李冬

（商丘職業(yè)技術(shù)學(xué)院，河南 商丘 476001）

0 引言

伴隨著信息技術(shù)的高速發(fā)展，數(shù)字媒體技術(shù)日新月異，大量的數(shù)字資源的誕生和普及，對(duì)數(shù)字資源服務(wù)也提出越來(lái)越高的要求，如何從海量的數(shù)字圖書(shū)中，根據(jù)相關(guān)的數(shù)據(jù)信息，為讀者提供高質(zhì)量、差異化、個(gè)性化的圖書(shū)推薦愈發(fā)重要。提高圖書(shū)推薦的效率和準(zhǔn)確率，提高讀者的滿意度、粘合度是各種數(shù)字圖書(shū)平臺(tái)努力的目標(biāo)和方向。

基于各種算法建立起來(lái)的數(shù)字圖書(shū)推薦系統(tǒng)是根據(jù)讀者的個(gè)人偏好，提供差異化圖書(shū)推薦的有效方法。算法是推薦系統(tǒng)高效、準(zhǔn)確運(yùn)行的基礎(chǔ)和關(guān)鍵，目前推薦系統(tǒng)常用的算法有基于內(nèi)容的推薦算法、基于知識(shí)的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法、基于協(xié)同過(guò)濾推薦算法以及基于模型的各類推薦算法［1］。以這些算法建立起來(lái)的推薦系統(tǒng)通過(guò)對(duì)用戶歷史行為數(shù)據(jù)的分析，得出用戶的真實(shí)需求，向用戶推薦相關(guān)的產(chǎn)品及信息，隨著正反饋結(jié)果的不斷提高，加強(qiáng)了用戶和平臺(tái)間的緊密度，實(shí)現(xiàn)用戶鏈?zhǔn)椒磻?yīng)增值，這些推薦系統(tǒng)在電子商務(wù)、音視頻推薦、新聞、圖書(shū)等很多領(lǐng)域已經(jīng)取得的廣泛的應(yīng)用，產(chǎn)生了很好的經(jīng)濟(jì)效益和社會(huì)效益。

數(shù)字圖書(shū)和普通圖書(shū)相比在數(shù)據(jù)信息和數(shù)據(jù)質(zhì)量上更加的豐富和準(zhǔn)確，讀者對(duì)數(shù)字圖書(shū)的評(píng)價(jià)可以更加的便捷、有效，數(shù)字圖書(shū)的名稱、簡(jiǎn)介、評(píng)論、作者、出版社、出版時(shí)間、上線時(shí)間、搜索量、瀏覽頻次、頁(yè)面停留時(shí)間等因素都可能會(huì)影響讀者的興趣偏好?；谀骋惶卣鹘⑵饋?lái)的推薦系統(tǒng)，在一定程度上欠缺了對(duì)其它影響因素的考慮，在推薦的有效性上略顯不足。因此，本文提出一種融合數(shù)字圖書(shū)多項(xiàng)特征的推薦算法，并以此為基礎(chǔ)建立推薦模型。

1 多特征數(shù)字圖書(shū)的數(shù)據(jù)處理

通過(guò)對(duì)多個(gè)數(shù)字圖書(shū)管理系統(tǒng)中的數(shù)據(jù)研究發(fā)現(xiàn)，數(shù)字圖書(shū)的數(shù)據(jù)屬性主要有名稱、簡(jiǎn)介、評(píng)論、作者、出版社、出版時(shí)間、讀者信息、圖書(shū)評(píng)分等等。找到合適的方法，融合這些數(shù)據(jù)，以此為基礎(chǔ)構(gòu)建數(shù)字圖書(shū)的推薦方法，下面介紹各種數(shù)據(jù)特征的處理和模型構(gòu)建。

1.1 數(shù)字圖書(shū)簡(jiǎn)介信息的數(shù)據(jù)處理及特征提取

數(shù)字圖書(shū)簡(jiǎn)介信息主要采用文本展示，基于卷積神經(jīng)網(wǎng)絡(luò)CNN 在文字識(shí)別中表現(xiàn)出較好的識(shí)別效果，并且對(duì)于未知樣本的類標(biāo)號(hào)也具有較好的預(yù)測(cè)性，本文采用卷積矩陣分解ConvMF 的算法，對(duì)數(shù)字圖書(shū)簡(jiǎn)介信息進(jìn)行處理，得到數(shù)字圖書(shū)預(yù)測(cè)評(píng)分矩陣P1。

忽略標(biāo)點(diǎn)符號(hào)、空格等無(wú)效信息，通過(guò)Word2Vec模型計(jì)算得到數(shù)字圖書(shū)簡(jiǎn)介信息的詞向量矩陣，輸入CNN 中。每條數(shù)字圖書(shū)的最大簡(jiǎn)介信息單詞數(shù)為max_lenth＝300，超出單詞直接截?cái)?。所有?shù)字圖書(shū)簡(jiǎn)介信息單詞形成序列L，基于數(shù)據(jù)庫(kù)中數(shù)據(jù)大小的考慮，選取出現(xiàn)最多的前2 000個(gè)單詞組成列表Vs，用UNK 對(duì)應(yīng)的詞向量表示僅在L 中出現(xiàn)的單詞。數(shù)字圖書(shū)簡(jiǎn)介信息組成m × n矩陣，m為簡(jiǎn)介信息的單詞序列，n為每個(gè)單詞向量維度；如若卷積神經(jīng)網(wǎng)絡(luò)輸出的數(shù)字圖書(shū)分類類別為未知，則視未知類別數(shù)字圖書(shū)特征向量為V1。

定義讀者數(shù)量為M，數(shù)字圖書(shū)數(shù)量為N，Ui表示讀者特征向量，Vj表示數(shù)字圖書(shū)特征向量，Rij表示讀者i對(duì)數(shù)字圖書(shū)j的評(píng)分，W為卷積神經(jīng)網(wǎng)絡(luò)中的權(quán)重向量，Wk為第k列元素，ε表示讀者整體評(píng)分矩陣R與讀者、數(shù)字圖書(shū)的特征向量?jī)?nèi)積之差的方差，εu、εv、εw分別為讀者特征向量矩陣U、數(shù)字圖書(shū)特征矩陣V和卷積神經(jīng)網(wǎng)絡(luò)中內(nèi)部權(quán)重W的方差。結(jié)合公式（1），利用隨即梯度下降法求解U和V。

卷積矩陣分解算法中引入概率模型優(yōu)化矩陣分解，利用已知數(shù)據(jù)預(yù)測(cè)評(píng)分矩陣中的未知值，將上文得到數(shù)字圖書(shū)特征向量V1與矩陣概率分解相結(jié)合，能很好地預(yù)測(cè)讀者對(duì)數(shù)字圖書(shū)的預(yù)測(cè)評(píng)分P1，P1的取值在［0，5］之間。

1.2 數(shù)字圖書(shū)評(píng)論信息處理

讀者對(duì)數(shù)字圖書(shū)的評(píng)論會(huì)用許多帶有感情色彩的詞匯，這些詞匯也是讀者對(duì)圖書(shū)喜愛(ài)程度的表達(dá)，對(duì)圖書(shū)推薦具有重要的參考價(jià)值。因此，對(duì)這些圖書(shū)評(píng)論中詞匯進(jìn)行量化處理，得到讀者對(duì)數(shù)字圖書(shū)的預(yù)測(cè)評(píng)分矩陣P2。

用AFINN 情感詞典對(duì)圖書(shū)評(píng)論中的情感詞匯進(jìn)行量化，每一個(gè)關(guān)鍵性詞匯對(duì)應(yīng)一個(gè)情感分值，取值范圍在［－5，5］之間，經(jīng)過(guò)處理計(jì)算可以得到每條評(píng)論的總情感分值［2］。利用Python 自然語(yǔ)言工具包對(duì)評(píng)論語(yǔ)言進(jìn)行分詞，并根據(jù)Natural Language Toolkit 中的停用詞表，進(jìn)行停用詞過(guò)濾，建立結(jié)構(gòu)化的評(píng)論數(shù)據(jù)［3］。

AFINN 情感取值介于［－5，5］之間，因此可以將正向積極的評(píng)論取值為（0，5］，負(fù)向消極的評(píng)論取值為（0，－5］，中性評(píng)價(jià)取值為0，利用公式（2）計(jì)算得出總的情感分值。

其中，Qui＝(w1，w2，…，wj)，Qui表示讀者u對(duì)數(shù)字圖書(shū)i的結(jié)構(gòu)化評(píng)論；wj是第j個(gè)單詞或詞匯；W(wj) 是每個(gè)單詞或詞匯的情感分值；K為AFINN中的詞匯。

利用公式（3）對(duì)G(Qui) 所得結(jié)果進(jìn)行泛化處理，使其結(jié)果取值在［0，5］之間，x∈[－5，5]，y∈［0，5］，得到讀者評(píng)論的圖書(shū)預(yù)測(cè)評(píng)分矩陣P2。

半個(gè)多世紀(jì)以來(lái)，超高速碰撞不僅在極端條件下的物性與高壓狀態(tài)方程、高溫高壓高應(yīng)變率下材料動(dòng)態(tài)響應(yīng)特性、材料科學(xué)、生命起源、行星與地球物理等基礎(chǔ)學(xué)科研究中發(fā)揮了重要作用，而且推動(dòng)了常規(guī)武器與核武器武器物理、慣性約束聚變(ICF)、核反應(yīng)堆安全防護(hù)設(shè)計(jì)、航天器空間碎片防護(hù)、反彈道導(dǎo)彈、輕質(zhì)裝甲設(shè)計(jì)、飛機(jī)和車輛受撞擊時(shí)乘員與貨物的安全防護(hù)等工程應(yīng)用研究的快速發(fā)展。本文在概要介紹超高速碰撞現(xiàn)象及其關(guān)鍵科學(xué)問(wèn)題的基礎(chǔ)上，評(píng)述了超高速碰撞應(yīng)用于航天器空間碎片防護(hù)、小行星撞擊地球防御研究的若干近期進(jìn)展, 展望了研究發(fā)展趨勢(shì)。

1.3 對(duì)圖書(shū)作者和出版社進(jìn)行數(shù)據(jù)建模

作者、出版社對(duì)于數(shù)字圖書(shū)的評(píng)分也有著較高的影響力，因此將其作為影響圖書(shū)最終預(yù)測(cè)評(píng)分的影響因子，賦予一定的權(quán)重。

最近鄰方法KNN 可以對(duì)一個(gè)不知類別的樣本找出最相似的近鄰用戶進(jìn)行分類，采用此方法求出近鄰讀者對(duì)作者ds所有數(shù)字圖書(shū)的評(píng)分均值，以及近鄰讀者對(duì)出版社eo所有數(shù)字圖書(shū)的評(píng)分均值，利用公式（4）計(jì)算出其均值，作為作者、出版社共同影響下，讀者對(duì)數(shù)字圖書(shū)i綜合評(píng)分為P(i)dseo，表示作者為ds，出版社為eo，讀者對(duì)圖書(shū)i的綜合評(píng)分。

根據(jù)P(i)dseo得出的結(jié)果，利用公式（5）可以構(gòu)建讀者u對(duì)圖書(shū)i的評(píng)分預(yù)測(cè)矩陣P3，P′(ui)為讀者u對(duì)圖書(shū)i的評(píng)分。

1.4 讀者－圖書(shū)評(píng)分?jǐn)?shù)據(jù)的處理

基于讀者、圖書(shū)、圖書(shū)評(píng)分矩陣，通過(guò)協(xié)同過(guò)濾技術(shù)進(jìn)行圖書(shū)推薦已相對(duì)成熟，無(wú)需對(duì)數(shù)據(jù)再進(jìn)行特別的處理。根據(jù)數(shù)據(jù)源D＝（U，I，R），結(jié)合協(xié)同過(guò)濾算法，利用余弦相似度計(jì)算，可以得到目標(biāo)讀者對(duì)圖書(shū)的預(yù)測(cè)評(píng)分矩陣P4，其中U＝｛User1，User2，…，Useri｝為讀者樣本集合，I＝｛Item1，Item2，…，Itemj｝為數(shù)字圖書(shū)樣本集合，R為i × j階矩陣，是已有讀者對(duì)各數(shù)字圖書(shū)的實(shí)際評(píng)分矩陣。

2 融合多特征數(shù)字圖書(shū)數(shù)據(jù)的模型構(gòu)建

根據(jù)多特征數(shù)字圖書(shū)的數(shù)據(jù)處理，重點(diǎn)研究了圖書(shū)簡(jiǎn)介信息、圖書(shū)評(píng)論、圖書(shū)作者和出版社以及圖書(shū)的評(píng)分等影響因子，以此為基礎(chǔ)分別構(gòu)建了讀者對(duì)數(shù)字圖書(shū)的預(yù)測(cè)評(píng)分矩陣P1、P2、P3、P4，將每個(gè)影響因子賦予一定的權(quán)重，利用公式（6）融合計(jì)算，作為最終預(yù)測(cè)評(píng)分Pui。

其中，α、β、γ、δ為不同預(yù)測(cè)評(píng)分矩陣相應(yīng)的權(quán)重，并且α＋β＋γ＋δ＝1，通過(guò)問(wèn)卷調(diào)查的方式獲取圖書(shū)簡(jiǎn)介信息、圖書(shū)評(píng)論、圖書(shū)作者和出版社以及圖書(shū)的評(píng)分等因素對(duì)讀者選擇圖書(shū)的直觀影響程度，根據(jù)問(wèn)卷結(jié)果，設(shè)定α、β、γ、δ的初始值，不斷調(diào)整權(quán)重，對(duì)不同的權(quán)重組合進(jìn)行比較，取最小的MAE值所對(duì)應(yīng)的α、β、γ、δ值作為公式中的權(quán)重值。

Pui為讀者u對(duì)圖書(shū)i綜合多特征的預(yù)測(cè)評(píng)分，根據(jù)前文所述，P1為讀者u根據(jù)圖書(shū)簡(jiǎn)介信息對(duì)圖書(shū)i的預(yù)測(cè)評(píng)分；P2為讀者u根據(jù)圖書(shū)評(píng)論對(duì)圖書(shū)i的預(yù)測(cè)評(píng)分；P3為讀者u根據(jù)圖書(shū)作者和出版社對(duì)圖書(shū)i的預(yù)測(cè)評(píng)分；P4為讀者u根據(jù)圖書(shū)的評(píng)分對(duì)圖書(shū)i的預(yù)測(cè)評(píng)分，P1，P2，P3，P4∈［0，5］。根據(jù)已經(jīng)確定的α、β、γ、δ權(quán)重值分別賦予P1、P2、P3、P4，αP1＋βP2＋γP3＋δP4所得結(jié)果即為Pui，得到目標(biāo)讀者對(duì)未選擇圖書(shū)的綜合預(yù)測(cè)評(píng)分后，根據(jù)評(píng)分由高到底排序，將評(píng)分最高的前k個(gè)圖書(shū)推薦給該讀者。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

3.2 評(píng)價(jià)指標(biāo)

平均絕對(duì)偏差MAE（Mean Absolute Error）體現(xiàn)預(yù)測(cè)評(píng)分與真實(shí)評(píng)分之間的偏差平均值，計(jì)算公式如式（7）所示：

其中，n為讀者數(shù)量；Pi為預(yù)測(cè)讀者評(píng)分集合{p1，p2，…，pN}；ri為實(shí)際讀者評(píng)分集合{r1，r2，…，rN}；計(jì)算出的MAE值越小，誤差越小，推薦效果越好。

3.3 實(shí)驗(yàn)結(jié)果及分析

首先進(jìn)行權(quán)重調(diào)整實(shí)驗(yàn)，獲得最佳的權(quán)重組合對(duì)數(shù)字圖書(shū)的評(píng)分矩陣P1、P2、P3、P4權(quán)重賦值，然后驗(yàn)證融合多特征數(shù)字圖書(shū)推薦性能。

3.3.1 權(quán)重調(diào)整實(shí)驗(yàn)

權(quán)重α、β、γ、δ取值組合范圍較大，通過(guò)對(duì)50位讀者直觀感受和實(shí)際經(jīng)驗(yàn)進(jìn)行的問(wèn)卷調(diào)查顯示，數(shù)字圖書(shū)簡(jiǎn)介信息、讀者評(píng)論、評(píng)分對(duì)其選擇圖書(shū)的影響較大，因此可以假定數(shù)字圖書(shū)簡(jiǎn)介信息、讀者評(píng)論、評(píng)分對(duì)圖書(shū)推薦結(jié)果的影響較大，作者、出版社對(duì)圖書(shū)推薦結(jié)果的影響較小，設(shè)置初始值α＝0.3，β＝0.3、γ＝0.3、δ＝0.1，不斷調(diào)整權(quán)重進(jìn)行測(cè)試。鄰居數(shù)N在10－50 之間取值，當(dāng)N取值30時(shí)，不同權(quán)重對(duì)應(yīng)的MAE值見(jiàn)表1。

表1 N＝30時(shí)不同權(quán)重對(duì)應(yīng)MAE值Tab.1 N＝30，Different weights correspond to MAE values

實(shí)驗(yàn)結(jié)果如圖1 所示，權(quán)重編號(hào)為4、12、19時(shí)MAE值較小，采用權(quán)重編號(hào)4 所對(duì)應(yīng)的權(quán)重，取值α＝0.2、β＝0.3、γ＝0.1、δ＝0.4 進(jìn)行后續(xù)的數(shù)字圖書(shū)推薦實(shí)驗(yàn)。

圖1 N＝30時(shí)不同權(quán)重編號(hào)對(duì)應(yīng)的MAE值Fig.1 N＝30，Different weights serial number correspond to MAE values

3.3.2 融合多特征數(shù)字圖書(shū)推薦性能實(shí)驗(yàn)

該實(shí)驗(yàn)驗(yàn)證本文提出的融合多特征數(shù)字圖書(shū)推薦性能，用協(xié)同過(guò)濾算法CF 與本文提出的方法進(jìn)行對(duì)比，比較平均絕對(duì)偏差MAE值。協(xié)同過(guò)濾算法CF 得到的預(yù)測(cè)評(píng)分矩陣就是目標(biāo)讀者對(duì)圖書(shū)的預(yù)測(cè)評(píng)分矩陣P4，得出的MAE值如圖2 所示。

圖2 最近鄰居數(shù)變化時(shí)對(duì)應(yīng)的MAE值Fig.2 MAE values of nearest neighbors’ number changes

實(shí)驗(yàn)表明，融合多特征數(shù)字圖書(shū)推薦方法與協(xié)同過(guò)濾CF 算法相比較，MAE值均最小，表明本文提出的數(shù)字圖書(shū)推薦方法的有效性，該方法在一定程度上提高了數(shù)字圖書(shū)的推薦性能，獲得了較好的推薦效果。

4 結(jié)束語(yǔ)

數(shù)字圖書(shū)具有多特征屬性，隨著現(xiàn)代信息技術(shù)的發(fā)展，數(shù)字圖書(shū)特征數(shù)據(jù)已經(jīng)極大的豐富，這為融合多特征數(shù)字圖書(shū)推薦奠定了基礎(chǔ)。本文通過(guò)對(duì)數(shù)字圖書(shū)特征的分析，考慮圖書(shū)簡(jiǎn)介、讀者評(píng)論、作者、出版社、讀者評(píng)分等多種影響因素，分別對(duì)圖書(shū)評(píng)分進(jìn)行預(yù)測(cè)，對(duì)預(yù)測(cè)結(jié)果加權(quán)融合，賦予一定的權(quán)重，以此提高圖書(shū)的推薦性能。通過(guò)實(shí)驗(yàn)證明該方法優(yōu)于協(xié)同過(guò)濾CF 算法，具有更好的數(shù)字圖書(shū)推薦性能。