劉波等

摘 要：基于湖南國家農(nóng)村農(nóng)業(yè)信息化示范省建設(shè)項(xiàng)目農(nóng)業(yè)知識(shí)抽取與推薦研究，提出了基于用戶隱式評(píng)價(jià)的農(nóng)業(yè)知識(shí)協(xié)同過濾推薦算法。該算法主要針對(duì)協(xié)同過濾算法中用戶偏好描述粒度大和評(píng)價(jià)矩陣稀疏引起的相似度計(jì)算不準(zhǔn)確問題，通過建立農(nóng)業(yè)知識(shí)標(biāo)準(zhǔn)特征矩陣和用戶評(píng)分項(xiàng)目內(nèi)容權(quán)重矩陣，然后基于內(nèi)容的特征對(duì)評(píng)價(jià)矩陣進(jìn)行填充，再基于項(xiàng)目協(xié)同過濾算法推薦相應(yīng)的知識(shí)。使用農(nóng)業(yè)數(shù)據(jù)集論證了本算法也適合農(nóng)業(yè)文本知識(shí)推薦。該方法既改善了數(shù)據(jù)稀疏性，同時(shí)又反映了用戶的個(gè)性興趣。

關(guān)鍵詞：協(xié)同過濾推薦；用戶偏好-項(xiàng)目評(píng)價(jià)矩陣；混合推薦算法；農(nóng)業(yè)知識(shí)服務(wù)

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2015）08-00-04

0 引 言

當(dāng)前農(nóng)業(yè)知識(shí)服務(wù)，主要是農(nóng)戶被動(dòng)接受信息，導(dǎo)致涉農(nóng)組織、農(nóng)戶想要的信息得不到，不適用的信息卻很多。在這種背景下，推薦技術(shù)作為個(gè)性化服務(wù)的核心技術(shù)[1]，相繼移植到農(nóng)業(yè)知識(shí)服務(wù)領(lǐng)域。大眾化的農(nóng)業(yè)知識(shí)推送，基于內(nèi)容的個(gè)性化推薦近些年取得了大量的成果，然而，推薦技術(shù)在個(gè)性化農(nóng)業(yè)知識(shí)服務(wù)上存在諸多挑戰(zhàn)[2]，主要表現(xiàn)在：

（1）農(nóng)業(yè)信息的動(dòng)態(tài)時(shí)效性、區(qū)域性給用戶興趣表示帶來多樣性；

（2）用戶文化層次較低，農(nóng)業(yè)知識(shí)的客觀性，農(nóng)業(yè)農(nóng)村信息基礎(chǔ)設(shè)施較差使系統(tǒng)很難顯式獲取用戶的評(píng)價(jià)行為；

（3）農(nóng)業(yè)用戶的小規(guī)模性和農(nóng)業(yè)知識(shí)的海量存儲(chǔ)，導(dǎo)致用戶評(píng)價(jià)矩陣稀疏，傳統(tǒng)的協(xié)同過濾算法難以直接應(yīng)用。正是在這樣的背景下，湖南國家農(nóng)村農(nóng)業(yè)信息化示范省建設(shè)項(xiàng)目組開展基于協(xié)同過濾的農(nóng)業(yè)文本知識(shí)推薦模型與算法研究[3]。

1 相關(guān)定義

1.1 用戶偏好

用戶模型是個(gè)性化信息推薦的基礎(chǔ)，必須建立合適的用戶模型表示用戶偏好，并能有效的進(jìn)行學(xué)習(xí)、更新，使其準(zhǔn)確表示用戶特征。由于農(nóng)業(yè)典型的生態(tài)區(qū)域性和過程復(fù)雜性，涉農(nóng)用戶在組織從事農(nóng)業(yè)生產(chǎn)經(jīng)營活動(dòng)中，與種植環(huán)境、養(yǎng)殖情景、流通節(jié)奏息息相關(guān)，如何反應(yīng)這種動(dòng)態(tài)變化的具有區(qū)域性、多樣化興趣是解決農(nóng)業(yè)個(gè)性化信息服務(wù)的關(guān)鍵問題之一。同時(shí)本文的研究對(duì)象主要是涉農(nóng)用戶，由于文化層次相對(duì)較低，上網(wǎng)獲取信息能力較差，對(duì)網(wǎng)絡(luò)深度應(yīng)用不多，造成用戶偏好數(shù)據(jù)獲取困難。傳統(tǒng)的加權(quán)關(guān)鍵詞，表示用戶興趣模型，采用“用戶-興趣特征”兩級(jí)管理方式，沒有對(duì)用戶偏好進(jìn)行分類，降低了推薦精度，文獻(xiàn)[4]針對(duì)此問題進(jìn)行研究，改進(jìn)為“用戶-興趣主題-興趣特征”的三級(jí)管理方式，文獻(xiàn)[5]基于層次矢量空間模型，采用用戶瀏覽行為計(jì)算網(wǎng)頁興趣度，具有較高的準(zhǔn)確率和召回率。文獻(xiàn)[6]基于矢量空間模型構(gòu)建了基于用戶興趣的信息檢索模型，進(jìn)行了基于用戶興趣模型的個(gè)性化實(shí)現(xiàn)。

1.2 用戶興趣度量

用戶瀏覽內(nèi)容時(shí)伴隨多種瀏覽行為，用戶瀏覽一次相關(guān)頁面的行為形成相應(yīng)的一條歷史記錄，研究表明用戶一定時(shí)間段內(nèi)，許多瀏覽行為能很好反映用戶興趣，主要表現(xiàn)為保存頁面、打印頁面、收藏頁面，在一時(shí)間段內(nèi)訪問同一頁面次數(shù)，在頁面上瀏覽停留時(shí)間[7，8]。目前研究中一般通過內(nèi)容關(guān)鍵詞，結(jié)合賦予這些行為以權(quán)值來表達(dá)網(wǎng)頁和用戶興趣相關(guān)性得到用戶特征矢量。對(duì)權(quán)值的處理通常有兩種方式[7]：第一種是把用戶瀏覽各種行為的權(quán)值相加；第二種是幾種行為同時(shí)發(fā)生的，取其中最大值。前者放大了網(wǎng)頁對(duì)用戶興趣表達(dá)的重要性，后者縮小了網(wǎng)頁對(duì)用戶興趣表達(dá)的重要性。文獻(xiàn)[9]研究表明，基于其訪問頁面次數(shù)、停留時(shí)間的用戶興趣度性能好且較接近，在實(shí)際瀏覽中，會(huì)出現(xiàn)頁面駐留時(shí)間遠(yuǎn)超用戶正常瀏覽時(shí)間和遠(yuǎn)小于用戶瀏覽時(shí)間的兩種異常情況[9，10]。

1.3 特征詞興趣值度量

根據(jù)用戶對(duì)特征詞，所在農(nóng)業(yè)知識(shí)條目頁面實(shí)際瀏覽時(shí)間、該特征詞在該用戶所有瀏覽記錄中出現(xiàn)的次數(shù)、瀏覽興趣度來表示。同時(shí)為了更精準(zhǔn)表示用戶興趣值，用頁面停留時(shí)間平均值取代實(shí)際瀏覽時(shí)間。

1.4 用戶興趣向量

由于農(nóng)業(yè)知識(shí)復(fù)雜性，同一興趣關(guān)鍵詞可能屬于不同主題，同一關(guān)鍵詞也可能有多種表示形式，將用戶興趣組織為主題層次樹，對(duì)樹中的興趣主題和關(guān)鍵詞分別定義權(quán)值。這樣，樹結(jié)構(gòu)既可表示用戶興趣主題，也可表示用戶興趣特征關(guān)鍵詞，還可表示對(duì)興趣主題或興趣特征詞的偏好程度。

2 用戶隱式評(píng)價(jià)的農(nóng)業(yè)知識(shí)協(xié)同過濾推薦算法

2.1 算法框架

基于用戶隱式評(píng)價(jià)的農(nóng)業(yè)知識(shí)協(xié)同過濾推薦算法CIECF （Collaborative Filtering Based on Agricultural Knowledge Content and Implicit Evaluation），其主要思想是在構(gòu)建“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣中，將學(xué)習(xí)到的基于內(nèi)容的標(biāo)準(zhǔn)特征詞的用戶興趣向量融合到基于查詢、瀏覽行為的用戶隱式評(píng)分中，相對(duì)于純粹基于評(píng)分的評(píng)價(jià)矩陣具有更細(xì)的興趣粒度；推薦過程中，以用戶已評(píng)分項(xiàng)目的內(nèi)容特征計(jì)算其內(nèi)容權(quán)重，對(duì)未評(píng)分項(xiàng)目基于內(nèi)容的評(píng)分預(yù)測(cè)填充，以此使“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣稠密。在此基礎(chǔ)上，計(jì)算項(xiàng)目之間基于內(nèi)容特征和評(píng)分的相似性，選擇目標(biāo)最近鄰，使用項(xiàng)目協(xié)同過濾，對(duì)近鄰的目標(biāo)項(xiàng)目預(yù)測(cè)評(píng)分，從而預(yù)測(cè)目標(biāo)用戶對(duì)未評(píng)分目標(biāo)項(xiàng)目的評(píng)分，再對(duì)目標(biāo)用戶所有未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分值降序進(jìn)行Top-N推薦。其框架如圖1所示。

2.2 算法具體描述

該算法分為以下幾個(gè)步驟：

步驟一：基于瀏覽評(píng)價(jià)的用戶內(nèi)容權(quán)重

“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣考慮農(nóng)業(yè)知識(shí)內(nèi)容特征較少，而實(shí)際上用戶瀏覽行為是對(duì)農(nóng)業(yè)知識(shí)特征詞感興趣，用戶已評(píng)分信息應(yīng)反映對(duì)特征詞感興趣的權(quán)重；一般用戶對(duì)特征比較相似的農(nóng)業(yè)文本知識(shí)評(píng)價(jià)也是比較相似的。因此，可利用農(nóng)業(yè)文本知識(shí)的特征來反映用戶瀏覽項(xiàng)目的內(nèi)容權(quán)重。

設(shè)Ci類農(nóng)業(yè)知識(shí)標(biāo)準(zhǔn)特征屬性矩陣如下表示：

其中，n為農(nóng)業(yè)知識(shí)項(xiàng)目總數(shù)，d為特征總數(shù)，in（t）為項(xiàng)目in的第t個(gè)屬性，其值為0和1，1表示具有這種特征，0表示不具有這種特征。

用戶評(píng)分項(xiàng)目的內(nèi)容權(quán)重算法描述如下：

輸入：“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣Gi，農(nóng)業(yè)知識(shí)標(biāo)準(zhǔn)特征屬性矩陣feaMatrix。

輸出：用戶評(píng)分項(xiàng)目內(nèi)容權(quán)重矩陣UserMatrix。

Step1：對(duì)于“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)分矩陣Gi提取每個(gè)用戶的評(píng)分記錄；

Step2：從農(nóng)業(yè)知識(shí)標(biāo)準(zhǔn)特征屬性矩陣feaMatrix查詢用戶每個(gè)評(píng)分項(xiàng)目標(biāo)準(zhǔn)特征詞，得到用戶評(píng)價(jià)項(xiàng)目的特征；

Step3：在“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣中，統(tǒng)計(jì)該用戶瀏覽評(píng)價(jià)中包含有某標(biāo)準(zhǔn)特征詞的項(xiàng)目的數(shù)量，作為用戶瀏覽評(píng)價(jià)該標(biāo)準(zhǔn)特征詞的權(quán)重。得到以用戶為行，標(biāo)準(zhǔn)特征詞為列的內(nèi)容權(quán)重矩陣UserMatrix。

步驟二：基于內(nèi)容的評(píng)分預(yù)測(cè)填充

根據(jù)用戶對(duì)項(xiàng)目的評(píng)分計(jì)算出了用戶對(duì)瀏覽同類特征知識(shí)的內(nèi)容評(píng)價(jià)，用戶瀏覽知識(shí)具有一定的興趣主題，在“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣中表現(xiàn)為對(duì)同類型知識(shí)的評(píng)分和，因此對(duì)用戶ui未訪問農(nóng)業(yè)知識(shí)ij的預(yù)測(cè)評(píng)分，可用已瀏覽同類型農(nóng)業(yè)知識(shí)的評(píng)分和，除以用戶評(píng)價(jià)權(quán)重來反映。其算法描述為：

輸入：“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣Gi，農(nóng)業(yè)知識(shí)標(biāo)準(zhǔn)特征屬性矩陣feaMatrix，用戶評(píng)分項(xiàng)目內(nèi)容權(quán)重矩陣UserMatrix。

輸出：“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)稠密矩陣Gi'。

Step1：對(duì)于“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)分矩陣Gi提取每個(gè)用戶的評(píng)分記錄；

Step2：判斷每個(gè)用戶的評(píng)分項(xiàng)目，對(duì)未評(píng)分某個(gè)項(xiàng)目在feaMatrix矩陣查詢對(duì)應(yīng)的特征信息（typeScore1， typeScore2，…， typeScore k），在“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣Gi中，計(jì)算具有相應(yīng)特征typeScore1所有農(nóng)業(yè)知識(shí)的瀏覽評(píng)分和sum（typeScore1）；再算包含其他特征typ-eScore k的農(nóng)業(yè)知識(shí)用戶瀏覽評(píng)分和sum（typeScore k）；得到未評(píng)分項(xiàng)目基于農(nóng)業(yè)知識(shí)特征用戶瀏覽評(píng)分和typeScore =sum（sum（typeScore1）， sum（typeScore2），…， sum（type-Score k））。

Step3：在UserMatrix內(nèi)查找此用戶未評(píng)分項(xiàng)目對(duì)應(yīng)特征的用戶評(píng)分項(xiàng)目內(nèi)容權(quán)重并求和，即progType =sum（sum（progType1）， sum（progType2），…，sum（progType k））。

步驟六：基于Gi的Top-N推薦

對(duì)步驟五產(chǎn)生的評(píng)分TOP-N排序，產(chǎn)生興趣主題Ci下的推薦Collectioncirecom；

步驟七：對(duì)其他主題下分矩陣Gi并行執(zhí)行前述六個(gè)步驟，產(chǎn)生相應(yīng)推薦集合Collectioncirecom；

步驟八：最后根據(jù)每個(gè)興趣主題分類按主題權(quán)值在該用戶興趣模型中所占比例產(chǎn)生推薦集合CollectionTrecom。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集

（1）硬件環(huán)境

仿真時(shí)可選用神舟優(yōu)雅A560P-i5 D4筆記本1臺(tái)， Intel Core i5-2450雙核移動(dòng)處理器，8 G DDR3 1 333 MHz 內(nèi)存，500 G SATA2.0硬盤。

（2）軟件環(huán)境

操作系統(tǒng)：Windows7 64位 旗艦版 SP1

模擬仿真環(huán)境：Matlab2012b

3.2 基于農(nóng)業(yè)知識(shí)數(shù)據(jù)的實(shí)證實(shí)驗(yàn)

湖南省國家農(nóng)村農(nóng)業(yè)信息化示范省綜合服務(wù)平臺(tái)處于上線測(cè)試階段，通過對(duì)評(píng)分?jǐn)?shù)據(jù)的預(yù)處理之后，獲得15個(gè)獨(dú)立用戶對(duì)59條農(nóng)業(yè)知識(shí)的69次評(píng)分?jǐn)?shù)據(jù)，數(shù)據(jù)集稀疏度為1-[69/（15×59）]≈0.922，整理后的數(shù)據(jù)如表1所列，數(shù)據(jù)記錄了用戶編號(hào)、農(nóng)業(yè)知識(shí)編號(hào)、用戶評(píng)分、農(nóng)業(yè)知識(shí)類型（已用數(shù)字1、2…進(jìn)行了規(guī)范化處理），農(nóng)業(yè)知識(shí)類型用于代表農(nóng)業(yè)知識(shí)內(nèi)容特征。實(shí)驗(yàn)中選擇最近鄰居算法中表現(xiàn)效果最好的BCF-PCC、CIECF-ACOS算法作為對(duì)照組實(shí)驗(yàn)。

兩種推薦算法的預(yù)測(cè)準(zhǔn)確性實(shí)驗(yàn)結(jié)果如表2和圖2所示。此數(shù)據(jù)集下BCF-PCC算法的MAE值基本保持在恒值，通過分析算法運(yùn)行過程，原因在于用戶共同評(píng)價(jià)農(nóng)業(yè)知識(shí)非常稀少，于是有可能：（1）本來興趣相似的兩個(gè)用戶因?yàn)楣餐u(píng)分項(xiàng)少，不會(huì)有太高的相似度；（2）興趣不太相似的兩個(gè)用戶因?yàn)樵趦H有的1、2個(gè)共同評(píng)分項(xiàng)中評(píng)分類似。

雖然相似度比較高，但相似度計(jì)算較不準(zhǔn)確，實(shí)際上通過觀察發(fā)現(xiàn)，上述算法計(jì)算過程中，相似度矩陣值絕大部分為零，因此，在當(dāng)前數(shù)據(jù)集下，傳統(tǒng)協(xié)同過濾算法不具有適用性。本文提出的CIECF-ACOS算法在鄰居數(shù)為1、2、3、4、5、6時(shí)具有較高的預(yù)測(cè)精度，在最近鄰為3時(shí)，效果最好，本文的算法在農(nóng)業(yè)數(shù)據(jù)集和公共數(shù)據(jù)集下表現(xiàn)相似的推薦效果。

4 結(jié) 語

本文結(jié)合農(nóng)業(yè)知識(shí)條目特征和“用戶-農(nóng)業(yè)知識(shí)”評(píng)價(jià)矩陣，提出了基于用戶隱式評(píng)價(jià)的農(nóng)業(yè)知識(shí)協(xié)同過濾推薦算法，該算法通過對(duì)極端稀疏矩陣進(jìn)行基于農(nóng)業(yè)知識(shí)內(nèi)容特征的評(píng)分填充，減少了稀疏性問題和語義粒度劃分大的問題對(duì)推薦效果的影響。通過實(shí)驗(yàn)表明本文算法提高了知識(shí)推薦的準(zhǔn)確率、推薦效果的穩(wěn)定性、降低在線推薦時(shí)間復(fù)雜度，適合農(nóng)業(yè)文本知識(shí)推薦，對(duì)湖南國家農(nóng)村農(nóng)業(yè)信息化示范省建設(shè)農(nóng)業(yè)知識(shí)智能推送研究有一定指導(dǎo)意義。

參考文獻(xiàn)

[1] DietmarJ.，Markus Z.，Alexander F.，et al.Recommender Systems[M].北京：人民郵電出版社，2013：1-200.

[2]郭平，劉波，沈岳.農(nóng)業(yè)云大數(shù)據(jù)自組織推送關(guān)鍵技術(shù)綜述[J].軟件，2013，34（3）：1-6.

[3]劉波，沈岳，郭平，等.數(shù)字湖南農(nóng)業(yè)信息化建設(shè)關(guān)鍵策略探索[J].軟件，2013，34（10）：1-6.

[4]費(fèi)洪曉，蔣習(xí)翀，徐麗娟.基于樹狀向量空間模型的用戶興趣建模[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，19（5）：79-81，85.

[5]郝水龍，吳共慶，胡學(xué)鋼.基于層次向量空間模型的用戶興趣表示及更新[J].南京大學(xué)學(xué)報(bào)（自然科學(xué)），2012， 48（2）：190-197.

[6] Claypool M， Le P， Wased M， et al. Implicit Interest Indicators[C].Proc. of the 6th International Conference on Intelligent UserInterfaces. Santa Fe， New Mexico， USA： ACM Press， 2001： 33-40.

[7]南智敏.基于網(wǎng)頁興趣度的用戶興趣模型體系研究[D].上海：復(fù)旦大學(xué)，2012：24-38.

[8]楊晶.用戶興趣模型及實(shí)時(shí)個(gè)性化推薦算法研究[D].南京：南京郵電大學(xué)，2013：16-41.

[9]應(yīng)曉敏.面向Internet個(gè)性化服務(wù)的用戶建模技術(shù)研究[D].長沙：國防科學(xué)技術(shù)大學(xué)，2003：55- 77.

[10]劉春，梁光磊，譚國平.基于用戶興趣變化融合的個(gè)性化推薦模型[J].計(jì)算機(jī)工程與設(shè)計(jì)，2013，34（8）：2944- 2950.