李一野，鄧浩江

(1.中國科學(xué)院聲學(xué)研究所國家網(wǎng)絡(luò)新媒體工程技術(shù)研究中心，北京 100190； 2.中國科學(xué)院大學(xué)，北京 100049)

1 概 述

隨著互聯(lián)網(wǎng)的發(fā)展，電子商務(wù)、社交媒體網(wǎng)站等信息平臺(tái)上都出現(xiàn)了信息過載的問題，推薦系統(tǒng)在各種平臺(tái)上被廣泛使用，有效地緩解了信息過載的現(xiàn)象。在推薦系統(tǒng)中所使用到的推薦算法，主要分為基于內(nèi)容(content-based)的推薦算法[1]、協(xié)同過濾(collaborative filtering)算法[2]以及混合推薦算法[3]。其中，基于內(nèi)容的推薦算法是根據(jù)用戶的歷史評(píng)分行為數(shù)據(jù)做推薦[4]，在數(shù)據(jù)稀疏的情況下，算法需要根據(jù)少量的用戶歷史評(píng)分行為做推薦，但用戶行為數(shù)據(jù)的稀疏性使算法難以學(xué)習(xí)到用戶潛在的偏好，從而不能夠完整地獲取用戶的偏好，使得推薦的結(jié)果偏差過大。協(xié)同過濾推薦算法包含基于近鄰(nearest-neighbor)[5]的協(xié)同過濾推薦算法[6]、基于模型(model-based)的協(xié)同過濾推薦算法[7]。

基于近鄰的協(xié)同過濾推薦算法利用評(píng)分的相關(guān)性作為依據(jù)，若2個(gè)用戶對同一個(gè)物品評(píng)分，則將它們視作近鄰用戶，并推薦被該近鄰用戶所評(píng)價(jià)過的物品。這使得基于近鄰的協(xié)同過濾推薦算法在稀疏的數(shù)據(jù)中往往存在問題[8]，其中數(shù)據(jù)的稀疏性，一方面體現(xiàn)在用戶評(píng)價(jià)過的物品數(shù)量大多數(shù)是有限的，只占物品數(shù)量中的較小部分；另一方面體現(xiàn)在，只有少量的物品被大多數(shù)用戶評(píng)價(jià)過[9]。這就會(huì)造成正樣本(positive sample)的數(shù)量很少，而負(fù)樣本(negative sample)則占了大多數(shù)的情況，對推薦系統(tǒng)造成不好的影響。

而基于模型的協(xié)同過濾推薦算法，是通過對已有的數(shù)據(jù)進(jìn)行學(xué)習(xí)，繼而得到用戶和物品的潛在特征，然后通過潛在特征構(gòu)建模型，利用模型來進(jìn)行推薦。在對潛在特征的學(xué)習(xí)過程中，由于訓(xùn)練過程中所采用的訓(xùn)練樣本會(huì)對算法的結(jié)果產(chǎn)生影響，可能會(huì)造成過擬合。為了避免出現(xiàn)過擬合的現(xiàn)象，算法在訓(xùn)練過程中同時(shí)采用正樣本和負(fù)樣本進(jìn)行訓(xùn)練。這就會(huì)導(dǎo)致一種情況的出現(xiàn)：每個(gè)用戶都具有較多的未知樣本和負(fù)樣本，當(dāng)2個(gè)基于正樣本原本不相似不互為近鄰的用戶[10]，在采用負(fù)樣本訓(xùn)練時(shí)有一定的概率出現(xiàn)因?yàn)樨?fù)樣本產(chǎn)生了相似度的情況。在數(shù)據(jù)稀疏的情況下，大多數(shù)用戶的負(fù)樣本相互之間都有交集。這種情況下所產(chǎn)生的近鄰會(huì)導(dǎo)致在多次迭代后學(xué)習(xí)到的用戶的潛在特征越來越相似，從而導(dǎo)致難以區(qū)分出與用戶喜好真正相似的用戶。

在數(shù)據(jù)稀疏的情況下，基于模型的協(xié)同過濾推薦算法存在分類準(zhǔn)確性低的問題[11]，為了解決這一問題，本文提出一種基于改進(jìn)余弦相似度[12]的協(xié)同過濾推薦算法，將數(shù)據(jù)經(jīng)嵌入層(embedding layer)轉(zhuǎn)換為特征矩陣[13]，對其計(jì)算后得到改進(jìn)余弦相似度矩陣，將其和單位矩陣之間的均方誤差作為損失函數(shù)。這種方法可以有效地增加正樣本在訓(xùn)練過程中的影響，減小負(fù)樣本在訓(xùn)練過程中的影響，提高數(shù)據(jù)稀疏情況下分類的準(zhǔn)確性。

2 相關(guān)工作

基于模型的協(xié)同過濾推薦算法，主要是通過機(jī)器學(xué)習(xí)方法或概率統(tǒng)計(jì)模型來建立模型(例如貝葉斯模型、圖模型、潛在語義模型、決策樹模型等模型)[14]，然后通過模型預(yù)測目標(biāo)用戶的偏好。近年來，因子分解機(jī)(Factorization Machine， FM)模型和在其基礎(chǔ)上衍生的場感知因子分解機(jī)(Field-aware Factorization Machine， FFM)模型在實(shí)際場景中得到廣泛的應(yīng)用。FM模型可以在數(shù)據(jù)稀疏的情況下組合特征。常見的多項(xiàng)式模型如式(1)所示：

(1)

由二次多項(xiàng)式模型可知，組合特征相關(guān)參數(shù)共有n(n-1)/2個(gè)。在數(shù)據(jù)集較為稀疏的情況下，xi或xj為0的情況非常多，ωij很難經(jīng)過訓(xùn)練得出。

(2)

由ωij構(gòu)成的矩陣如下：

(3)

對于交叉項(xiàng)利用下式進(jìn)行化簡，然后利用隨機(jī)梯度下降SGD求解：

(4)

FFM模型在FM模型的基礎(chǔ)上進(jìn)行了優(yōu)化，引入了類別(field)的概念，假設(shè)樣本的f個(gè)類別共計(jì)存在n個(gè)特征，則對于FFM模型的二次項(xiàng)而言就有n×f個(gè)隱向量。當(dāng)FMM模型的所有特征都屬于一個(gè)類別時(shí)，F(xiàn)FM可以視作FM模型。FFM模型方程如下：

(5)

FFM的二次參數(shù)為n×f×k個(gè)，其中，n為特征數(shù)量，f為類別數(shù)量，k為隱向量維數(shù)。與FM模型相比，F(xiàn)FM模型中的特征都有幾個(gè)不同的隱向量，其在稀疏度較大的輸出處理上效果更好。而且FFM模型支持并行化處理，其運(yùn)行時(shí)間較短。但這2種模型在處理高階特征和低階特征的交互信息方面存在不足。

目前，深度因子分解機(jī)(Deep Factorization Machine， DeepFM)模型在探索數(shù)據(jù)潛在特征[15]，同時(shí)學(xué)習(xí)高階特征和低階特征的交互信息方面有良好的效果。DeepFM模型通過融合因子分解機(jī)和深度神經(jīng)網(wǎng)絡(luò)，同時(shí)學(xué)習(xí)低階特征和高階特征之間的交互信息。DeepFM模型由深度神經(jīng)網(wǎng)絡(luò)部分(Deep component)和因子分解機(jī)部分(FM component)這2個(gè)部分組成。深度神經(jīng)網(wǎng)絡(luò)部分負(fù)責(zé)提取低階特征，因子分解機(jī)負(fù)責(zé)提取高階特征。這2個(gè)部分共享相同的輸入。DeepFM模型最終預(yù)測結(jié)果時(shí)將深度神經(jīng)網(wǎng)絡(luò)部分和因子分解機(jī)部分這2個(gè)部分的預(yù)測結(jié)果輸入激活函數(shù)：

(6)

圖1 因子分解機(jī)部分

圖1所示是因子分解機(jī)部分的結(jié)構(gòu)。因子分解機(jī)部分在學(xué)習(xí)特征的線性交互的同時(shí)也利用隱向量的內(nèi)積學(xué)習(xí)二階交互特征。該部分輸出如下：

(7)

深度神經(jīng)網(wǎng)絡(luò)部分的結(jié)構(gòu)如圖2所示，它是一種前饋神經(jīng)網(wǎng)絡(luò)，主要作用是學(xué)習(xí)高階特征的交互。首先引入一個(gè)嵌入層來將非常稀疏的輸入向量壓縮為較為稠密的低維向量。在嵌入層，每個(gè)特征都會(huì)被映射為低維向量，這些向量的長度相等，既可以作為隱向量在因子分解機(jī)部分中使用，也可以作為輸入在深度神經(jīng)網(wǎng)絡(luò)中使用。

圖2 深度神經(jīng)網(wǎng)絡(luò)部分

嵌入層[16]輸出公式如下：

a(0)=[e1,e2,…,em]

(8)

其中，輸入特征的個(gè)數(shù)為m，ei為輸出特征中第i個(gè)特征的嵌入值，該部分網(wǎng)絡(luò)前饋的過程可以表示如下：

a(l+1)=σ(W(l)·a(l)+b(l))

(9)

其中，l為神經(jīng)網(wǎng)絡(luò)層的深度，σ為激活函數(shù)，W(l)、a(l)、b(l)分別為權(quán)重、隱層輸出和第l層的偏置。深度神經(jīng)網(wǎng)絡(luò)隨后生成低維度的特征向量輸入激活函數(shù)，最終的輸出如下：

yDNN=σ(W|H|+1·a|H|+b|H|+1)

(10)

其中，|H|為隱藏層的數(shù)量。

嵌入層結(jié)構(gòu)如圖3所示，嵌入層產(chǎn)生的向量長度相同，從因子分解機(jī)得到的隱向量Rik是嵌入層網(wǎng)絡(luò)的權(quán)重。

圖3 嵌入層結(jié)構(gòu)

3 基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法

基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法，是將數(shù)據(jù)利用嵌入層進(jìn)行映射從而轉(zhuǎn)換為特征矩陣，將對其計(jì)算后得到的改進(jìn)余弦相似度矩陣和單位矩陣之間的均方誤差作為損失函數(shù)，以此來減小負(fù)樣本在訓(xùn)練過程中對學(xué)習(xí)潛在特征造成的不利影響，提高數(shù)據(jù)稀疏情況下分類的準(zhǔn)確性。

在實(shí)際的應(yīng)用場景中，數(shù)據(jù)的稀疏性是指由于數(shù)據(jù)規(guī)模非常大，使得用戶對物品的選擇之間存在的重疊非常少。大部分評(píng)分?jǐn)?shù)據(jù)都是未知的，以Movielens-10M數(shù)據(jù)集為例，評(píng)分?jǐn)?shù)據(jù)以0.5分為間隔在0.5～5分之間分布。

在實(shí)際場景中，不同的用戶在評(píng)分標(biāo)準(zhǔn)上存在一定程度的不同[17]，有的用戶評(píng)分標(biāo)準(zhǔn)比較嚴(yán)格，即使對偏好的物品也會(huì)給出偏低的評(píng)分，而有的用戶標(biāo)準(zhǔn)相對較低，對于偏好程度較低的物品給出的評(píng)分依然會(huì)很高，這種情況會(huì)影響到計(jì)算相似性。因此要對數(shù)據(jù)做歸一化處理。常用的歸一化方法有最小最大歸一化(Min-Max Normalization)[18]和1標(biāo)準(zhǔn)差歸一化(z-score Normalization)[19]。

最小最大歸一化是將數(shù)值線性變換到[0,1]之中。變換公式如下：

(11)

其中，max和min分別為數(shù)據(jù)樣本的最大值和最小值，在數(shù)據(jù)集引入新的數(shù)據(jù)時(shí)，會(huì)引起最大值和最小值產(chǎn)生變化，從而需要重新定義。

而1標(biāo)準(zhǔn)差歸一化是使數(shù)據(jù)變?yōu)?均值、1標(biāo)準(zhǔn)差，其公式如下：

(12)

其中，x是原始數(shù)據(jù)，z為歸一化后的數(shù)據(jù)，對于M×N的矩陣，M為樣本數(shù)，N為特征的個(gè)數(shù)，需要變換的均值和方差是矩陣的均值和方差。

在數(shù)據(jù)的處理過程中，對數(shù)據(jù)采用1標(biāo)準(zhǔn)差歸一化處理。

余弦相似度[18]的計(jì)算公式如下：

(13)

其中，x1k、x2k分別是2個(gè)向量在第k個(gè)維度上的值。當(dāng)2個(gè)向量越相似時(shí)，兩者之間的夾角越小，其相似度越大。當(dāng)相似度為負(fù)數(shù)時(shí)2個(gè)向量為負(fù)相關(guān)。

余弦相似度存在的問題是對數(shù)值不夠敏感，因其主要是區(qū)分向量間的方向差異，難以衡量向量不同維度在數(shù)值上的差異，這使得評(píng)價(jià)用戶相似度時(shí)出現(xiàn)偏差。以MovieLens數(shù)據(jù)集中用戶對電影的評(píng)分為例[20]，A和B這2個(gè)用戶對X和Y這2部電影的評(píng)分分別為(2，1)和(5，4)，二者的余弦相似度為0.98，從結(jié)果上看用戶A和B的偏好非常相似，但是從評(píng)分上看用戶A對X和Y這2部電影評(píng)價(jià)并不算高，而用戶B則十分偏好這2部電影，由于余弦相似度對數(shù)值不夠敏感，因此使用其作為計(jì)算用戶偏好相似度的依據(jù)時(shí)會(huì)出現(xiàn)一定的偏差。

為了修正這種偏差，本文采用改進(jìn)余弦相似度來衡量[21]，即在向量的每個(gè)維度上都減去用戶對電影的評(píng)分均值，例如用戶A和用戶B對電影的評(píng)分均值為3，修正后為(-1，-2)和(2，1)，二者的改進(jìn)余弦相似度為-0.8，這反映用戶A和用戶B的偏好存在差異，這個(gè)結(jié)果更符合實(shí)際情況。在實(shí)驗(yàn)中對數(shù)據(jù)都是作歸一化處理。

(14)

將數(shù)據(jù)經(jīng)嵌入層轉(zhuǎn)換為特征矩陣，對其計(jì)算后得到改進(jìn)余弦相似度矩陣，位于矩陣第i行j列的元素，代表的是第i個(gè)用戶與第j個(gè)用戶之間的改進(jìn)余弦相似度。

在數(shù)據(jù)稀疏的場景下，推薦系統(tǒng)面臨的是復(fù)雜的非線性映射問題，所以本文使用的損失函數(shù)主要用于解決非線性問題。

使用均方誤差(Mean Square Error)作為損失函數(shù)，其公式如下：

(15)

在得到改進(jìn)余弦相似度矩陣之后，進(jìn)而計(jì)算它和單位矩陣之間的均方誤差，將其作為損失函數(shù)，并用該部分的損失函數(shù)結(jié)合基線模型的損失函數(shù)，而該部分的損失函數(shù)，在兩者中所占的權(quán)重較小。

這種基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法，通過加入改進(jìn)余弦相似度進(jìn)行約束的優(yōu)化問題的構(gòu)造，能夠令與目標(biāo)用戶偏好真正相似的用戶在對樣本進(jìn)行訓(xùn)練的過程中，利用正樣本產(chǎn)生更大的相似度，使其從學(xué)習(xí)到的相似潛在特征中區(qū)分出來，提高數(shù)據(jù)稀疏情況下分類的準(zhǔn)確性。

4 實(shí)驗(yàn)結(jié)果分析

4.1 數(shù)據(jù)集

本文的實(shí)驗(yàn)數(shù)據(jù)采用MovieLens-10M數(shù)據(jù)集，在實(shí)驗(yàn)中，該數(shù)據(jù)集被用于評(píng)價(jià)基于模型的協(xié)同過濾算法推薦效果，數(shù)據(jù)集中包含了10681部電影的信息、71567個(gè)用戶的信息和10×106條評(píng)分?jǐn)?shù)據(jù)。每條評(píng)分記錄有用戶ID、電影ID、評(píng)分、時(shí)間戳4個(gè)屬性。電影評(píng)分為0.5～5，以0.5為間隔，評(píng)分越低時(shí)，用戶對該電影的偏好度越低[22]。

在選取實(shí)驗(yàn)數(shù)據(jù)時(shí)，選擇每個(gè)用戶的70%評(píng)分信息作為訓(xùn)練數(shù)據(jù)，選擇其余的30%作為測試數(shù)據(jù)。數(shù)據(jù)集評(píng)分密度為1.3%，評(píng)分密度是指平均每個(gè)用戶評(píng)價(jià)多少個(gè)項(xiàng)目，可見Movielens-10M數(shù)據(jù)集具有顯著的稀疏性。在實(shí)驗(yàn)中對MovieLens-10M數(shù)據(jù)集采用五折交叉驗(yàn)證(5-Fold Cross Validation)，共進(jìn)行5次劃分，在每一折實(shí)驗(yàn)中，基于訓(xùn)練集數(shù)據(jù)預(yù)測測試集數(shù)據(jù)，并通過比較預(yù)測評(píng)分與真實(shí)評(píng)分得出每一折的MSE值，最后取結(jié)果的平均值。

4.2 實(shí)驗(yàn)環(huán)境和評(píng)價(jià)指標(biāo)

本文實(shí)驗(yàn)所采用的環(huán)境為Linux版本Ubuntu 16.04，采用GPU進(jìn)行訓(xùn)練，顯卡為Tesla K40。參數(shù)設(shè)置上DeepFM模型和在DeepFM模型基礎(chǔ)上改進(jìn)的基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法均使用TensorFlow實(shí)現(xiàn)。對于基線算法和本文提出的優(yōu)化方法，F(xiàn)M隱向量的維數(shù)均為8，在深度神經(jīng)網(wǎng)絡(luò)部分的網(wǎng)絡(luò)層數(shù)分別為10和5，學(xué)習(xí)速率設(shè)置為0.01，批處理大小為100，基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法的損失函數(shù)與DeepFM模型的損失函數(shù)相比所占權(quán)重較小，實(shí)驗(yàn)中設(shè)為0.0001。

本文采用AUC(Area Under the ROC Curve， ROC曲線下面積)和對數(shù)損失函數(shù)(Logloss)作為評(píng)價(jià)指標(biāo)來描述推薦效果。

受試者工作特性曲線 (Receiver Operator Characteristic Curve， ROC曲線)是反映二分類器的分類性能的指標(biāo)[23]。在常見的二分類預(yù)測問題中，當(dāng)分類預(yù)測的結(jié)果和實(shí)際結(jié)果同時(shí)為正類時(shí)，被稱作真陽性；當(dāng)分類預(yù)測的結(jié)果和實(shí)際結(jié)果同時(shí)為負(fù)類時(shí)，則稱作真陰性。在預(yù)測結(jié)果為負(fù)類，實(shí)際結(jié)果為正類時(shí)稱為假陰性。當(dāng)預(yù)測結(jié)果為正類，而實(shí)際結(jié)果則為負(fù)類時(shí)，稱為假陽性，這種情況下的樣例，其在實(shí)際結(jié)果為負(fù)類的全部樣例中的比率被稱作假陽率，而正確預(yù)測為正類的實(shí)例在所有實(shí)際結(jié)果為正例的實(shí)例中的比例被稱作真陽率。

假陽率和真陽率分別對應(yīng)著在ROC空間中的橫軸坐標(biāo)和縱軸坐標(biāo)。同樣一個(gè)二分類器，隨著閾值t的不斷改變，其對應(yīng)的坐標(biāo)點(diǎn)的連線即為該分類器的ROC曲線。在ROC空間中，曲線在左上方，其分類器性能較好，曲線在右下方，其分類器性能較差[24]，點(diǎn)(0，1)代表的分類器，是最完美的，點(diǎn)(1，0)代表的分類器是一個(gè)最糟糕的分類器。

ROC曲線下面積AUC是衡量分類器分類精度的重要評(píng)價(jià)指標(biāo)[25]，ROC曲線下的區(qū)域面積，被定義為AUC，其越大代表分類器分類能力越強(qiáng)。分類器在AUC=1時(shí)最完美，在AUC=0.5時(shí)，分類器沒有價(jià)值，因?yàn)槠浣Y(jié)果是隨機(jī)的。

當(dāng)分類器的輸出結(jié)果為樣本屬于正類的置信度時(shí)，AUC為隨機(jī)抽取一對樣本其中正樣本的置信度大于負(fù)樣本置信度的概率。AUC可以通過直接計(jì)算ROC曲線下的面積得到，也可以通過計(jì)算正樣本置信度大于負(fù)樣本置信度的概率得到，按照置信度從大到小排序，正樣本的置信度大于負(fù)樣本置信度的概率根據(jù)式(16)計(jì)算：

(16)

其中，M為正樣本數(shù)，N為負(fù)樣本數(shù)，置信度最大的樣本rank為n，次大的樣本rank為n-1，按照這個(gè)規(guī)律類推。實(shí)驗(yàn)中，將正樣本定義為評(píng)分大于2.5的樣本，其他的樣本定義為負(fù)樣本。

AUC在評(píng)價(jià)分類器精度時(shí)被普遍地使用，AUC在類不平衡的情況下十分穩(wěn)定，能夠比較準(zhǔn)確地體現(xiàn)特征對于實(shí)例分布的區(qū)分程度。

對數(shù)損失函數(shù)Logloss，也被稱為交叉熵?fù)p失函數(shù)或者邏輯回歸損失函數(shù)，主要被當(dāng)作是評(píng)價(jià)二分類問題模型的準(zhǔn)確度的評(píng)價(jià)指標(biāo)，其定義如式(17)所示：

(17)

其中，N為樣本總數(shù)，yi為第i個(gè)樣本的標(biāo)簽，hi為模型預(yù)測點(diǎn)擊的概率。

AUC和對數(shù)損失函數(shù)Logloss是在評(píng)價(jià)基于模型的協(xié)同過濾推薦算法中常被用到的評(píng)價(jià)指標(biāo)。

4.3 實(shí)驗(yàn)結(jié)果及分析

本文對實(shí)驗(yàn)結(jié)果從有效性和性能這2個(gè)方面對模型進(jìn)行分析和對照。

為了容易在圖形上進(jìn)行直觀展示，對于在FM模型、FFM模型和DeepFM模型方案上分別實(shí)現(xiàn)的基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法，記為“FM+”、“FFM+”和“DeepFM+”。模型的有效性對比如圖4～圖6所示。

圖4 各模型Logloss結(jié)果對比

圖5 各模型AUC結(jié)果對比

圖6 各模型與FM模型的訓(xùn)練時(shí)間比值

根據(jù)實(shí)驗(yàn)結(jié)果，在Logloss和AUC指標(biāo)的表現(xiàn)上基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法均要好于基線算法，其中“FM+”模型比FM模型在AUC上提升8.32%，在Logloss上降低6.56%?！癋FM+”模型比FFM模型在AUC上提升5.68%，在Logloss上降低7.2%。“DeepFM+”模型比DeepFM模型在AUC上提升10.04%，在Logloss上降低8.1%。表明本文提出的算法有效地提高了分類的準(zhǔn)確性。

算法的運(yùn)行效率在實(shí)際場景中也十分重要。本文以FM模型為基準(zhǔn)來衡量每個(gè)模型的訓(xùn)練時(shí)間。訓(xùn)練時(shí)間評(píng)價(jià)指標(biāo)如公式(18)所示：

(18)

在訓(xùn)練時(shí)間上，“FM+”模型比FM模型多5.2%，“FFM+”模型比FFM模型多6%，“DeepFM+”模型較DeepFM模型多3%。這組對照實(shí)驗(yàn)表明，在可以明顯提高推薦效果的情況下，本文提出的基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法所增加的訓(xùn)練時(shí)間并不多。

5 結(jié)束語

在數(shù)據(jù)稀疏的情況下，2個(gè)基于正樣本原本不相似的用戶在傳統(tǒng)的協(xié)同過濾推薦算法中采用負(fù)樣本訓(xùn)練時(shí)，會(huì)有一定概率出現(xiàn)因?yàn)樨?fù)樣本產(chǎn)生了相似度的情況，從而使算法在多次迭代后學(xué)習(xí)到的用戶的潛在特征越來越相似，導(dǎo)致難以區(qū)分出與用戶喜好真正相似的用戶、分類準(zhǔn)確性低的問題。

為了解決在數(shù)據(jù)稀疏的條件下，基于模型的協(xié)同過濾推薦算法存在的分類準(zhǔn)確性低的問題，本文提出了一種基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法，將數(shù)據(jù)經(jīng)嵌入層轉(zhuǎn)換為特征矩陣，將對其計(jì)算后得到的改進(jìn)余弦相似度矩陣和單位矩陣之間的均方誤差作為損失函數(shù)。

實(shí)驗(yàn)結(jié)果表明，在AUC和Logloss指標(biāo)的表現(xiàn)上，本文提出的基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法均優(yōu)于基線算法。而與此同時(shí)，基于改進(jìn)余弦相似度的協(xié)同過濾推薦算法所產(chǎn)生的訓(xùn)練時(shí)間開銷也都是可以接受的。通過這種方法，可以有效地提高正樣本在訓(xùn)練過程中的影響，減小負(fù)樣本在訓(xùn)練過程中的影響，提高數(shù)據(jù)稀疏情況下分類的準(zhǔn)確性。在未來的工作中，將研究如何將更多的樣本信息也融入改進(jìn)算法之中，以此來進(jìn)一步地提高算法的推薦性能。