蘇 湛，黃 忠，艾 均

(上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院，上海 200093)

1 引言(Introduction)

隨著互聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，在網(wǎng)上“遨游”的人們時(shí)時(shí)刻刻都在生產(chǎn)出大量的數(shù)據(jù)，人類從信息匱乏變成信息過載。海量數(shù)據(jù)使消費(fèi)者很難找到自己最感興趣的信息，而互聯(lián)網(wǎng)上的商家也需要一種技術(shù)來幫助他們找到真正對(duì)產(chǎn)品感興趣的潛在消費(fèi)者。尤其是當(dāng)下新型冠狀病毒肺炎疫情促使人們?cè)桨l(fā)依賴互聯(lián)網(wǎng)進(jìn)行消費(fèi)、學(xué)習(xí)和交流，從而進(jìn)一步加劇了這一問題。

能夠解決這一問題的個(gè)性化推薦算法具有重要的應(yīng)用價(jià)值，設(shè)計(jì)恰當(dāng)?shù)哪Ｐ腿ダ斫庥脩羝?，預(yù)測(cè)用戶行為，對(duì)人工智能和機(jī)器學(xué)習(xí)理論的進(jìn)一步發(fā)展也具有重要的推動(dòng)作用，因此個(gè)性化推薦算法在相關(guān)領(lǐng)域得到了廣泛的研究。亞馬遜、Facebook、京東、淘寶等公司都擁有自己的個(gè)性化推薦系統(tǒng)和算法，此外包括電影、音樂推薦等細(xì)分領(lǐng)域?qū)€(gè)性化推薦算法的應(yīng)用也同樣廣泛。

本文通過研究用戶間共同評(píng)分相似性對(duì)潛在用戶進(jìn)行篩選，使用篩選之后的鄰居集合預(yù)測(cè)目標(biāo)的評(píng)分，然后按照預(yù)測(cè)結(jié)果生成推薦列表，在有效的數(shù)據(jù)集上驗(yàn)證算法的有效性。

2 相關(guān)工作(Related work)

2.1 推薦系統(tǒng)分類和問題

根據(jù)領(lǐng)域內(nèi)的一般理解，個(gè)性化推薦算法可以分為四種主要類型：基于內(nèi)容的推薦算法、協(xié)同過濾推薦算法、基于知識(shí)的推薦算法和混合推薦算法。

第一類，基于內(nèi)容(Content-based)的個(gè)性化推薦算法用物品的描述性屬性來進(jìn)行有針對(duì)性的推薦?！皟?nèi)容”指的就是對(duì)物品特征的描述，表示內(nèi)容特征的標(biāo)簽就是這一類推薦算法的一種常見計(jì)算形式。例如，當(dāng)一個(gè)用戶對(duì)“史詩”類型電影常常給予高評(píng)價(jià)時(shí)，帶有“史詩”標(biāo)簽的新電影就可以推薦給該用戶。算法會(huì)基于用戶歷史數(shù)據(jù)判斷出用戶對(duì)這一內(nèi)容標(biāo)簽的偏好概率，并計(jì)算任意一個(gè)帶有該標(biāo)簽的電影被該用戶喜歡或不喜歡的可能性，例如通過比較兩個(gè)偏好的樸素貝葉斯概率大小就是一種預(yù)測(cè)用戶對(duì)該電影偏好的常見方法。

第二類，基于記憶(Memory-based)的協(xié)同過濾(Collaborative Filtering,CF)算法和基于模型(Model-based)的協(xié)同過濾算法是協(xié)同過濾算法的兩個(gè)子類型?；谟洃浀膮f(xié)同過濾算法，無論是基于物品還是基于用戶，都基于相似的個(gè)體表現(xiàn)出相似的評(píng)分模式行為，相似的對(duì)象更容易獲得相似的評(píng)分這樣的假設(shè)。例如，要預(yù)測(cè)一個(gè)目標(biāo)用戶對(duì)某個(gè)電影的評(píng)分，如果能夠找到一組和這個(gè)用戶具有高度相似歷史評(píng)分的用戶群體(通常被稱為鄰居用戶)，因?yàn)檫@些鄰居用戶歷史上的評(píng)分和目標(biāo)用戶高度相似，那么鄰居用戶對(duì)目標(biāo)物品的評(píng)分可以很自然地作為目標(biāo)用戶對(duì)該物品評(píng)分的參考數(shù)據(jù)。這類個(gè)性化推薦算法在預(yù)測(cè)中綜合考慮用戶評(píng)分均值差異和用戶之間相關(guān)性差異來得到最終的預(yù)測(cè)結(jié)果。

另一方面，基于模型的協(xié)同過濾個(gè)性化推薦算法包括聚類模型、距離模型、最大熵模型、矩陣分解模型和相似性網(wǎng)絡(luò)模型等多種類型的設(shè)計(jì)方案。基于模型的協(xié)同過濾算法同樣需要預(yù)測(cè)目標(biāo)用戶和社區(qū)用戶的評(píng)分?jǐn)?shù)據(jù)，但這類推薦算法通常先構(gòu)造描述推薦系統(tǒng)的某種模型，并訓(xùn)練獲得這些模型的必要參數(shù)，然后基于這些訓(xùn)練獲得的參數(shù)來對(duì)未知評(píng)分進(jìn)行預(yù)測(cè)。矩陣分解模型本質(zhì)上擬合平均矩陣中高度相關(guān)的那些用戶評(píng)分，通過分解來對(duì)評(píng)分矩陣降維，抽象出用戶特征矩陣和物品特征矩陣。在這一過程中，那個(gè)不易被擬合的評(píng)分被適當(dāng)忽略。

第三類，基于知識(shí)的個(gè)性化推薦算法有兩種常見形式，包括基于約束條件的推薦算法和基于案例的推薦算法。在實(shí)際生活中，很多商品的消費(fèi)行為常常是頻度很低的，如房屋、汽車、珠寶等，肯定不能像書籍、電影或外賣一樣被用戶高頻度消費(fèi)和評(píng)價(jià)。一方面，因?yàn)檫@些物品的價(jià)格更高；另一方面，一個(gè)用戶的評(píng)價(jià)對(duì)另一個(gè)用戶的參考價(jià)值也相對(duì)更低。因此，基于知識(shí)的個(gè)性化推薦系統(tǒng)需要將已知的物品數(shù)據(jù)基于專家知識(shí)進(jìn)行建模和抽象，抽象結(jié)果數(shù)值作為知識(shí)系統(tǒng)存儲(chǔ)，并在用戶提出自己需求的時(shí)候，通過約束條件疊加進(jìn)行篩選和推薦，或者基于案例篩選并通過參數(shù)條件的替換進(jìn)行推薦。

第四類，混合推薦算法則綜合上述多種不同類型的推薦算法，力求獲得更好的推薦性能，或者滿足不同條件下的推薦需求，其混合方案包括加權(quán)型、切換型、交叉型、特征組合型、瀑布型、特征增強(qiáng)型和元級(jí)型等混合推薦策略。

盡管針對(duì)推薦系統(tǒng)已經(jīng)涌現(xiàn)了很多研究并應(yīng)用比較廣泛，但仍有一些挑戰(zhàn)吸引著相關(guān)領(lǐng)域的科學(xué)家，例如冷啟動(dòng)問題、數(shù)據(jù)稀疏性問題、算法的可擴(kuò)展性、預(yù)測(cè)的準(zhǔn)確性、運(yùn)行時(shí)間和推薦多樣性。

冷啟動(dòng)指的是加入系統(tǒng)的新用戶和新物品在沒有評(píng)價(jià)數(shù)據(jù)等關(guān)鍵信息條件下的推薦問題；數(shù)據(jù)稀疏性則是指用戶或物品評(píng)價(jià)評(píng)分?jǐn)?shù)據(jù)量不足造成的推薦不準(zhǔn)確或不適當(dāng)問題；算法的可擴(kuò)展性既包括算法訓(xùn)練、預(yù)測(cè)時(shí)間復(fù)雜度，也包括算法學(xué)習(xí)之后需要存儲(chǔ)的模型相關(guān)數(shù)據(jù)大小代表的空間復(fù)雜度；預(yù)測(cè)的準(zhǔn)確性則可以從推薦算法對(duì)評(píng)分的預(yù)測(cè)誤差數(shù)值大小、對(duì)用戶喜歡和不喜歡兩種偏好評(píng)價(jià)的預(yù)測(cè)準(zhǔn)確性或推薦列表是否能將用戶喜歡的物品排在前列這三種情況進(jìn)行度量；推薦多樣性則考查推薦的物品列表中，各種物品的特征差異大小，一般情況下一個(gè)推薦列表中的物品相似性越低，物品流行度越多樣，推薦算法的多樣性就越好。

最緊迫的問題仍然是提高推薦預(yù)測(cè)的準(zhǔn)確性，為此許多學(xué)者提出了改進(jìn)的相似性計(jì)算算法。為了測(cè)量相似性，HAWASHIN等人基于用戶興趣設(shè)計(jì)了一種混合的相似性度量方法。SINGH等人在確定相似性時(shí)分別考慮消費(fèi)者對(duì)單個(gè)商品相似特征的好惡。AI等人使用相似性來建模用戶-用戶網(wǎng)絡(luò)，并將中心性度量作為提高預(yù)測(cè)準(zhǔn)確性的一個(gè)因素。通過引入指定的距離函數(shù)，MU等人增加了Pearson相似度。JOORABLOO等人提出了一種新的用戶/項(xiàng)目鄰域重新排序方法，該方法考慮了用戶/項(xiàng)目相似性的未來趨勢(shì)，如Slope One算法及其變體，將評(píng)分差異視為用戶之間的距離，并使用該距離來預(yù)測(cè)推薦的未知評(píng)分。所有這些技術(shù)都提高了推薦預(yù)測(cè)的準(zhǔn)確性。

盡管Slope One算法計(jì)算過程簡(jiǎn)潔，其模型簡(jiǎn)單，易于理解，可解釋性強(qiáng)，但它將所有符合條件的用戶都作為鄰居使用，不考慮用戶間的相關(guān)性大小，這就導(dǎo)致這一算法在應(yīng)用中需要緩存大量的鄰居間距離數(shù)據(jù)作為學(xué)習(xí)結(jié)果。

本文探索的核心科學(xué)問題是與預(yù)測(cè)目標(biāo)負(fù)相關(guān)的用戶在基于距離的推薦模型中是否對(duì)預(yù)測(cè)起到正面作用，這些作用有多大；這些潛在的正面作用是否可以適當(dāng)犧牲來降低預(yù)測(cè)需要的鄰居，以換取算法可擴(kuò)展性的提升。

概括地講，本文的研究主要有兩點(diǎn)貢獻(xiàn)。

(1)基于實(shí)際數(shù)據(jù)研究了相關(guān)性較低鄰居用戶的推薦的影響，發(fā)現(xiàn)負(fù)相關(guān)和相關(guān)性低的鄰居用戶可以在預(yù)測(cè)中省略，這種省略會(huì)給推薦過程中的預(yù)測(cè)帶來多方面的正面作用；

(2)基于上述發(fā)現(xiàn)，本文設(shè)計(jì)了基于融合用戶相似性與評(píng)分距離的個(gè)性化推薦算法，該方法成功降低了傳統(tǒng)距離模型算法的空間復(fù)雜度，顯著減少了預(yù)測(cè)時(shí)所需的用戶數(shù)量，同時(shí)還提高了預(yù)測(cè)準(zhǔn)確性、推薦列表排序質(zhì)量和推薦列表的多樣性。

2.2 用戶相似性度量

基于用戶共同評(píng)分物品集合計(jì)算的用戶相關(guān)性，在推薦系統(tǒng)研究中一般被稱為用戶間的相似性(User Similarity)。以基于記憶的協(xié)同過濾推薦算法為例，其核心思想就是通過利用與目標(biāo)用戶興趣偏好相似的用戶群體的喜好程度來預(yù)測(cè)和推薦。具體來說就是計(jì)算目標(biāo)用戶與其他所有用戶兩兩之間的相似性，再通過相似性從高到低來選擇必要的個(gè)鄰居，最后根據(jù)鄰居的評(píng)分來對(duì)目標(biāo)用戶進(jìn)行預(yù)測(cè)，相似性是這一過程的核心。

因此，推薦系統(tǒng)領(lǐng)域提出了許多方法來解決這個(gè)問題，例如皮爾遜相關(guān)系數(shù)、余弦相似、歐幾里得距離、置信度相似度、均方距離、用戶行為概率、Jaccard、Spearman相關(guān)性向量相似度、Bhattacharyya系數(shù)及用戶意見傳播等。這些相似性算法各有特點(diǎn)，考慮不同的因素和計(jì)算方式來度量用戶間的相似性。

2.3 基于距離模型的協(xié)同過濾

基于距離模型的協(xié)同過濾不考慮用戶間的相似性，以Slope One算法為例，該算法是一種基于模型的協(xié)同過濾推薦算法，先基于用戶評(píng)分計(jì)算用戶間的評(píng)分距離，其核心思想是根據(jù)兩用戶間之前的電影評(píng)分采用線性回歸分析方法。假設(shè)用戶和之間的評(píng)分具有線性關(guān)系：=+。在預(yù)測(cè)時(shí)，不用刻意選擇那些相關(guān)性高的用戶，所有對(duì)目標(biāo)物品評(píng)過分，且與目標(biāo)用戶有距離的用戶都將被選擇作為鄰居來進(jìn)行預(yù)測(cè)。根據(jù)計(jì)算的兩用戶間評(píng)分的偏差值，加上已知用戶評(píng)分來計(jì)算未知評(píng)分。最終的預(yù)測(cè)結(jié)果是所有符合上述條件預(yù)測(cè)的平均值。

3 算法設(shè)計(jì)(Algorithm design)

3.1 符號(hào)說明

將已知評(píng)分?jǐn)?shù)據(jù)集分為訓(xùn)練集trainingSet和測(cè)試集testSet。通過訓(xùn)練集進(jìn)行學(xué)習(xí)，基于學(xué)習(xí)的結(jié)果對(duì)測(cè)試集中的評(píng)分進(jìn)行預(yù)測(cè)，并考查預(yù)測(cè)結(jié)果和真實(shí)結(jié)果之間的差異，從而度量算法的性能。

3.2 算法原理

已知用戶、和三人對(duì)物品的評(píng)分分別為1、2、4.5，對(duì)物品的評(píng)分分別為3、2.5、1，預(yù)測(cè)的目標(biāo)是用戶對(duì)物品的評(píng)分，而已知r=1.5，r=2。

按照皮爾遜相關(guān)系數(shù)計(jì)算相似性，s=1.0，s=-1.0。按照Slope One算法計(jì)算用戶間評(píng)分距離，得到=0.25，=-0.5，

從這個(gè)例子可以看出，相似性和距離模型對(duì)用戶間關(guān)系的計(jì)算是有明顯差異的?？梢詫?duì)這一差異加以利用，以提升推薦算法的可擴(kuò)展性和預(yù)測(cè)性能。

基于上述分析，本研究設(shè)計(jì)了一種融合用戶相似性與評(píng)分距離的個(gè)性化推薦算法(Fusion of User Similarity and Distance,FSD)。理論上，該算法既可以應(yīng)用于用戶間相似性與評(píng)分距離的融合，也可以應(yīng)用于物品間相似性與評(píng)分距離的融合。為了簡(jiǎn)便起見，本文在討論中僅討論用戶間的相似性和評(píng)分距離。

通過觀測(cè)上述例子和分析原理可以發(fā)現(xiàn)，用戶評(píng)分距離不帶有相關(guān)性含義，評(píng)分距離近的鄰居并不一定比評(píng)分距離遠(yuǎn)的鄰居更具參考意義。相反，相似性高的用戶在理論上與預(yù)測(cè)目標(biāo)更相關(guān)，在預(yù)測(cè)中應(yīng)該有更高的權(quán)重。

因此，F(xiàn)SD假設(shè)相似性低的鄰居用戶在距離模型中作用更低。閾值T表示相似性在FSD模型中可以保留鄰居的最小值，通過這一設(shè)置，去除一部分權(quán)重小的鄰居，再基于距離模型考查預(yù)測(cè)特征的變化，以決定T合適的取值。

這樣，F(xiàn)SD模型融合了用戶間相似性與距離特征，進(jìn)行推薦系統(tǒng)的評(píng)分預(yù)測(cè)。

3.3 FSD算法的計(jì)算方法

本文設(shè)計(jì)的FSD使用皮爾遜相關(guān)系數(shù)，基于評(píng)分訓(xùn)練集計(jì)算用戶之間的相似性。一般來說，兩個(gè)用戶之間的相似性越大，兩個(gè)用戶的評(píng)分相關(guān)性就越強(qiáng)，該鄰居用戶在預(yù)測(cè)中的重要性就越高。

FSD用戶之間的評(píng)分距離計(jì)算公式定義如下：

FSD算法根據(jù)公式(1)計(jì)算用戶之間的相似性，并通過公式(3)過濾用戶，選擇符合條件的用戶作為預(yù)測(cè)目標(biāo)的鄰居用戶。

其中，N是用戶選擇的鄰居集， s是用戶和的相似性，T是FSD設(shè)定的閾值。

在此基礎(chǔ)上，公式(2)用來計(jì)算用戶間的評(píng)分距離，公式(4)用來預(yù)測(cè)未知用戶對(duì)物品的評(píng)分。

其中,N是用戶的鄰居， d是用戶和對(duì)物品的評(píng)分距離，||是鄰居的數(shù)量。

4 實(shí)驗(yàn)設(shè)計(jì)(Experimental design)

4.1 實(shí)驗(yàn)數(shù)據(jù)集

本實(shí)驗(yàn)使用MoviesLens25 M數(shù)據(jù)集，包括有關(guān)電影屬性和用戶評(píng)分的信息。該數(shù)據(jù)集評(píng)分分?jǐn)?shù)范圍為0.5—5，評(píng)分間隔為0.5，包括162,541 個(gè)用戶對(duì)62,423 部電影的25,000,095 個(gè)評(píng)分。本文實(shí)驗(yàn)隨機(jī)選擇其中1,000 個(gè)用戶對(duì)62,423 個(gè)電影的146,533 個(gè)評(píng)分。

為了保證實(shí)驗(yàn)的可靠性，本文采用了十折交叉驗(yàn)證，在實(shí)驗(yàn)中數(shù)據(jù)集被隨機(jī)分為10 份。每次使用1 份作為測(cè)試集，而其他9 組作為訓(xùn)練集，進(jìn)行訓(xùn)練學(xué)習(xí)和預(yù)測(cè)檢驗(yàn)，最終的結(jié)果為10 次實(shí)驗(yàn)的平均值。

4.2 基準(zhǔn)算法

本文將所提出的FSD算法與原Slope One算法、加權(quán)Slope One算法(Weighted Slope One,2013)、信息熵皮爾遜協(xié)同過濾(Pearson Entropy,2020)、資源分配協(xié)同過濾(RA,2014)、用戶觀點(diǎn)傳播(UOS,2015)、多級(jí)協(xié)同過濾(MLCF,2016)、用戶行為概率(UBP,2021)等近幾年領(lǐng)域內(nèi)科學(xué)家們?cè)O(shè)計(jì)的經(jīng)典算法進(jìn)行比較。

4.3 評(píng)價(jià)指標(biāo)

實(shí)驗(yàn)主要考查了設(shè)計(jì)算法FSD與基準(zhǔn)算法間在評(píng)分預(yù)測(cè)誤差、推薦列表排序質(zhì)量、推薦列表多樣性及算法可擴(kuò)展性四個(gè)方面的性能差異。

本文使用平均絕對(duì)誤差(MAE)、均方根誤差(RMSE)來評(píng)估算法預(yù)測(cè)的誤差水平，預(yù)測(cè)誤差越低，算法對(duì)未知評(píng)分的預(yù)測(cè)越準(zhǔn)確。采用半衰期效用指數(shù)(HLU)、歸一化折扣累積增益(NDCG)來評(píng)估推薦結(jié)果的排序性能。推薦列表的質(zhì)量越高，這兩項(xiàng)度量參數(shù)的評(píng)分越高。

MAE反映了算法預(yù)測(cè)的用戶評(píng)分與用戶實(shí)際評(píng)分的偏差，RMSE表示算法預(yù)測(cè)的用戶評(píng)分與實(shí)際評(píng)分之間偏差的均方根值。MAE值表示誤差，RMSE在開方之前將誤差的平方相加，從而增加對(duì)絕對(duì)值大于1的誤差的懲罰，減小對(duì)絕對(duì)值小于1的誤差的懲罰，故RMSE對(duì)大誤差更敏感。MAE和RMSE值越小，預(yù)測(cè)結(jié)果與實(shí)際評(píng)分的誤差越小，預(yù)測(cè)精度越高。實(shí)驗(yàn)中測(cè)試集預(yù)測(cè)目標(biāo)數(shù)量用表示，用戶的預(yù)測(cè)得分值用r'表示，用戶的實(shí)際評(píng)分值用 r表示。MAE和RMSE的定義如下：

HLU評(píng)估用戶真實(shí)評(píng)分和實(shí)際評(píng)分之間的差異，以衡量推薦列表對(duì)用戶的實(shí)用性，其定義如下所示：

其中，為推薦給每個(gè)用戶推薦列表中電影的數(shù)量， r為用戶對(duì)電影的評(píng)分，為訓(xùn)練集中的平均評(píng)分值，為需要提供推薦的用戶數(shù)量，為推薦列表的半衰期(本文實(shí)驗(yàn)中的值取2)。HLU的值越大，算法將用戶喜歡的電影排在推薦列表前面的能力越強(qiáng)，系統(tǒng)排序質(zhì)量越高。

NDCG假設(shè)用戶最喜歡的電影在推薦列表中排名第一會(huì)更大程度上增加用戶的使用體驗(yàn)。電影越相關(guān)，排名越高，用戶對(duì)系統(tǒng)的滿意度就越高，從而節(jié)省了用戶的時(shí)間，其定義如下：

其中，DCG是根據(jù)每個(gè)用戶的真實(shí)評(píng)分和預(yù)測(cè)評(píng)分列表計(jì)算的； R表示用戶是否喜歡在中排名的電影，R=1表示用戶喜歡該電影，R=0表示用戶不喜歡該電影。本文實(shí)驗(yàn)中將用戶評(píng)分高于平均評(píng)分的評(píng)價(jià)看作喜歡，將低于、等于平均評(píng)分的評(píng)價(jià)看作不喜歡。NDCG是DCG的歸一化形式，由公式(9)得出，它將DCG歸一化到0—1。

5 實(shí)驗(yàn)結(jié)果與分析(Experimental results and analysis)

依據(jù)公式(3)，通過給定的相似性閾值篩選距離模型需要的鄰居，圖1中顯示了相似性不同取值下，距離模型評(píng)分預(yù)測(cè)的誤差大小。

圖1 相似性閾值 Th 不同情況下FSD算法的評(píng)分預(yù)測(cè)誤差大小Fig.1 Prediction error of FSD algorithm with different threshold Th

圖1表明，合適的相似性閾值為T=0.0，所提出的FSD具有最佳預(yù)測(cè)精度，MAE為0.667，RMSE為0.874。此時(shí)，距離模型中相似性為負(fù)值的鄰居均已經(jīng)被除去。

圖2中MAE的比較結(jié)果表明，當(dāng)鄰居數(shù)大于10時(shí)，所有算法的MAE都優(yōu)于MLCF預(yù)測(cè)方法。所提出的FSD算法的MAE為0.6997，表明相比之下預(yù)測(cè)精度次高，僅次于UBP算法。原Slope One算法的MAE為0.7055，相比之下FSD減少了0.8%的誤差。與所有其他算法相比，MAE平均提高了1.5%。

圖2 FSD與其他算法的MAE對(duì)比結(jié)果Fig.2 MAE comparison result of FSD and other algorithms

如圖3所示，RMSE也表示推薦系統(tǒng)預(yù)測(cè)誤差的大小，和MAE相比，RMSE對(duì)較大的誤差更敏感。FSD算法的RMSE最小，為0.8749；原始Slope One算法的RMSE次好，為0.8800。FSD將誤差降低了0.51%，相比于其他幾種算法，RMSE平均提高了2.3%。

圖3 FSD與其他算法的RMSE對(duì)比結(jié)果Fig.3 RMSE comparison result of FSD and other algorithms

通過圖2和圖3可以看出，MAE和RMSE中的FSD算法與其他算法相比，具有更小的預(yù)測(cè)誤差。這說明FSD算法既降低了整體誤差，也降低了較大的預(yù)測(cè)誤差。

圖4展示了NDCG的比較結(jié)果。NDCG體現(xiàn)了推薦列表的排名質(zhì)量，得數(shù)越高越好。FSD算法的最高分是0.7472，比原Slope One算法(其得分為0.7394)高出1%，加權(quán)Slope One表現(xiàn)要差些；與其他算法相比，平均提高了3.8%。

圖4 FSD與其他算法的NDCG對(duì)比結(jié)果Fig.4 NDCG comparison result of FSD and other algorithms

HLU反映了用戶對(duì)推薦列表的興趣程度，如圖5所示，其分?jǐn)?shù)越高，用戶對(duì)有限頁面越感興趣。FSD算法的得分為1.0065，原始的Slope One算法得分為0.977，提高了3%；與其他算法相比，平均提高了3.3%。

圖5 FSD與其他算法的HLU對(duì)比結(jié)果Fig.5 HLU comparison result of FSD and other algorithms

通過分析圖4和圖5可知，F(xiàn)SD算法在NDCG方面有更高的值，說明FSD算法的排序能力較好；隨著HLU值中鄰居數(shù)的增加，略差于RA算法。但是FSD算法比Slope One等算法提高很多，而且比RA算法預(yù)測(cè)誤差更小，所以在排序質(zhì)量指標(biāo)上有很好的表現(xiàn)，性能也更穩(wěn)定。

圖6顯示了每個(gè)算法在預(yù)測(cè)過程中對(duì)測(cè)試集中所有目標(biāo)使用的平均鄰居數(shù)。圖中除FSD和Slope One之外(與Weighted Slope One重合)，其他曲線幾乎重合在一起，這些算法選擇的鄰居數(shù)量是相同的。由于滿足對(duì)目標(biāo)電影評(píng)分條件的用戶數(shù)量有限，預(yù)測(cè)的目標(biāo)用戶只能接觸到少數(shù)符合條件的用戶，因此增長(zhǎng)緩慢，即使水平坐標(biāo)中計(jì)劃使用的鄰居數(shù)量繼續(xù)線性增長(zhǎng)。盡管在圖2中預(yù)測(cè)誤差降低的絕對(duì)數(shù)值較小，但預(yù)測(cè)中使用的鄰居數(shù)量如圖6所示卻減少很多，這提升了算法的可擴(kuò)展性。

圖6 用于預(yù)測(cè)的實(shí)際鄰居數(shù)與算法計(jì)劃選擇的鄰居數(shù)Fig.6 The actual number of neighbors for prediction and the number of neighbors the algorithm plans to choose

實(shí)驗(yàn)中，F(xiàn)SD算法平均使用55 個(gè)鄰居進(jìn)行預(yù)測(cè)，優(yōu)于原Slope One算法的78 個(gè)鄰居,其預(yù)測(cè)時(shí)所需鄰居使用量減少了29.49%。這一巨大提升既加快了距離部分的計(jì)算速度，也減少了訓(xùn)練之后需要保存的數(shù)據(jù)數(shù)量(主要是用戶間評(píng)分距離數(shù)據(jù))，通過增加相似性部分的計(jì)算和篩選，有效降低了算法的空間復(fù)雜度，進(jìn)而提升了算法的可擴(kuò)展性。

相同硬件和參數(shù)下算法訓(xùn)練測(cè)試所需時(shí)間如表1所示。相同條件下每種算法所需的計(jì)算時(shí)間差異較大，F(xiàn)SD算法在性能整體提升非常明顯的情況下，需要將原Slope One算法的計(jì)算時(shí)間輕微增加1.9%。

表1 相同硬件和參數(shù)下算法訓(xùn)練與測(cè)試所需時(shí)間Tab.1 Time required for algorithm training and testing with the same hardware and parameters

6 結(jié)論(Conclusion)

本文為了提升距離個(gè)性化推薦算法的可擴(kuò)展性和其他主要性能，將用戶間相似性低于閾值的潛在鄰居從預(yù)測(cè)目標(biāo)的鄰居集合中剔除，再利用用戶間評(píng)分距離估計(jì)目標(biāo)用戶對(duì)未知物品的評(píng)分，設(shè)計(jì)了一種融合用戶相似性與評(píng)分距離的個(gè)性化推薦算法。

與原距離模型算法相比，所提出的方法不僅在預(yù)測(cè)過程中所需的鄰居數(shù)減少了29.49%，而且預(yù)測(cè)誤差也降低了，推薦列表排名性能提高了3.8%，有效地提升了距離模型的可擴(kuò)展性和其他各項(xiàng)主要性能。

研究表明，在推薦系統(tǒng)的預(yù)測(cè)問題中，通常是通過相似性選擇過濾掉不是很相關(guān)的鄰居。雖然相關(guān)性較低的鄰居也可以計(jì)算出評(píng)分距離，但相關(guān)性不強(qiáng)，會(huì)對(duì)預(yù)測(cè)產(chǎn)生負(fù)面影響。與預(yù)測(cè)目標(biāo)不夠相似的鄰居用戶對(duì)預(yù)測(cè)造成的弊大于利，應(yīng)該被丟棄。這種丟棄不僅可以提高算法的可擴(kuò)展性，還可以提高其預(yù)測(cè)和推薦性能，應(yīng)該在未來的研究中得到更多的考慮。

本文的不足之處是預(yù)測(cè)誤差提升幅度不大，希望能在未來的研究工作中在融合相似性和評(píng)分距離的基礎(chǔ)上，進(jìn)一步擴(kuò)展算法的性能。