柯秀文

(商丘職業(yè)技術(shù)學(xué)院 軟件學(xué)院，商丘 476001)

0 引言

隨著現(xiàn)代信息技術(shù)的高速發(fā)展，給社會各行各業(yè)帶來了革命性的變革，提供高效、優(yōu)質(zhì)的服務(wù)是很多行業(yè)追求的目標(biāo)。信息技術(shù)的廣泛應(yīng)用為各級各類圖書館提供了新的服務(wù)方向和選擇。根據(jù)讀者的需求，提供差異化、高質(zhì)量的個體服務(wù)，是各級各類圖書館在新時期深化圖書館服務(wù)職能的積極嘗試和有益探索，也是信息服務(wù)的必然需求。傳統(tǒng)的圖書搜索引擎只能為所有讀者展現(xiàn)相同的圖書排序結(jié)果，無法結(jié)合讀者的個人愛好提供差異化的檢索結(jié)果，而基于協(xié)同過濾算法的圖書推薦系統(tǒng)卻能夠根據(jù)讀者的個人偏好為其提供差異化的圖書推薦[1]。

然而，隨著各級各類圖書館開放程度和服務(wù)質(zhì)量的提升，推薦系統(tǒng)中讀者與圖書數(shù)量的增加和積累，評分矩陣數(shù)據(jù)稀疏性問題越來越顯著，此外，傳統(tǒng)的基于內(nèi)存的協(xié)同過濾算法沒有考慮時間因素等上下文信息對相似度造成的影響，這些都導(dǎo)致圖書推薦質(zhì)量的下降。因此，本文提出一種改進(jìn)的協(xié)同過濾算法，以提高圖書推薦質(zhì)量，實(shí)驗證明，改進(jìn)的協(xié)同過濾算法能夠有效提高圖書推薦精度。

1 協(xié)同過濾算法及改進(jìn)思路

協(xié)同過濾( Collaborative Filtering，CF)是當(dāng)前使用最為廣泛的推薦算法之一，這個概念由 Goldberg等在1992年正式提出[2]，它依據(jù)用戶-項目評分?jǐn)?shù)據(jù)，算法基于用戶對一些項目的評分進(jìn)行比較，假設(shè)用戶對一些項目評分相似，那么用戶對其他項目評分也相似[3]。

隨著讀者與圖書數(shù)量的增加和積累，評分矩陣數(shù)據(jù)稀疏性問題越來越顯著，為了解決數(shù)據(jù)稀疏環(huán)境下讀者對圖書預(yù)測評分的準(zhǔn)確度問題，提出一種改進(jìn)的協(xié)同過濾方法 ICF(Improved Collaborative Filtering)，從2個方面改進(jìn)推薦算法：首先，將LDA模型應(yīng)用在圖書館圖書推薦上，將讀者和圖書通過潛在主題關(guān)聯(lián)，將得到的讀者對圖書的選擇概率作為預(yù)處理數(shù)據(jù)，進(jìn)而將相似度計算轉(zhuǎn)至低維潛在因素空間，減少數(shù)據(jù)稀疏所帶來的影響。其次，在相似度計算時，考慮時間因素對讀者圖書偏好的影響，引入Sigmoid函數(shù)，改進(jìn)讀者相似度計算公式，預(yù)測讀者對未選擇圖書的評分。

2 協(xié)同過濾算法的改進(jìn)

協(xié)同過濾算法的改進(jìn)主要分為3個步驟：首先基于LDA(Latent Dirichlet Allocation)模型[4]建立讀者-圖書概率矩陣，并對圖書進(jìn)行聚類，裁剪概率矩陣。其次考慮時間因素對讀者偏好動態(tài)變化的影響，引入時間因子sigmoid函數(shù)，作為評分時間影響權(quán)重，改進(jìn)相似度計算方法，計算鄰居讀者。最后利用協(xié)同過濾算法預(yù)測讀者對未選擇圖書的評分。

2.1 讀者-圖書選擇概率矩陣

LDA模型通過主題將文檔和單詞聯(lián)系起來，以實(shí)現(xiàn)對文本信息的挖掘，在新浪微博等相關(guān)網(wǎng)站上廣泛應(yīng)用。其核心思想是：

Ptopicdocument

本文根據(jù)讀者評分信息建立讀者圖書偽文檔，將讀者對應(yīng)文檔，圖書對應(yīng)單詞，每個讀者喜歡的圖書種類有很多，每個圖書種類由若干圖書構(gòu)成，讀者的評分?jǐn)?shù)值對應(yīng)該圖書在該讀者圖書文檔中出現(xiàn)的次數(shù)?；诖私⒌淖x者-圖書LDA模型，如圖1所示。

圖1 讀者-圖書的LDA模型

在圖1各種關(guān)系中，θ是讀者的圖書主題分布，φ是圖書主題的圖書分布，且都滿足Dirichlet分布，α、β分別是θ和φ的超參數(shù)，K、N、M分別是圖書主題數(shù)、圖書數(shù)和讀者數(shù)，Zmn表示讀者m選擇的圖書n對應(yīng)的主題，Umn表示讀者m選擇的圖書n。

假設(shè)系統(tǒng)中有n個讀者以及m個圖書，并且讀者i對圖書j的評價通過整數(shù)1-5的評分表示，記做Rij。某讀者j對圖書的評分信息，如表1所示。

在預(yù)處理階段，將表1的相關(guān)信息處理為：讀者Uj=﹛i1，i2，i2，i2，i3，i3，i3，i3，i3，i5，i5﹜。以此類推，可以得到每個讀者的偽文檔。

以此為基礎(chǔ)，本文采用Gibbs Sampling采樣算法訓(xùn)練讀者圖書LDA主題模型。根據(jù)對相關(guān)文獻(xiàn)的研究，LDA模型參數(shù)通常取值為α=50/K，β=0.01，K為主題的個數(shù)。對讀者圖書LDA主題模型訓(xùn)練的結(jié)果反映到讀者偏好的讀者-圖書選擇概率矩陣W，Wij表示在讀者圖書概率分布θ上讀者u選擇圖書i的概率。據(jù)此建立起來的矩陣記錄了任意讀者對選擇所有圖書的選擇概率。

為了提高預(yù)測結(jié)果的精準(zhǔn)度，進(jìn)一步采用聚類算法，根據(jù)圖書的相關(guān)屬性信息，對圖書進(jìn)行聚類。根據(jù)K-Means聚類算法在聚類效果中的良好表現(xiàn)，本文采用此方法實(shí)現(xiàn)圖書的聚類。根據(jù)圖書聚類的結(jié)果，對讀者-圖書選擇概率矩陣進(jìn)行裁剪，以此得到若干讀者-圖書選擇概率子矩陣，縮小計算工作，僅在具有相似屬性信息的讀者-圖書選擇概率子矩陣中進(jìn)行計算。

2.2 改進(jìn)用戶相似度

協(xié)同過濾算法的目的是找到和目標(biāo)讀者讀書偏好相似的讀者集合，根據(jù)讀者-圖書選擇概率矩陣計算讀者相似度，這是協(xié)同過濾算法關(guān)鍵步驟，影響著最終推薦結(jié)果的精準(zhǔn)度。基于傳統(tǒng)協(xié)同過濾算法讀者相似度計算依賴于讀者對圖書的共同評分，但忽略了已評分圖書的權(quán)重問題以及隨時間變化讀者圖書偏好改變的可能性。例如：3個讀者對同一圖書有著相同的評分行為，讀者1和讀者2共同評分的圖書發(fā)生在同一時間段內(nèi)，而讀者2和讀者3共同評分的圖書發(fā)生并不在一個時間段內(nèi)，顯然，讀者1和讀者2應(yīng)比讀者2和讀者3有更高的相似度，然而，忽略了時間因素，利用傳統(tǒng)協(xié)同過濾算法得到了相等的結(jié)果。

考慮時間因素對讀者圖書偏好的影響，為了提高讀者相似度計算的精準(zhǔn)度，引入時間因子sigmoid函數(shù)，函數(shù)值作為評分時間影響權(quán)重，評分時間越接近的讀者，其相似度也就越高，計算式如公式(1)：

(1)

考慮時間因素對讀者偏好相似度的影響，本文在皮爾遜相關(guān)系數(shù)基礎(chǔ)上引入時間因子Sigmoid函數(shù)，得到改進(jìn)后的讀者相似度,如式(2)。

Simuv=Suv×Wuv=

(2)

根據(jù)改進(jìn)后的讀者相似度計算公式完成相似度計算后，對結(jié)果進(jìn)行排序，選擇相似度最高的k個讀者作為目標(biāo)讀者的鄰居讀者。

2.3 預(yù)測評分

在目標(biāo)讀者i的讀者-圖書選擇概率子矩陣中，計算目標(biāo)讀者u對目標(biāo)圖書i的預(yù)測評分，如式(3)。

(3)

得到目標(biāo)讀者對未選擇圖書的預(yù)測評分后，根據(jù)評分由高到底排序，將評分最高的前k個圖書推薦給該讀者。

3 實(shí)驗分析

3.1 實(shí)驗數(shù)據(jù)

本文采用商丘職業(yè)技術(shù)學(xué)院圖書館信息化管理中心提供的數(shù)據(jù)集進(jìn)行實(shí)驗，在此數(shù)據(jù)集中，讀者對自己看過的圖書進(jìn)行了評分，每位讀者評分?jǐn)?shù)不少于20條，評分結(jié)果為很好、好、一般、差、很差，分別記做整數(shù)5、4、3、2、1。分值高低反映了讀者對圖書滿意度的高低。此數(shù)據(jù)集記錄了2016年8月30日～2017年1月5日其間，1 351位讀者對2 405本圖書的143 000個評分，此數(shù)據(jù)集原始讀者-圖書評分矩陣稀疏度為92.8%。

3.2 評價指標(biāo)

/N

(4)

得出的結(jié)果平均絕對偏差越小，推薦精準(zhǔn)度越高，效果越好。

3.3 實(shí)驗結(jié)果

將本文提出的ICF推薦算法與傳統(tǒng)的基于內(nèi)存的協(xié)同過濾算法進(jìn)行對比，通過余弦夾角相似度、修正余弦夾角相似度和皮爾遜相關(guān)系數(shù)等3 種相似度度量方法作為比較，目標(biāo)讀者最近鄰個數(shù)分別為(10，20，30，40，50)，得出的MAE值，如圖2所示。

圖2 ICF與傳統(tǒng)的協(xié)同過濾算法比較

3.4 實(shí)驗分析

實(shí)驗表明，3 種傳統(tǒng)的協(xié)同過濾算法相比較，余弦相似度的MAE值均最大，皮爾遜相關(guān)系數(shù)MAE值均居中，修正余弦相似度MAE值均最小，表明修正算法的有效性，而本文提出的ICF推薦算法，MAE值均最小，明顯優(yōu)于其它3種傳統(tǒng)的協(xié)同過濾算法，說明引入時間影響因子權(quán)重反映讀者圖書興趣變化的ICF推薦算法能夠得到更好的推薦效果。

4 總結(jié)

為提高數(shù)據(jù)稀疏環(huán)境下圖書推薦的質(zhì)量，提出了一種基于LDA的改進(jìn)協(xié)同過濾推薦算法，基于LDA主題模型得到讀者-圖書選擇概率矩陣作為計算讀者相似度的原始數(shù)據(jù)。為了更加準(zhǔn)確地尋找讀者鄰居，本文根據(jù)圖書屬性對圖書進(jìn)行聚類，在聚類內(nèi)部計算相似讀者，并根據(jù)讀者評分時間設(shè)計一種基于時間因子權(quán)重的讀者相似度計算公式，更加準(zhǔn)確地評估目標(biāo)讀者的鄰居讀者集，從而更準(zhǔn)確地預(yù)測讀者對圖書的評分。最后，利用商丘職業(yè)技術(shù)學(xué)院圖書館信息化管理中心提供的數(shù)據(jù)集開展實(shí)驗，實(shí)驗結(jié)果表明，本文提出的方法，比基于余弦相似度、皮爾遜相似度的協(xié)同過濾算法更加精準(zhǔn)，能有效提升圖書推薦效果。