任 其，李 兵，2，王 健，趙玉琦，熊燚銘

1(武漢大學(xué) 計(jì)算機(jī)學(xué)院，武漢 430072)2(武漢大學(xué) 復(fù)雜網(wǎng)絡(luò)研究中心，武漢 430072) E-mail：renqilvsx@163.com

1 引 言

移動(dòng)應(yīng)用正在日益改變著人們的日常，據(jù)統(tǒng)計(jì)，截至2018年11月初，App Store上擁有的移動(dòng)應(yīng)用數(shù)量已經(jīng)超過250萬個(gè)，下載量超過100萬次的app數(shù)量多達(dá)32788(1)http：//www.appbrain.com/stats/ free-and-paid-android-applications,2018.日益增長的用戶群為移動(dòng)應(yīng)用的開發(fā)提出了更高的要求，快速敏捷的開發(fā)出高質(zhì)量移動(dòng)應(yīng)用以適應(yīng)日益增長的用戶需求變得尤為重要.

在移動(dòng)應(yīng)用推薦方面，當(dāng)前大多數(shù)研究工作都是從用戶的角度出發(fā)，即為用戶推薦合適的移動(dòng)應(yīng)用.在面對日益增長的移動(dòng)應(yīng)用時(shí)，研究者們關(guān)注的是如何將這大量的移動(dòng)應(yīng)用推薦給用戶以滿足他們的個(gè)性化需求.隨之產(chǎn)生了大量基于海量移動(dòng)應(yīng)用數(shù)據(jù)的推薦算法.例如文獻(xiàn)[1]提出了一種將興趣-功能交互和用戶結(jié)合起來進(jìn)行移動(dòng)應(yīng)用推薦的方法，該方法在推薦過程中考慮到了用戶的隱私偏好.文獻(xiàn)[4]則通過現(xiàn)代資產(chǎn)組合理論(MPT)將移動(dòng)應(yīng)用的流行度，個(gè)人偏好和移動(dòng)設(shè)備約束結(jié)合起來用于移動(dòng)應(yīng)用推薦.然而，這些方法都是從移動(dòng)應(yīng)用使用者的角度出發(fā)，沒有考慮到開發(fā)者的需求.因此，難以實(shí)現(xiàn)輔助開發(fā)者進(jìn)行應(yīng)用開發(fā)的目標(biāo).

第三方庫在移動(dòng)應(yīng)用開發(fā)中扮演著越來越重要的角色.首先，第三方庫是用于移動(dòng)應(yīng)用開發(fā)的一種可重用資源，開發(fā)人員可以通過重用第三方庫來實(shí)現(xiàn)自己需要的功能，從而可以有效的幫助開發(fā)者減低開發(fā)時(shí)間與開發(fā)成本.其次，第三方庫可用來幫助完成特定的商業(yè)目標(biāo).例如，可以在應(yīng)用中使用廣告庫完成廣告的推廣或者使用社交庫完成用戶社交的功能.根據(jù)在Google Play上的移動(dòng)應(yīng)用研究表明，使用最多的第三方庫是Google ads，也就是廣告庫，其中使用廣告庫的移動(dòng)應(yīng)用超過了60%[2，3].這就更加證明第三方庫在移動(dòng)應(yīng)用中的重要性.然而，可用的第三方庫數(shù)量繁多且功能各異，這為開發(fā)者選擇合適的第三方庫提出了新的挑戰(zhàn).為此，我們構(gòu)造了一個(gè)新的數(shù)據(jù)集，該數(shù)據(jù)集包含移動(dòng)應(yīng)用及其描述，第三方庫及其描述以及移動(dòng)應(yīng)用與第三方庫之間的調(diào)用關(guān)系.基于這些數(shù)據(jù)，我們可以完成移動(dòng)應(yīng)用第三方庫的推薦任務(wù).用于推薦任務(wù)的方法有很多，包括傳統(tǒng)的基于歷史信息的協(xié)同過濾算法以及基于模型的矩陣分解，這些方法在很早就被研究者證明可以在Movielens、Netflix等電影推薦中有不錯(cuò)的表現(xiàn)，研究者們進(jìn)一步將不同的推薦方法進(jìn)行混合以提高推薦的精度.基于構(gòu)造的數(shù)據(jù)集，我們提出了一種將基于歷史調(diào)用數(shù)據(jù)的推薦結(jié)果與基于描述文本的推薦結(jié)果進(jìn)行貝葉斯融合的推薦方法.該方法一方面基于歷史調(diào)用數(shù)據(jù)使用了基于用戶的協(xié)同過濾(UBCF)方法，另一方面基于文本信息使用了TF-IDF方法.從兩個(gè)不同的角度來為開發(fā)者推薦適合的第三方庫.

本文的貢獻(xiàn)包括以下兩點(diǎn)：

1.構(gòu)造了一個(gè)全新的數(shù)據(jù)集，即移動(dòng)應(yīng)用(app)與第三方庫的數(shù)據(jù)集；

2.提出了一種混合推薦技術(shù)用于第三方庫的推薦，在構(gòu)造的數(shù)據(jù)集上開展實(shí)驗(yàn)進(jìn)行驗(yàn)證，表明了本文所提方法的有效性.

2 相關(guān)工作

在傳統(tǒng)的服務(wù)計(jì)算領(lǐng)域，軟件開發(fā)者通過重用服務(wù)，能夠創(chuàng)造出更多的服務(wù)組合來滿足更多更復(fù)雜的需求并實(shí)現(xiàn)商業(yè)價(jià)值[5].很多研究者提出了很先進(jìn)的推薦方法對服務(wù)進(jìn)行推薦來實(shí)現(xiàn)服務(wù)組合的目標(biāo).本文所研究的問題與此相似，在移動(dòng)應(yīng)用的開發(fā)過程中，第三方庫扮演著越來越重要的角色，第三方庫的重用可以滿足更多的需求.目前，已經(jīng)開展了大量工作進(jìn)行第三方庫的相關(guān)研究，例如Pearce P等人[6]研究了Android應(yīng)用程序當(dāng)中的廣告庫，發(fā)現(xiàn)了有49%的應(yīng)用程序中至少包含一個(gè)廣告庫.Shekhar S等人[7]同樣研究的是Android第三方庫當(dāng)中的廣告庫，其中說明了一些惡意應(yīng)用會(huì)模擬廣告庫的行為.有研究人員[8，9]從代碼層面來識(shí)別第三方庫，做法是使用機(jī)器學(xué)習(xí)來提取特征，但同樣的只能識(shí)別出廣告庫.之后有研究人員[10]使用了基于語義的特征聚類方法，但是這樣的方法同樣不太準(zhǔn)確.這些工作主要與發(fā)現(xiàn)和檢測第三方庫有關(guān)，就我們的調(diào)研所知，在第三方庫的推薦方面尚沒有相關(guān)研究.

在文獻(xiàn)[11]中，研究者提出了一種第三方庫自動(dòng)檢測和分類的方法，可以快速精準(zhǔn)的檢測出Android 移動(dòng)應(yīng)用當(dāng)中的第三方庫.該方法基于多級聚類技術(shù)進(jìn)行識(shí)別第三方庫，然后通過機(jī)器學(xué)習(xí)方法對第三方庫的功能進(jìn)行分類.該方法用于第三方庫推薦時(shí)存在的一個(gè)局限是第三方庫在使用時(shí)可能會(huì)被開發(fā)者修改，這將導(dǎo)致聚類之后得到的第三方庫可能不全，并且檢測到的第三方庫不是完全準(zhǔn)確，難以支撐我們進(jìn)行第三方庫推薦的任務(wù).

3 問題分析

針對第三方庫推薦中面臨的第三方庫的檢測與篩選問題，我們構(gòu)造了相應(yīng)的數(shù)據(jù)集.具體構(gòu)造過程如下：首先，從Google Play上面提供的百萬移動(dòng)應(yīng)用中爬取10000多個(gè)移動(dòng)應(yīng)用安裝包，然后使用了工具ClassyShark(2)https: / /github． com/google /android-classyshark對它們進(jìn)行分析.ClassyShark是Google提供的用于對apk進(jìn)行反編譯的一個(gè)工具，可以方便我們快速且輕巧的輕量級瀏覽Android apk.通過使用該工具，我們能夠得到每個(gè)apk反編譯之后的一系列包名.然后我們設(shè)定了一個(gè)閾值，表示為包名出現(xiàn)在不同apk的次數(shù).這是為了區(qū)分出第三方庫與開發(fā)者自己寫的代碼庫，我們認(rèn)為大于這個(gè)閾值即為第三方庫.而對于出現(xiàn)的代碼混淆問題，通常開發(fā)者混淆的包名和函數(shù)名都是自己為了防止被惡意篡改而對自己代碼所做的一種保護(hù)措施，所以我們在篩選第三方庫的過程中會(huì)自動(dòng)忽略掉混淆的包名.使用這種方法得到的第三方庫做實(shí)驗(yàn)時(shí)，我們發(fā)現(xiàn)一個(gè)問題，那就是閾值的選擇問題，我們難以選擇出最適合的閾值來最準(zhǔn)確的篩選出第三方庫.最終，我們選擇了工具AppBrain(3)https: / /www． appbrain． com/stats，該工具將第三方庫分為三大類：廣告類、社交網(wǎng)絡(luò)類和開發(fā)工具類，該工具上提供的app是基于Google Play，并且AppBrain上每個(gè)第三方庫都有其所對應(yīng)的標(biāo)簽及相關(guān)描述.

我們假設(shè)某一個(gè)移動(dòng)應(yīng)用開發(fā)者需要開發(fā)一個(gè)描述為“適用于Android手機(jī)的視頻app，該app提供最熱門的音樂視頻和游戲，娛樂，新聞等視頻，您可以訂閱您喜愛的頻道并與朋友分享”的移動(dòng)app.對此，開發(fā)人員一開始分析功能需求確定要使用到AdMob庫，AdMob是全球最大的移動(dòng)廣告網(wǎng)絡(luò)之一，為移動(dòng)網(wǎng)絡(luò)上的發(fā)現(xiàn)，品牌推廣和貨幣化提供解決方案.之后我們的推薦系統(tǒng)會(huì)產(chǎn)生一個(gè)用于視頻移動(dòng)應(yīng)用開發(fā)的第三方庫的候選列表Android support_lib，firebase，gcm，google_gson，android_arch，facebook，retrofit，zxing，butterknife，jsoup，protobuf.并基于這些候選列表項(xiàng)開發(fā)人員推薦可能要使用的第三方庫以提高開發(fā)效率和質(zhì)量.

針對以上的場景，我們可以將問題描述為：對于appi，i的描述文本與一些確定要使用的第三方庫是已知信息.我們首先將已經(jīng)要使用的第三方庫作為對i的隱式反饋，基于這些隱式數(shù)據(jù)我們可以計(jì)算出與i相似的app并將這些app調(diào)用的第三方庫作為候選集Ru.此外，通過i的描述文本挖掘出與其他app的語義相似度并生成候選集Rc.最后，通過貝葉斯定理將候選集Ru和Rc融合得到最終的推薦列表.

更一般地，我們將不同的app擴(kuò)展為一個(gè)很大的app集合M，將M中使用到的第三方庫擴(kuò)展為三方庫集合L.這樣，我們就構(gòu)建了一個(gè)M與L的隱式反饋矩陣并基于這個(gè)矩陣以及M集合中app的描述文本完成推薦目標(biāo).

4 TF-IDF與UBCF的混合推薦方法

4.1 方法概述

如圖1所示，本文提出了一種結(jié)合app和第三方庫交互信息和文本描述信息的方法.本方法主要是由兩部分組成，基于協(xié)同過濾推薦模塊和基于內(nèi)容的推薦模塊.

圖1 App第三方庫的混合推薦方法框架Fig.1 Framework of hybrid recommendation method for App third-party libraries

協(xié)同過濾的模塊主要的作用是構(gòu)建一個(gè)app和第三方庫的調(diào)用關(guān)系矩陣，從這個(gè)矩陣中我們可以挖掘出他們兩者的關(guān)系.基于內(nèi)容的推薦模塊主要是利用app的需求描述和第三方庫的描述信息來完成，本文中我們使用了TF-IDF來計(jì)算文本相似度.首先將描述信息轉(zhuǎn)化為文本特征向量，然后得到他們之間的語義關(guān)系，基于語義關(guān)系計(jì)算出app之間的相似度，然后利用相似度生成第三方庫的推薦列表.最后將協(xié)同過濾的推薦結(jié)果和基于文本的推薦結(jié)果通過使用貝葉斯定理進(jìn)行整合，整合之后得到最終的推薦結(jié)果.

4.2 UBCF部分

協(xié)同過濾算法是最早用于推薦系統(tǒng)中，也是最為經(jīng)典和著名的推薦算法.該算法主要通過歷史使用數(shù)據(jù)來發(fā)現(xiàn)目標(biāo)用戶的偏好，這些歷史使用數(shù)據(jù)可以是顯式的反饋數(shù)據(jù)，也可以是隱式反饋數(shù)據(jù).在服務(wù)計(jì)算領(lǐng)域，QoS的預(yù)測是很多研究者所關(guān)心的問題，大多數(shù)基于QoS的方法是預(yù)測和排序服務(wù)質(zhì)量(QoS)以推薦最佳服務(wù)[12-15]. 他們遵循經(jīng)典推薦系統(tǒng)的思想，其中協(xié)同過濾(CF)被廣泛使用來進(jìn)行QoS預(yù)測.鄭子彬等人在文獻(xiàn)[16]中就QoS預(yù)測問題提出了一種協(xié)同過濾方法并取得較好的結(jié)果.本文中使用的是隱式反饋數(shù)據(jù)，即數(shù)據(jù)是二值的，0表示沒有交互，1則表示有.同時(shí)，傳統(tǒng)的協(xié)同過濾算法分為基于用戶與基于物品這兩種.顧名思義，前一種表示挖掘用戶之間的相似性，基本思想是根據(jù)具有相似偏好的用戶來為用戶推薦可能喜好的物品；后一種表示尋找相似的物品，來直接為目標(biāo)用戶做推薦.無論是基于用戶的推薦還是基于物品的推薦，都需要計(jì)算相似度，通?？梢允褂糜嘞蚁嗨贫然蛘咂栠d相關(guān)系數(shù)等相似度計(jì)算方法.本文中我們使用了余弦相似度來完成這個(gè)任務(wù).本文中使用到的協(xié)同過濾圖模型如圖2所示.

圖2 協(xié)同過濾圖模型Fig.2 Collaborative filtering model

如圖2所示，在協(xié)同過濾中，每行表示一個(gè)app，每列表示一個(gè)三方庫，矩陣中的1表示該app調(diào)用了該三方庫，0表示沒有.而圖的右邊則是對于三方庫的推薦過程.從左邊到右邊是通過相似度的計(jì)算進(jìn)行的，如下所示.

(1)

Sim(i，j)表示appi和appj之間的相似度值.得到app之間的相似度矩陣之后，我們可以計(jì)算appi對第三方庫lib的相似度：

(2)

其中，Si,j表示appi和appj之間的相似度，Ij,lib表示appj是否與第三方庫lib有交互，1表示是，0表示否，N則表示與appi相似的所有app集合.

4.3 TF-IDF部分

TF-IDF是一種統(tǒng)計(jì)方法，通常用于評估某一個(gè)詞對于某個(gè)文檔集合或者文檔集合中某一篇文檔的重要程度.TF-IDF分為TF和IDF兩部分.TF是詞頻的意思，是指某個(gè)給定單詞在指定文檔中的頻率，通常會(huì)將這個(gè)值歸一化；IDF表示逆向文件頻率，用來度量一個(gè)單詞的普遍重要性的程度.IDF的值越高，說明這個(gè)單詞在整個(gè)文檔集合中的重要性越低.由此，TF-IDF的思想可以表示為：當(dāng)某一個(gè)單詞在給定的一篇文檔中的TF很高，IDF值也很高的時(shí)候，就認(rèn)為這個(gè)單詞具有很好的區(qū)分能力，因此就保留下來這個(gè)單詞.

對于移動(dòng)應(yīng)用市場中的app，幾乎每個(gè)都有其對應(yīng)的文本描述，同樣的，給定一個(gè)將要開發(fā)的app的文本描述，在本文中，我們基于這些文本描述使用TF-IDF和向量空間模型來計(jì)算app之間的相似度.首先我們計(jì)算出每個(gè)app描述文本當(dāng)中每個(gè)單詞的TF-IDF值，在計(jì)算完單詞的TF-IDF值之后，我們進(jìn)行關(guān)鍵詞的篩選，即保留重要的單詞，去掉非必要的單詞.然后我們使用向量空間模型將文本中的單詞向量化.具體的步驟如下：

1)通過使用TF-IDF算法，將兩個(gè)app各自的描述文本進(jìn)行關(guān)鍵詞篩選，即去掉那些非重要性單詞

2)取出每個(gè)文本的若干個(gè)單詞組成單詞集合，然后計(jì)算每個(gè)app描述對該單詞集合中單詞的TF-IDF值

3)生成兩個(gè)app描述的單詞向量

4)通過計(jì)算出這兩個(gè)app單詞向量的余弦相似度

TF-IDF的方法描述如下：

(3)

(4)

其中，TF(tk，dj)是第k個(gè)詞在第j個(gè)文章中出現(xiàn)的次數(shù)，nk是包含第k個(gè)詞的文章數(shù)量.最后，第k個(gè)詞在第j個(gè)文章中權(quán)重如下：

(5)

這里做歸一化的目的是將不同文檔中的向量表示歸一到同一量級上.

得到每個(gè)描述文本中每個(gè)單詞的TF-IDF值之后，按照大小排序取前若干個(gè)單詞組成單詞向量.從而兩個(gè)app之間的文本相似度可以表示為：

(6)

其中，Des1和Des2分別app1和app2的描述，Wi1和Wi2分別表示第i個(gè)單詞在app1和app2中的權(quán)重，M表示app總數(shù).

4.4 貝葉斯融合

通過歷史調(diào)用數(shù)據(jù)，我們計(jì)算出了app與第三方庫的余弦相似度，相似度的值落在0到1的范圍內(nèi).我們可以將其解釋為在一個(gè)app中使用到第三方庫的概率，即P(libu|app).另一方面，通過app的描述文檔，我們使用TF-IDF計(jì)算app之間的相似度并且利用app的相似度得到app使用第三方庫的概率，概率表示為P(libc|app).因此，我們假設(shè)條件獨(dú)立，就可以通過貝葉斯定理將這兩個(gè)概率進(jìn)行整合.整合之后，對于給定的app及其描述，我們可以將其表示為：P(lib|app)=P(libu|app)*P(libc|app).我們將問題轉(zhuǎn)化為對于第三方庫來說，它被新的app調(diào)用的可能性是多少，這可由后驗(yàn)概率P(app|lib)給出.通過使用貝葉斯定理，可以得到：

P(app|lib)∝P(libu，libc|app)*P(app)=
P(libu|app)*P(libc|app)

(7)

其中，P(app)是我們看到app的先驗(yàn)概率，大小為1/M，M是app的總數(shù).這樣，我們可以選出具有最大P(app|lib)的第三方庫.

5 實(shí) 驗(yàn)

在本節(jié)中，我們將介紹為評估提出的第三方庫推薦方法性能所進(jìn)行的實(shí)驗(yàn)研究和不同方法之間的對比實(shí)驗(yàn)，我們的實(shí)驗(yàn)是基于之前所構(gòu)造的現(xiàn)實(shí)世界的數(shù)據(jù)集.

5.1 實(shí)驗(yàn)設(shè)置

我們所有的實(shí)驗(yàn)部分都是在具有Intel(R) Xeon(R) CPU E5-1620 v3 @ 3.50GHz的處理器和64.0GB內(nèi)存的Windows操作系統(tǒng)上進(jìn)行的.

5.2 數(shù)據(jù)集

本次實(shí)驗(yàn)的全部數(shù)據(jù)來自于AppBrain，這也是AppBrain上的數(shù)據(jù)首次被使用于該實(shí)驗(yàn)?zāi)康?因此，我們選擇的一些現(xiàn)有方法都不曾用于該數(shù)據(jù)集，這些方法會(huì)產(chǎn)生什么樣的效果也讓我們有所期待.AppBrain上包含很多的app及其調(diào)用的第三方庫，由于考慮數(shù)據(jù)量的大小以及矩陣的稀疏程度，我們選擇了其中的5274個(gè)app，一共包括了470個(gè)第三方庫.同時(shí)我們也獲取了app以及第三方庫的相關(guān)描述.表1顯示了數(shù)據(jù)集中一個(gè)app的信息.表2顯示了該數(shù)據(jù)集的相關(guān)信息.

表1 App Gesture Call的信息Table 1 Information of App Gesture Call

數(shù)據(jù)預(yù)處理：對于文本數(shù)據(jù)，我們得到的原始文本數(shù)據(jù)包含了app的名字、類別、開發(fā)者以及描述等信息.第一步，我們選擇了描述信息.然后我們對描述信息進(jìn)行了分詞，去掉停用詞和非法字符等.剩下的詞最能用來代表描述app的功能.對于歷史調(diào)用數(shù)據(jù)，正如前面所提到的，我們在這方面做了很多的工作，包括自己爬取數(shù)據(jù)并設(shè)計(jì)方法去篩選第三方庫.最終，我們選擇使用AppBrain上的數(shù)據(jù)并且就此構(gòu)造數(shù)據(jù)集.之后，針對數(shù)據(jù)集我們構(gòu)造了app與第三方庫的調(diào)用矩陣，該矩陣是一個(gè)0/1矩陣，其中行表示app，列表示第三方庫.

表2 數(shù)據(jù)集的狀態(tài)Table 2 Statistics of dataset

訓(xùn)練集與測試集：為了評估推薦性能，我們基于自己的數(shù)據(jù)集為每個(gè)實(shí)驗(yàn)構(gòu)建了一個(gè)訓(xùn)練集和一個(gè)測試集.首先，我們隨機(jī)選擇70%的app作為實(shí)驗(yàn)的訓(xùn)練集，剩下的部分則作為測試集.測試集當(dāng)中的app所包含的一部分第三方庫用于預(yù)測，另外一部分則用于訓(xùn)練.每個(gè)實(shí)驗(yàn)進(jìn)行10次實(shí)驗(yàn)，并將它們的平均值作為最終的結(jié)果.

5.3 評價(jià)指標(biāo)

在實(shí)驗(yàn)中，我們采用了兩種評價(jià)指標(biāo)用來評估對Android app進(jìn)行第三方庫推薦時(shí)的性能.分別是MAP以及NDCG.

MAP是指平均均值精度，它是信息檢索領(lǐng)域當(dāng)中常見的評價(jià)指標(biāo).當(dāng)測試集中app的數(shù)量為Atest時(shí)，推薦K個(gè)第三方庫的MAP值定義如下：

(8)

其中，Atest表示測試集app的數(shù)量，la表示appa所調(diào)用的第三方庫的數(shù)量，Ki表示出現(xiàn)在推薦列表中的a的第三方庫的數(shù)量，I(i)表示推薦列表中位置i的第三方庫是否被a所調(diào)用.

當(dāng)測試集中app的數(shù)量為時(shí)Atest，推薦K個(gè)第三方庫的NDCG值定義如下：

(9)

其中，IDCG表示IdealDCG，是指推薦列表中的最佳排列所對應(yīng)的分?jǐn)?shù).

5.4 比較方法

我們選擇了幾種常見的比較先進(jìn)的算法作為對比.其中包括基于文本的推薦和基于歷史調(diào)用數(shù)據(jù)的推薦等.

基于用戶的協(xié)同過濾(UBCF)：基于用戶的協(xié)同過濾算法是一種廣泛應(yīng)用于推薦系統(tǒng)的經(jīng)典算法.

基于物品的協(xié)同過濾(IBCF)：基于物品的協(xié)同過濾算法同樣是一種廣泛應(yīng)用于推薦系統(tǒng)的經(jīng)典算法，所不同的是計(jì)算物品之間的相似度.

基于主題模型LDA的推薦算法(LDA)：基于文本主題模型的推薦算法，通過使用LDA計(jì)算出每兩個(gè)app描述文本的主題相似度，基于這些相似度生成第三方庫的推薦列表.

基于用戶的協(xié)同過濾與主題模型LDA的混合推薦算法(LDA+UBCF)：同上，我們通過將主題模型LDA與UBCF進(jìn)行整合得到混合推薦結(jié)果.

圖3 NDCG@KFig.3 NDCG@K圖4 MAP@KFig.4 MAP@K

圖3和圖4展示了我們所提出的混合推薦方法即TF-IDF+UBCF與其他的方法在NDCG@K，MAP@K這兩個(gè)指標(biāo)上的對比.UBCF基本上在這兩項(xiàng)指標(biāo)上都是差于其他的方法.同時(shí)，對比基于歷史調(diào)用方法和基于內(nèi)容的方法，我們可以得出基于文本描述的方法即LDA要表現(xiàn)的比基于用戶的協(xié)同過濾更加優(yōu)異，但卻要比IBCF在兩種指標(biāo)上略差，其原因是我們在做第三方庫的推薦時(shí)，并沒有考慮到三方庫在移動(dòng)應(yīng)用中的優(yōu)先級，所以使用UBCF時(shí)可能會(huì)忽略掉優(yōu)先級較高的第三方庫.而IBCF則是直接通過第三方庫之間的相似度關(guān)系進(jìn)行推薦，因此，使用IBCF的效果要優(yōu)于UBCF.此外，無論是基于歷史調(diào)用數(shù)據(jù)的方法還是基于內(nèi)容的方法在兩種指標(biāo)上都比混合方法效果差.同時(shí)我們的貝葉斯混合推薦方法也在所有方法中脫穎而出.幾種指標(biāo)的部分詳細(xì)數(shù)值如下表所示.

表3-表4顯示了各項(xiàng)指標(biāo)的具體數(shù)值.表中加粗的數(shù)據(jù)是給定K的最好結(jié)果，?表示在0.01水平上與最佳結(jié)果的差異性具有統(tǒng)計(jì)顯著性.從以上表格中看出，我們的混合推薦方法基本在所有指標(biāo)中都是最好的結(jié)果，并且在后兩個(gè)指標(biāo)上與其他方法幾乎都具有統(tǒng)計(jì)顯著性的差異.更具體點(diǎn)，在NDCG這個(gè)指標(biāo)上，當(dāng)K為40時(shí)，TF-IDF+UBCF比UBCF高8.86%，比LDA+UBCF高2.76%；在MAP上，當(dāng)K為40時(shí)，TF-IDF+UBCF比UBCF高7.35%，比LDA+UBCF高3.33%.

我們發(fā)現(xiàn)，在利用貝葉斯混合推薦方法進(jìn)行基于內(nèi)容的推薦時(shí)，挖掘到的相似移動(dòng)應(yīng)用的數(shù)量N對最終的推薦結(jié)果有著一定的影響，當(dāng)設(shè)置的相似app數(shù)量較少時(shí)，會(huì)導(dǎo)致推薦結(jié)果不夠完整，而當(dāng)我們將N設(shè)置較大時(shí)則會(huì)產(chǎn)生一些相關(guān)性不大的推薦結(jié)果.所以，設(shè)置適當(dāng)?shù)腘的大小對我們的工作來說是有必要的.為了研究N的大小對推薦結(jié)果的影響，我們將N的范圍設(shè)置為20到120，步長為20.如圖5和圖6所示，當(dāng)N從20增加到60 時(shí)，NDCG和MAP值都相應(yīng)增加.

表3 5種方法的詳細(xì)NDCG值Table 3 Detailed NDCG values for the five methods

表4 5種方法的詳細(xì)MAP值Table 4 Detailed MAP values for the five methods

圖5 NDCG@KFig.5 NDCG@K

圖6 MAP@KFig.6 MAP@K

但是當(dāng)N從60增加到120時(shí)，兩種度量指標(biāo)都幾乎沒什么變化或者說在某個(gè)值附近浮動(dòng)，這是因?yàn)榕琶娇亢蟮囊苿?dòng)應(yīng)用有著越小的影響因子，當(dāng)這個(gè)排名值達(dá)到某個(gè)臨界點(diǎn)時(shí)，后面的推薦結(jié)果幾乎不影響整體的推薦性能.由此可以得出，在我們的貝葉斯混合推薦系統(tǒng)中，當(dāng)推薦的移動(dòng)應(yīng)用數(shù)量N不大于60時(shí)，推薦性能會(huì)隨著N的增加而增強(qiáng)；然而當(dāng)N繼續(xù)增加時(shí)，推薦系統(tǒng)基本趨于穩(wěn)定.

6 結(jié)論與未來工作

本文針對為移動(dòng)應(yīng)用推薦三方庫這一應(yīng)用場景，構(gòu)建了相應(yīng)的數(shù)據(jù)集.并在此基礎(chǔ)上提出了一種新的混合推薦方法，即使用貝葉斯理論集成了歷史調(diào)用和文本內(nèi)容信息.所提模型中集成的文本內(nèi)容可以在一定程度上緩解推薦系統(tǒng)中經(jīng)典的冷啟動(dòng)問題.在真實(shí)數(shù)據(jù)集上開展的實(shí)驗(yàn)，表明了本文所提方法的有效性.

下一步，我們將在推薦模型中進(jìn)一步利用數(shù)據(jù)集中的app以及第三方庫的標(biāo)簽與類別等信息，并將這些信息與當(dāng)前隱反饋數(shù)據(jù)加以整合，另外，將使用神經(jīng)網(wǎng)絡(luò)進(jìn)一步挖掘app與第三方庫的潛在關(guān)系.