(quán)的方式，進(jìn)行綜合預(yù)測。引入控制參數(shù)a，最終的興趣度估計(jì)方式如下：

PUI(u,i)=(1-a)×pI(u,i)+a×pU(u,i)

(14)

式中：a為控制參數(shù)，當(dāng)用戶數(shù)量多于項(xiàng)目數(shù)量時(shí)，用戶相似度計(jì)算占主導(dǎo)地位，參數(shù)a權(quán)重應(yīng)該偏?。环粗?，項(xiàng)目相似度計(jì)算占主導(dǎo)地位，這時(shí)參數(shù)a應(yīng)該偏大，實(shí)際應(yīng)用時(shí)參數(shù)a可以根據(jù)用戶數(shù)量和項(xiàng)目數(shù)量統(tǒng)計(jì)確定。

兩種算法的結(jié)合不僅彌補(bǔ)了基于用戶的協(xié)同過濾存在的對用戶新行為反映不及時(shí)、推薦長尾項(xiàng)目能力不足的缺點(diǎn)，還解決基于項(xiàng)目的協(xié)同過濾存在的推薦項(xiàng)目多樣性性能差的問題。

2.3 興趣度估計(jì)

2016年中國旅游領(lǐng)域用戶行為畫像及偏好分析認(rèn)為旅游行業(yè)各領(lǐng)域中男性偏愛航空服務(wù)，女性偏愛旅游攻略，同時(shí)也反映了用戶的某些屬性對帶有某些屬性項(xiàng)目的興趣度存在影響。因此本節(jié)首先進(jìn)行了用戶屬性偏好的挖掘，然后利用用戶偏好對興趣度計(jì)算方式進(jìn)行改進(jìn)。

(1) 用戶年齡和項(xiàng)目類型 根據(jù)數(shù)據(jù)的用戶年齡屬性將用戶的年齡進(jìn)行分段。年齡階段為x的用戶的集合記為Ux，觀看過t類型項(xiàng)目的用戶的集合記為Iut，x階段的所有用戶觀看過的t類型項(xiàng)目總和記為sum(u∈Ux,i∈Iut)。x階段的用戶對t類型項(xiàng)目評(píng)分的平均值為他們對t類型項(xiàng)目的偏好值，計(jì)算方式如下所示：

(15)

(2) 用戶職業(yè)和項(xiàng)目類型 統(tǒng)計(jì)不同類型項(xiàng)目的瀏覽用戶以及各個(gè)類型中的不同職業(yè)的用戶對該類型打分的平均值，把這個(gè)平均值定義為不同職業(yè)對項(xiàng)目類型的偏好值。Uo表示職業(yè)為o用戶的集合，Iut表示用戶u瀏覽過的項(xiàng)目中類型為t的電影集合。sum(u∈Uo,i∈Iut)表示職業(yè)為o的所有用戶瀏覽過的項(xiàng)目類型為t的個(gè)數(shù)總和。職業(yè)為o的用戶對t類型項(xiàng)目偏好值的計(jì)算方式如下：

(16)

(3) 用戶性別和項(xiàng)目類型 統(tǒng)計(jì)不同類型的項(xiàng)目的瀏覽用戶以及各個(gè)類型中的不同性別的用戶對該類型打分的平均值，把這個(gè)平均值定義為用戶性別對項(xiàng)目類型的偏好值。性別為g的用戶的集合記為Ug，用戶u瀏覽過的項(xiàng)目中類型為t的項(xiàng)目集合記為Iut，性別為g的所有用戶瀏覽過的項(xiàng)目類型為t的個(gè)數(shù)總和記為，則性別為g的用戶對t類型的項(xiàng)目偏好值計(jì)算公式如下：

(17)

(4) 用戶和項(xiàng)目類型 不同用戶具有不同的偏好，前幾部分是針對用戶的不同屬性對項(xiàng)目類型的偏好。統(tǒng)計(jì)用戶對不同類型電影打分的平均值，用這個(gè)平均值反映用戶的對不同項(xiàng)目類型的偏好值。Iut表示用戶u瀏覽過的項(xiàng)目中類型為t的項(xiàng)目集合。表示用戶瀏覽過項(xiàng)目類型為t的個(gè)數(shù)。則用戶u對電影類型t的偏好值計(jì)算方式如下：

(18)

通過上述對用戶歷史信息的處理，利用用戶屬性對應(yīng)項(xiàng)目類型的偏好值，調(diào)節(jié)用戶對項(xiàng)目的興趣度的估計(jì)值。引入用戶年齡與項(xiàng)目類型的權(quán)重因子ωa、用戶職業(yè)與電影類型的權(quán)重因子ωo、用戶性別與項(xiàng)目類型的權(quán)重因子ωg、用戶個(gè)體和項(xiàng)目類型的權(quán)重因子ωu，最終的調(diào)節(jié)方式如下：

PUIA(u,i)= (1-ωa-ωg-ωo-ωu)×PUI(u,i)+

ωa×aweight(x,t)+ωg×gweight(g,t)+

ωo×oweight(o,t)+ωu×uweight(u,t)

(19)

式中:ωa、ωg、ωo、ωu為控制參數(shù)，用于調(diào)節(jié)4種屬性偏好在最終的興趣度中所占的比重，使得興趣度更加接近真實(shí)情況?？刂茀?shù)的確定是通過天牛須搜索獲得。天牛須搜索BAS(Beetle Antennae Search)[16-17]是2017年提出的一種高效的智能優(yōu)化算法，類似于遺傳算法、粒子群算法等智能算法。與傳統(tǒng)的智能算法相比，該算法具有不需要函數(shù)的具體形式、不需要梯度信息就可以高效尋優(yōu)的優(yōu)點(diǎn)。其生物原理為：天牛的身體長有兩只觸角，在覓食時(shí)根據(jù)兩只觸角來判斷食物氣味的強(qiáng)弱。哪邊接收到的氣味強(qiáng)度大，天牛就會(huì)往哪邊飛。數(shù)學(xué)建模如下：

(1) 創(chuàng)建天牛須朝向的隨機(jī)向量且做歸一化處理。

(20)

式中：rands()為隨機(jī)函數(shù)；k表示空間維度。

(2) 創(chuàng)建天牛左右須空間坐標(biāo)。

(21)

式中：xrn和xln分別表示天牛右須、天牛左須在第n次迭代時(shí)的位置坐標(biāo)；xn表示天牛在第t次迭代時(shí)的質(zhì)心坐標(biāo)；d0表示兩須之間的距離。

(3) 創(chuàng)建適應(yīng)度函數(shù)f(x)，并計(jì)算f(xl)和f(xr)。

(4) 迭代更新天牛的位置。

xn+1=xn-δn×b×sign(f(xrn)-f(xln))

(22)

式中：δn表示第n次迭代時(shí)的步長因子；sign()表示符號(hào)函數(shù)。

本文協(xié)同過濾的適應(yīng)度函數(shù)為:

(23)

式中：x=[ωa，ωg，ωo，ωu]；Nx(i)表示x取值的情況下，對目標(biāo)用戶ui推薦商品列表。目標(biāo)用戶ui在測試集上有過歷史行為的電影的集合，記為T(i)。

2.4 興趣度估計(jì)UIACF推薦算法描述

目前推薦系統(tǒng)的推薦方式可以分為評(píng)分預(yù)測和top-N，評(píng)分預(yù)測估算的是用戶對項(xiàng)目發(fā)生行為后對項(xiàng)目的滿意程度，而top-N估算的是用戶對項(xiàng)目發(fā)生行為的可能性。在實(shí)際應(yīng)用中，top-N比評(píng)分預(yù)測更有應(yīng)用價(jià)值。這是因?yàn)榧词褂脩魧σ粋€(gè)項(xiàng)目發(fā)生行為后的評(píng)分非常高，但是時(shí)間、場合等因素一直對該項(xiàng)目沒有發(fā)生過行為。這時(shí)，評(píng)分預(yù)測沒有意義。本文的興趣度預(yù)測采用的top-N推薦，具體的算法步驟如下：

輸入：目標(biāo)用戶u，用戶-項(xiàng)目的評(píng)分矩陣H，最相似用戶集合U*的大小k1，最相似項(xiàng)目集I*的大小k2，推薦個(gè)數(shù)N。

輸出：對目標(biāo)用戶的N個(gè)推薦結(jié)果。

步驟1根據(jù)式(9)、式(11)分別計(jì)算目標(biāo)用戶(項(xiàng)目)和其他用戶(項(xiàng)目)的相似度，確定最相似用戶集合U*和最相似項(xiàng)目集合I*。

步驟2根據(jù)式(12)、式(13)分別計(jì)算目標(biāo)用戶對未瀏覽項(xiàng)目的興趣度的估計(jì)值，然后進(jìn)行user-based CF和item-based CF的估計(jì)值的組合，跟據(jù)式(14)計(jì)算興趣度。

步驟3根據(jù)式(15)-式(18)統(tǒng)計(jì)不同用戶的屬性對應(yīng)的項(xiàng)目類型的偏好值。

步驟4根據(jù)天牛須搜索算法式(20)-式(23)獲得最佳的權(quán)重參數(shù)。然后利用式(19)計(jì)算校正后的興趣度，進(jìn)行排序，推薦興趣度最高的前N個(gè)電影。需要注意的是當(dāng)一個(gè)用戶是新用戶時(shí)，他沒有任何歷史信息，在熱門的項(xiàng)目中通過用戶屬性與電影類型的關(guān)系進(jìn)行用戶對項(xiàng)目的興趣度估計(jì)。假設(shè)，一個(gè)新的用戶屬性信息分別為xu、ou、gu。則他對電影i的興趣度計(jì)算公式如下：

p(u,i)=ageweight(xu,ti)×occupationweight(ou,ti)×

genderweight(gu,ti)

(24)

3 實(shí) 驗(yàn)

為了驗(yàn)證算法的性能，在Windows server 2008 64位操作系，16 GB內(nèi)存，Intel?Xeon?CPU E5-2630 v3 @2.40 GHz,python2.7的環(huán)境下對算法進(jìn)行仿真分析。利用MovieLens 100k數(shù)據(jù)集將該算法分別與user-based CF和item-based CF、PCEDS算法[18]以及Pearson算法做比較，并且對得到的結(jié)果進(jìn)行分析。

3.1 評(píng)價(jià)標(biāo)準(zhǔn)

本實(shí)驗(yàn)采用的衡量指標(biāo)為準(zhǔn)確率、召回率。用戶的集合為U，對目標(biāo)用戶ui推薦N個(gè)商品，記為N(i)。目標(biāo)用戶ui在測試集上有過歷史行為的電影的集合，記為T(i)。計(jì)算方式如下：

(25)

(26)

3.2 實(shí)驗(yàn)結(jié)果及分析

本文設(shè)計(jì)了6組實(shí)驗(yàn)，分別是user-based CF、item-based CF、基于用戶和項(xiàng)目組合的協(xié)同過濾算法、用戶相似度改進(jìn)后的組合協(xié)同過濾算法、相似度改進(jìn)后組合的協(xié)同過濾算法、融合用戶和項(xiàng)目屬性的協(xié)同過濾算法。6組實(shí)驗(yàn)驗(yàn)證了算法組合、相似度改進(jìn)以及興趣度矯正的有效性。為了方便描述實(shí)驗(yàn)結(jié)果，本文采用表2中的縮寫來表示對應(yīng)的算法，采用k1表示最相似用戶的個(gè)數(shù)，采用k2表示最相似項(xiàng)目的個(gè)數(shù)。

表1 本文算法和擬比較算法

(1) 算法結(jié)合的有效性 該實(shí)驗(yàn)主要是驗(yàn)證兩種算法的組合對推薦質(zhì)量的影響。本文實(shí)驗(yàn)的推薦個(gè)數(shù)定為10。首先，利用召回率和準(zhǔn)確率作為評(píng)判標(biāo)準(zhǔn)來測試使UCF結(jié)果達(dá)到最佳的參數(shù)k1的值，用11個(gè)k1值來測試UCF算法的推薦質(zhì)量。得到的實(shí)驗(yàn)結(jié)果如圖1所示。由圖1中可以看出，取值在30附近時(shí)，該算法的召回率和準(zhǔn)確率最高。為了便于對比，UIACF算法實(shí)驗(yàn)的最相似用戶集的大小定為30。

圖1 基于用戶的協(xié)同過濾

用9個(gè)k2值來測試ICF算法，實(shí)驗(yàn)結(jié)果如圖2所示。由圖2可以看出k2取值在500～900范圍內(nèi)時(shí)，召回率穩(wěn)定在0.104～0.105之間，準(zhǔn)確率也穩(wěn)定在0.450～0.455不再有大的波動(dòng)，召回率和準(zhǔn)確率變化趨勢相同。同樣，為了方便比較，在UIACF算法中最相似項(xiàng)目集的大小值取為500。

圖2 基于項(xiàng)目的協(xié)同過濾

將上述兩種算法結(jié)合后，得到結(jié)果如圖3所示。圖3中，由本文的算法結(jié)合方式可知，當(dāng)a=0時(shí)，對應(yīng)點(diǎn)縱坐標(biāo)的值為ICF算法的推薦精度；當(dāng)a=1時(shí)，對應(yīng)點(diǎn)的縱坐標(biāo)的值為UCF算法的推薦精度。而a=0.3時(shí)，對應(yīng)的推薦精度高于這兩種情況的任何一種。說明兩種算法的結(jié)合提高了推薦質(zhì)量。由圖1、圖2、圖3可以看出準(zhǔn)確率和召回率的趨勢相同，在后面的實(shí)驗(yàn)選擇了召回率作為算法的衡量指標(biāo)。

圖3 用戶和項(xiàng)目組合的協(xié)同過濾

(2) 相似度改進(jìn)的有效性 本實(shí)驗(yàn)主要是驗(yàn)證相似度改進(jìn)的有效性，IUICF的實(shí)驗(yàn)結(jié)果如圖4所示。由圖4可知：b1取值為0.05時(shí)推薦的質(zhì)量最高，b1的取值為0時(shí)，相當(dāng)于項(xiàng)目相似度未改進(jìn)前單純的兩種算法結(jié)合的推薦質(zhì)量。項(xiàng)目相似度改進(jìn)后將召回率從0.109 6提高到0.110 7。

圖4 項(xiàng)目相似度參數(shù)測試圖

UIUICF的實(shí)驗(yàn)結(jié)果如圖5所示。由圖5可以得到該算法在a1=0.04,a2=0.01時(shí)的結(jié)果最佳。當(dāng)a1=a2=0時(shí)，相當(dāng)于IUICF的推薦精度。實(shí)驗(yàn)表明，用戶相似度改進(jìn)后，召回率從0.110 7提高到0.112 2。說明用戶的性別，年齡和職業(yè)對用戶的相似度有影響，性別決定總體相似度的1%，年齡和職業(yè)決定總體相似度4%。

圖5 用戶相似度參數(shù)測試圖

通過上述實(shí)驗(yàn)，可以確定提出的用戶和項(xiàng)目相似性計(jì)算方式的改進(jìn)均可以降低數(shù)據(jù)稀疏對協(xié)同過濾算法的影響，提高推薦質(zhì)量。

(3) 興趣度矯正的有效性 本實(shí)驗(yàn)主要是驗(yàn)證用戶偏好矯正興趣度的有效性。利用2.3節(jié)提出的數(shù)據(jù)處理方式，得到用戶屬性對應(yīng)項(xiàng)目類型偏好值。由于評(píng)分的范圍是1～5，所以偏好值的范圍也為1～5。偏好值為0時(shí)，代表該屬性的用戶對應(yīng)類型的項(xiàng)目沒有發(fā)生過行為。

利用式(15)計(jì)算用戶年齡對應(yīng)電影類型的偏好值。圖6為各年齡段的電影類型偏好分布圖，由圖6可知：各年齡段的用戶存在電影類型的偏好，且各有不同。在圖中的十種電影類型中，青少年更傾向于科幻片，青年更中意犯罪片，中年人喜歡看美劇，老年人更偏愛推理電影。

圖6 各年齡段的電影類型偏好分布圖

利用式(17)計(jì)算用戶性別對應(yīng)電影類型的偏好值。圖7為不同性別對6種電影類型偏好程度圖。圖7表明：男女性別對電影類型的偏好存在差異。在圖中的6種電影類型中，男性比較偏好科幻片，而女性比較偏好愛情片。同理，根據(jù)式(16)和式(18)挖掘到用戶的職業(yè)以及用戶個(gè)體對應(yīng)的電影類型偏好均存在差異。

圖7 用戶性別的電影類型偏好

利用上述獲取得的用戶屬性對應(yīng)電影類型的偏好值，分別用式(19)進(jìn)行準(zhǔn)確度矯正。利用天牛須搜索算法尋找最優(yōu)的參數(shù)，總迭代的次數(shù)為500，迭代大約200次時(shí)，實(shí)驗(yàn)結(jié)果收斂。最終的實(shí)驗(yàn)結(jié)果如圖8所示。當(dāng)權(quán)重因子ωa、ωo、ωg、ωu分別取值為0.01、0.01、0.003 061、0.001時(shí)，用戶的屬性矯正的興趣度最接近真實(shí)興趣度。本次實(shí)驗(yàn)的結(jié)果驗(yàn)證了實(shí)驗(yàn)最初的假設(shè)，表2為實(shí)驗(yàn)結(jié)果對照表。

表2 實(shí)驗(yàn)結(jié)果對照表

圖8 協(xié)同過濾適應(yīng)度曲線

(4) 不同算法之間的對比 近鄰數(shù)分別取15、20、25、30、35、40、45，對文獻(xiàn)[20]中的PCEDS算法、Pearson算法、UCF算法、ICF算法以及UIACF算法進(jìn)行比較，實(shí)驗(yàn)結(jié)果如圖9所示。實(shí)驗(yàn)結(jié)果表明：UIACF算法的性能不僅優(yōu)于UCF和ICF，還優(yōu)于PCEDS算法。同時(shí)也說明了合理地利用用戶和項(xiàng)目的屬性信息對推薦系統(tǒng)推薦質(zhì)量的提高有很大的價(jià)值。

圖9 算法對比圖

4 結(jié) 語

傳統(tǒng)的user-based CF和item-based CF以及目前存在的一些算法缺少對用戶的屬性和項(xiàng)目屬性的充分考慮，從而導(dǎo)致冷啟動(dòng)、數(shù)據(jù)稀疏性、推薦精度低等問題。本文在傳統(tǒng)的協(xié)同過濾基礎(chǔ)上，提出一種融合用戶和項(xiàng)目屬性的協(xié)同過濾算法。利用兩種算法的結(jié)合、用戶屬性對應(yīng)的偏好以及天牛須搜索算法來調(diào)整興趣度的預(yù)測，從而使預(yù)測的興趣度更接近真實(shí)的興趣度。此外，傳統(tǒng)相似度的度量忽略了用戶屬性和項(xiàng)目屬性對相似度的影響，本文引入用戶的年齡、職業(yè)權(quán)重以及項(xiàng)目的類型權(quán)重因素。實(shí)驗(yàn)結(jié)果表明，本文提出的算法在召回率上與用戶協(xié)同過濾相比提高了3.39%，較傳統(tǒng)項(xiàng)目協(xié)同過濾算法提高8.65%。本算法存在的不足是需要數(shù)據(jù)集帶有用戶和項(xiàng)目的屬性信息，受屬性細(xì)度劃分的影響嚴(yán)重。下一步的工作是在本算法的基礎(chǔ)上研究如何進(jìn)行屬性細(xì)度劃分，進(jìn)一步提高推薦系統(tǒng)的推薦質(zhì)量。