徐 彬，張建明

（江蘇大學(xué) 江蘇 鎮(zhèn)江 212013）

協(xié)同過濾（Collaborative Filtering，CF）由 Goldberg 等人[1]在1992年提出并首次應(yīng)用在研究郵件推薦模型Tapestry中。協(xié)同過濾推薦算法的核心思想是利用用戶的歷史信息，計算用戶之間的相似性；利用與目標(biāo)用戶相似性較高的用戶對其他產(chǎn)品的評價來預(yù)測目標(biāo)用戶對特定產(chǎn)品的喜好程度；根據(jù)喜好程度來對目標(biāo)用戶進(jìn)行推薦。協(xié)同過濾又可分為兩種：基于用戶的協(xié)同過濾和基于商品的協(xié)同過濾。協(xié)同過濾算法的基本思想是找到與該用戶行為最相似的其他用戶，通過其他用戶的行為來預(yù)測該用戶的行為，并提出了k最近鄰的思想[2]。本文還將標(biāo)簽屬性加入到推薦算法中，將具有相同標(biāo)簽的書籍進(jìn)行分類，使得內(nèi)容之間的相關(guān)性和用戶之間的交互性大大增強[3]。協(xié)同過濾方法已成為電子商務(wù)中非常重要的一種推薦方法。國外用到協(xié)同過濾方法比較著名的網(wǎng)站有亞馬遜的網(wǎng)絡(luò)書店，通過記錄購買的商品以及對商品的評分還有瀏覽過的商品來判斷您的興趣，然后與其他用戶的購買行為進(jìn)行比較，從而進(jìn)行相似度的分析，最后推薦商品。而國內(nèi)比較著名的有淘寶，當(dāng)當(dāng)，京東商城。他們利用改良后的協(xié)同過濾算法，將一系列可能滿足要求的商品推薦給用戶，以便用戶的篩選，將用戶體驗做到極致，為網(wǎng)站帶來了大量的流量。原有的協(xié)同過濾只依賴于用戶對項目的評分矩陣，對于各種特定的應(yīng)用都有較好的適用性，但它也存在一些難以完全解決的問題，如新用戶問題、數(shù)據(jù)稀疏性問題及可信問題等[4]。

文中提出了一種將標(biāo)簽集成到推薦系統(tǒng)的方法，首先對標(biāo)簽進(jìn)行預(yù)處理，然后構(gòu)建用戶-商品評分矩陣，最后將標(biāo)簽混合至用戶-商品評分矩陣的協(xié)同過濾推薦算法中。本文的貢獻(xiàn)如下:1）提出了通用的標(biāo)簽預(yù)處理方法；2）通過標(biāo)簽預(yù)處理減少推薦過程中同義標(biāo)簽的計算，從而提高了推薦算法的性能；3）提出了一種改良后的協(xié)同過濾方法，該方法可以利用用戶、產(chǎn)品和標(biāo)簽之間的三維關(guān)系，提高推薦系統(tǒng)的準(zhǔn)確性。

1 基于標(biāo)簽的協(xié)同過濾推薦算法

1.1 算法描述

1）根據(jù)用戶對商品的評分，建立用戶-商品評分矩陣。

2）對標(biāo)簽進(jìn)行預(yù)處理，整理商品與標(biāo)簽之間的關(guān)系。

3）根據(jù)商品-標(biāo)簽的評分矩陣來計算商品之間的相似度，確定商品的最近鄰，建立物品的協(xié)同過濾評分矩陣。

4）綜合商品-標(biāo)簽評分矩陣和協(xié)同過濾方法來計算預(yù)測評分值。

5）按照排名先后將評分值最高的N個商品推薦給用戶。

1.2 用戶-商品評分矩陣C（m，n）

在矩陣C（m，n）中，其中m行代表m個用戶，n列代表n個評分商品，元素Cij表示用戶i對商品j的評分。該方法中用1，2，3，4，5離散值表示對該商品的偏愛度。值越大表示用戶喜愛程度越高。

表1 用戶評分矩陣Tab.1 User rating matrix

1.3 商品-標(biāo)簽評分矩陣

1.3.1 標(biāo)簽處理

不同類型的商品通過分類將其區(qū)別。相同分類下的商品，我們通過設(shè)定不同的標(biāo)簽，將有聯(lián)系的主從關(guān)系的商品聯(lián)系在一起。同一種商品可以使用多個標(biāo)簽，同一個標(biāo)簽也可以使用多個商品。商品和標(biāo)簽之間是多對多的關(guān)系。我們通過這種復(fù)雜的關(guān)系，再結(jié)合用戶瀏覽和購買過的商品所屬的標(biāo)簽。這很少一部分的標(biāo)簽是頻繁用到的，而這些少量頻繁標(biāo)簽集合也是穩(wěn)定的[5]。根據(jù)用戶與標(biāo)簽的關(guān)系，將用戶—標(biāo)簽構(gòu)成一個二部圖，如圖1所示。本系統(tǒng)使用SimRank算法計算商品之間的相似度。

圖1 用戶標(biāo)簽二部圖Fig.1 User tags bipartite graph

SimRank算法是在2002年提出的，為了衡量結(jié)構(gòu)性上下文（structural-context）的相似性[6]。SimRank算法的根本就是:相似與同一個物品的兩個或兩個以上物品之間也存在相似性。

基于SimRank算法，我們假定：如果相同或相似的標(biāo)簽都適用于兩個用戶，則這兩個用戶就存在相似性。構(gòu)造如圖1，標(biāo)簽集合NT和用戶集合NU，如果用戶甲和標(biāo)簽A之間存在聯(lián)系，則用有向線段連接用戶甲與標(biāo)簽A。它們之間的相似性按如下公式計算:

公式中:u′∈Ut，trust（u，u′）表示用戶 u 與 u′的信任度；O（u）表示用戶u的出鄰居集合，即由u出發(fā)所指向的標(biāo)簽集合；n 是迭代的次數(shù)；|O（u）|表示用戶 u 的出鄰居數(shù)；A1，A2為常數(shù)，在0～1之間。

1.3.2 綜合相似度計算

基于傳統(tǒng)的協(xié)同過濾方法，要求每個商品的詳細(xì)評分?jǐn)?shù)據(jù)。但客觀條件決定了用戶不可能對每個商品都進(jìn)行評分。這就造成了商品的評分信息不夠全面，導(dǎo)致了評分矩陣稀疏，在該矩陣上產(chǎn)生的推薦，會有較大的誤差，對推薦的準(zhǔn)確度也會產(chǎn)生比較大的影響。而基于商品標(biāo)簽的協(xié)同過濾方法，彌補了單一評分矩陣稀疏的問題。常用的用戶相似度計算方法有余弦相似性、修正余弦相似性、皮爾森相似性。本文采用皮爾森相似性作為相似度度量標(biāo)準(zhǔn)，將商品的評分相似度和標(biāo)簽相似度加權(quán)得到綜合相似度：

根據(jù)公式計算預(yù)測評分，將評分最高的Ns個項目生成推薦集Cs。對目標(biāo)用戶u進(jìn)行預(yù)測評分，simsu，v是社交網(wǎng)絡(luò)下經(jīng)過SimRank算法迭代得到的用戶u和v的相似性Sn（u，v）。將得到預(yù)測評分記為sim（u，p），并將評分最高的Cs作為推薦結(jié)果。

其中，neighbors（u）是評價過的商品i，且與用戶u最相似的n個用戶的集合。

此方法預(yù)測用戶u對于所有未評分商品的評分值，取預(yù)測評分值最高的N個商品推薦給用戶u。

2 實驗結(jié)果與分析

為驗證基于標(biāo)簽協(xié)同過濾算法的有效性，取豆瓣站點（www.douban.com）的數(shù)據(jù)集進(jìn)行實驗，該站點用戶可以自由發(fā)表有關(guān)書籍、電影、音樂的評論，可以自動進(jìn)行推薦。展現(xiàn)在用戶面前的大部分內(nèi)容，都是基于每個用戶的特點自動生成的。我們從該站點得到實驗數(shù)據(jù)集（包括65171個用戶和其標(biāo)簽過的圖書）。實驗數(shù)據(jù)集分為訓(xùn)練集和測試集，其中訓(xùn)練集占90%，測試集占10%。

2.1 結(jié)果評價

本文使用平均絕對誤差 （Mean Absolute Error，MAE）來評價推薦系統(tǒng)的精確性。MAE通過計算項目的實際評分與預(yù)測評分之間的偏差來計算預(yù)測的準(zhǔn)確性。MAE越小，推薦系統(tǒng)的準(zhǔn)確度越高[7]。MAE公式如下：

其中，ruj為用戶的實際評分；puj為用戶的預(yù)測評分；N為預(yù)測的項目個數(shù)。

2.2 實驗結(jié)果

為檢驗本文提出的基于標(biāo)簽-協(xié)同過濾方法的有效性，本文參照傳統(tǒng)的協(xié)同過濾方法，在最近鄰居個數(shù)取值不同的時候，對比2種方法MAE的變化情況。實驗數(shù)據(jù)以下表所示，分別計算平均絕對誤差，結(jié)果如圖2所示。

圖2 絕對評價誤差Fig.2 Absolute evaluation errors

由圖2可知，對比傳統(tǒng)的協(xié)同過濾方法，本文提出的標(biāo)簽-協(xié)同過濾方法在同等條件下的MAE值更小，精確度更高。因此，將標(biāo)簽信息和協(xié)同過濾方法相結(jié)合，可提高推薦系統(tǒng)的準(zhǔn)確度。

3 結(jié)束語

本文使用的協(xié)同過濾推薦算法加入了標(biāo)簽屬性。在原有的協(xié)同過濾算法的基礎(chǔ)上，通過標(biāo)簽更加精確了算法的推薦程度。并通過實驗數(shù)據(jù)，客觀的證明了該方法能夠在一定程度上提高了推薦質(zhì)量。

在以后的研究中，我們還要加強對近義詞，反義詞標(biāo)簽的處理。并且結(jié)合用戶的檢索，用戶的購買時間，進(jìn)一步提高相似度的計算，為用戶推薦更加精準(zhǔn)的產(chǎn)品。

[1]Goldberg D，Nichols D，Oki B M，et al.Using collaborative filtering to weave an information tapestry[J].Communications of the ACM，1992，35（12）:61－70.

[2]Herlocker J L，Konstan J A，Borchers A，et al.An algorithmic framework for performing collaborative filtering.Proc of the 22nd Annual Int ACM SIGIR Conf on Research and Development in Information Retrieval[M].New York:ACM，1999:230－237.

[3]踏莎而行.小Tag有大智慧[J].電子商務(wù)世界，2006（5）:84-85.Lufthansa riding the line.Small Tag with great wisdom[J].Ecommerce World，2006（5）:84-85.

[4]Chetto H，Chetto M．Some result of the earliest deadline scheduling algorithm [J]．IEEE Trans on Parallel and Distributed Systems，1989，15（10）:1261-1269．

[5]徐雁斐，張亮，劉煒.基于協(xié)同標(biāo)記的個性化推薦[J].計算機應(yīng)用與軟件，2008，25（1）:9-13.XU Yan-fei，ZHANG Liang，LIU Wei.Recommended based on collaborative personalized tag[J].Computer Applications and Software，2008，25（1）:9-13.

[6]Jeh G，Widom J.SimRank:a measure of structural context similarity ［C］//Proc of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining．New York:ACM Press，2002:538-543．

[7]陳志敏，沈潔，趙耀.基于相關(guān)均值的協(xié)同過濾推薦算法[J].計算機工程，2009，35（22）:53-55.CHEN Zhi-min，SHEN Jie，ZHAO Yao.Related to the meanbased collaborative filtering recommendation algorithm[J].Computer Engineering，2009，35（22）:53-55.