程遠航，趙紋靜，杜英魁，李 娟

（1.沈陽大學信息工程學院，沈陽 110044；2.沈陽大學體育學院，沈陽 110044）

0 引言

新時期背景下經(jīng)濟的迅速發(fā)展，我國城市現(xiàn)代化的高速發(fā)展，人民生活水平有所改善，人們對自己的生活環(huán)境、工作環(huán)境的要求也越來越高，不僅要求環(huán)境舒適，還要求提高房間的視覺舒適，通過室內(nèi)裝修美化室內(nèi)環(huán)境?？墒歉鞣N新興的裝修材料和裝修飾品的產(chǎn)生并應用，給人們生活帶來便利和享受的同時，也導致室內(nèi)環(huán)境污染問題出現(xiàn)。有些污染物隱形地存在于人們的生活環(huán)境中，無色無味、不易發(fā)現(xiàn)，如果不采取措施必然會影響到人們的身心健康和居住安全，所以提高室內(nèi)環(huán)境空氣質(zhì)量成為當下所有居民關(guān)心的問題。室內(nèi)空氣污染被稱為第三大類污染，因此我們應該采取一些措施科學有效地對室內(nèi)環(huán)境進行監(jiān)測，確保監(jiān)測數(shù)據(jù)準確和有效，進一步提高居民用戶的生活環(huán)境質(zhì)量，從而解決室內(nèi)污染對人體健康的危害問題?；谖⑿牌脚_的室內(nèi)環(huán)境健康內(nèi)容研究，以微信平臺綁定監(jiān)測居室環(huán)境的檢測設備，并與微信用戶openid連接，保證用戶所處的居室環(huán)境健康狀況，同時微信平臺通過環(huán)境狀況推送用戶相關(guān)的環(huán)境新聞。

當今時代科技互聯(lián)網(wǎng)的飛速發(fā)展，人們對電子產(chǎn)品的依賴越來越高，社交媒體的存在不僅緩解了用戶的生活壓力，也豐富了用戶的生活。但是，隨著各種軟件的蓬勃發(fā)展，互聯(lián)網(wǎng)的海量信息越來越讓人們難以準確找到真正需要的信息資源，也很難找到自己感興趣的話題，給用戶帶來困擾。因此，如何分析、挖掘海量的網(wǎng)絡數(shù)據(jù)，給用戶推薦可能喜歡的內(nèi)容，正是科研人員正在研究的熱點問題，推薦系統(tǒng)的出現(xiàn)緩解了網(wǎng)絡數(shù)據(jù)的信息過載問題。推薦系統(tǒng)已經(jīng)存在于人們的日常生活中，比如淘寶、抖音、每日歌單、電影推薦，等等。但是在推薦系統(tǒng)中，普遍存在冷啟動、數(shù)據(jù)稀疏、用戶評分片面、主觀性強等問題，這樣不僅降低推薦的精度，也不能滿足用戶的需求。實行具體內(nèi)容具體推送，選擇合適的推薦算法，是推薦系統(tǒng)設計的關(guān)鍵。將不同的推薦算法有機結(jié)合，使得單一推薦算法的弊端通過混合推薦算法來彌補，采用混合推薦算法的內(nèi)容推薦系統(tǒng)可取長補短，取得較好的成效，不僅幫助用戶節(jié)約搜索時間，而且有效地實現(xiàn)了對微信用戶的個性化推薦，用戶體驗和新用戶參與度也有顯著提高。

1 系統(tǒng)總體技術(shù)

1.1 開發(fā)環(huán)境

在微信平臺下面向用戶居室環(huán)境健康的研究系統(tǒng)，系統(tǒng)后端使用python語言開發(fā)微信公眾號，MySQL作為系統(tǒng)的數(shù)據(jù)庫緩存用戶行為信息及居室環(huán)境數(shù)據(jù)，阿里云服務器搭建服務器環(huán)境。系統(tǒng)前端將發(fā)送給用戶的數(shù)據(jù)通過Django框架進行頁面渲染，各組件相互配合，為用戶提供真實有效有趣的需求。

1.2 系統(tǒng)架構(gòu)

微信平臺是開發(fā)者通過微信公眾號為微信用戶提供信息和服務的平臺，用戶在微信官網(wǎng)注冊公眾號，開發(fā)者獲取相關(guān)接口權(quán)限即可進行開發(fā)。系統(tǒng)架構(gòu)包括移動客戶端和服務器端兩個部分，微信服務器在用戶和云服務器間充當一個轉(zhuǎn)發(fā)服務器，用戶作為終端發(fā)起請求到微信服務器，微信服務器將請求轉(zhuǎn)發(fā)給云服務器，云服務器接收響應回復用戶消息，平臺架構(gòu)如圖1所示。

圖1 平臺架構(gòu)

（1）移動客戶端。用戶僅需要有一部智能手機，下載微信APP，關(guān)注微信公眾號，開發(fā)者只要獲取此用戶的監(jiān)測設備號，微信平臺就可以獲取此用戶的環(huán)境數(shù)據(jù)，并上傳到數(shù)據(jù)庫等待用戶的調(diào)用。

（2）服務器端。開發(fā)部署選擇阿里云服務器和微信服務器，實現(xiàn)“數(shù)據(jù)采集→數(shù)據(jù)處理→數(shù)據(jù)存儲→內(nèi)容推送”這一系統(tǒng)過程。其中，阿里云服務器主要實現(xiàn)“數(shù)據(jù)采集，數(shù)據(jù)處理，數(shù)據(jù)存儲”功能，微信服務器則實現(xiàn)對用戶的內(nèi)容推送功能。

為了更好地服務于用戶，微信公眾號有區(qū)分權(quán)限功能，只有當客戶綁定室內(nèi)環(huán)境的監(jiān)測設備時需求才能得到滿足，不能及時參與綁定的用戶只能獲取平臺推送的與環(huán)境相關(guān)的新聞內(nèi)容，不能推送自己的居室環(huán)境狀況，更無法獲取居室環(huán)境數(shù)據(jù)信息。

2 混合推薦系統(tǒng)設計

協(xié)同過濾推薦算法，簡言之：‘物以類聚，人以群分’。該算法通過用戶的行為信息數(shù)據(jù)來挖掘用戶的潛在興趣，根據(jù)不同用戶對相同內(nèi)容的喜好程度計算用戶之間的相似程度，尋找喜好相似的鄰居用戶，并對具有相同喜好的用戶進行相應的內(nèi)容推薦。該算法適用于對時效性要求高、但個性化要求不高的情境中。但是單獨使用該算法存在數(shù)據(jù)稀疏問題、冷啟動等問題。

內(nèi)容推薦算法是最早使用的推薦算法，根據(jù)用戶的歷史行為記錄，將用戶過去喜歡的內(nèi)容或物品進行分析，獲取用戶的喜好標簽，為用戶建立偏好興趣模型，然后為用戶推薦和興趣模型相似的內(nèi)容。內(nèi)容推薦算法產(chǎn)生的推薦只和用戶本身的興趣有關(guān)，無關(guān)其他用戶，具有用戶獨立性，只要新內(nèi)容的特征與用戶興趣模型相似度高，就可以實現(xiàn)用戶推薦。但是會出現(xiàn)信息牢籠問題，當推薦范圍無法擴展，不能適應新項目的推薦時，不能隨著用戶興趣的改變而發(fā)生興趣模型的改變，無法挖掘用戶的潛在興趣，甚至當新用戶沒有喜好歷史，沒有行為信息時，不能建立興趣模型，也就無法為新用戶直接產(chǎn)生推薦。

協(xié)同過濾推薦算法隨著時代的發(fā)展已經(jīng)相對成熟，隨著人們需求的不斷增多，對推薦系統(tǒng)的要求也在不斷提高。以上兩種推薦算法各有優(yōu)缺點，因此，根據(jù)不同推薦算法的特點采用混合推薦算法，克服單個算法存在的問題，取長補短互為補充，不僅推薦精度得到提高，推薦的內(nèi)容也更豐富。圖2為推薦算法的架構(gòu)圖。

圖2 推薦算法架構(gòu)圖

2.1 協(xié)同過濾推薦層

用戶的協(xié)同過濾推薦算法，是基于不同用戶的行為信息評分來面向同一用戶標簽組產(chǎn)生新聞推薦，通過一段時間的推薦，不斷進行數(shù)據(jù)更新，提高準確性，挖掘用戶的潛在興趣。獲取用戶的行為信息，對行為日志進行數(shù)據(jù)處理，從而得到用戶對文章的評分數(shù)據(jù)集。將微信用戶之間對內(nèi)容的評分作為一個向量來計算用戶之間的相似度，由高到低排序獲取前K個與當前用戶高度相似的鄰居用戶，并將鄰居用戶評分最高的項目集推薦給當前用戶。將以上分析分為三步：

（1）數(shù)據(jù)集的來源。數(shù)據(jù)集的獲取來自MySQL數(shù)據(jù)庫中用戶對偏好內(nèi)容的點贊、評論、分享行為，以不同評分的形式表達用戶對該內(nèi)容的興趣偏好。

（2）相似度計算。采用歐式距離算法計算用戶間的相似度，公式（1）中，，分別代表不同用戶，(X-Y)對其求兩者間距離，距離越大則表示兩用戶間越相似，否則意味著這兩個用戶根本不相似，然后對用戶進行聚類，篩選興趣相似的用戶集合。

（3）產(chǎn)生推薦列表。排除用戶本身，將相似度進行降序排列得到的推薦列表，將相似用戶喜歡的、但當前用戶未曾看過的內(nèi)容進行推薦。

當用戶是新用戶時，對推薦的內(nèi)容產(chǎn)生的行為信息很少，甚至沒有，那么系統(tǒng)無法進行個性化推薦，系統(tǒng)只有對一定數(shù)量的內(nèi)容產(chǎn)生行為后才能夠進行推薦。那么為了解決冷啟動問題，對首次關(guān)注微信公眾號的新用戶先進行熱點新聞推薦，通過監(jiān)測設備感知室內(nèi)環(huán)境狀況，給用戶合理地推薦熱點新聞，比如：當室內(nèi)環(huán)境的甲醛參數(shù)過高，推薦用戶“如何除甲醛”，“如何凈化室內(nèi)環(huán)境空氣”等相關(guān)新聞文章。

2.2 內(nèi)容推薦層

基于內(nèi)容的推薦算法，利用用戶本身的興趣喜好模型進行相應的推薦。獲取用戶的歷史信息，經(jīng)過數(shù)據(jù)處理取用戶評分較高的內(nèi)容進行文本分析，為用戶建立用戶興趣模型。文本分類流程如圖3所示。

圖3 文本分類流程圖

內(nèi)容分析分為三步：

（1）中文分詞。選擇用戶在數(shù)據(jù)集中評分偏高的內(nèi)容，通過爬蟲得到推薦給用戶的新聞內(nèi)容，通過結(jié)巴（jieba）分詞對兩組文本提取特征詞，去掉大量無意義的高頻詞，獲得文本關(guān)鍵詞列表。

（2）詞向量轉(zhuǎn)化。采用TF-IDF算法對關(guān)鍵詞進行權(quán)值計算，然后根據(jù)權(quán)重按降序排列取前K個關(guān)鍵詞得到興趣列表。公式（2）、（3）分別為關(guān)鍵詞的詞頻計算和逆文檔頻率計算。計算TFIDF值為公式（4），其中，代表內(nèi)容文本的文本總數(shù)，（）代表文本中包含的文本總數(shù)。

（3）興趣值計算。根據(jù)兩對興趣列表中的關(guān)鍵詞向量，通過余弦相似度計算兩對文本的相似度，得到新文本內(nèi)容與用戶的興趣模型之間的相似度，將其降序排列取出前個相似度最高的新聞內(nèi)容。相似度計算為公式（5），其中，是用戶的興趣標簽向量，是新文本的標簽向量。

在內(nèi)容推薦的算法中，隨著時間的變化、用戶瀏覽記錄數(shù)據(jù)的增加，此推薦算法也會越來越準確。但是時間因素可能會導致用戶的興趣發(fā)生衰減，因此在算法中引入衰減系數(shù)γ，間隔一段時間后，對所有用戶的全部關(guān)鍵詞興趣程度進行相應的衰減，從而模擬用戶某個興趣隨時間變化的現(xiàn)象，使推薦更加準確。

3 系統(tǒng)實現(xiàn)

3.1 數(shù)據(jù)監(jiān)測部分的系統(tǒng)實現(xiàn)

微信公眾號對于首次關(guān)注的新用戶首先會進行設備掃碼連接，將居室的監(jiān)測設備id上傳到微信平臺進行綁定，環(huán)境數(shù)據(jù)通過HTTP協(xié)議傳送到云端并儲存在MySQL數(shù)據(jù)庫，微信用戶在移動端發(fā)送消息指令，云服務器響應指令后將結(jié)果返回給用戶。用戶想查看當前數(shù)據(jù)、今日數(shù)據(jù)、均值趨勢圖均可以通過菜單欄按鈕即時獲取，如圖4所示。

圖4 在線實時環(huán)境數(shù)據(jù)

3.2 內(nèi)容推送部分的系統(tǒng)實現(xiàn)

為滿足不同用戶的不同偏好，內(nèi)容推送部分進行定時合理推送。定時推送的時間段選擇每天早9點和下午3點，使用戶在工作閑暇之余緩解壓力，將用戶感興趣的新聞內(nèi)容進行自主推送。定時為用戶推薦感興趣的內(nèi)容，不需要用戶在知識的海洋里費力尋找，節(jié)約了用戶在手機上閱讀無效內(nèi)容浪費的時間，幫助用戶自動整合感興趣數(shù)據(jù)，使推薦系統(tǒng)更加貼合用戶的偏好需求，提高了推薦系統(tǒng)的性能，也提高了用戶的滿意度，減輕信息過載問題。

通過協(xié)同過濾和基于內(nèi)容的混合推薦算法，采用Django框架渲染頁面，將內(nèi)容以圖文結(jié)合的形式推送給用戶，如圖5所示。吸引用戶的閱讀興趣，增加趣味性。使用戶有足夠的耐心去進行閱讀，延長用戶頁面停留時間，降低頁面跳出率，使用戶更感興趣。

圖5 內(nèi)容推送結(jié)果

4 結(jié)語

互聯(lián)網(wǎng)的迅速發(fā)展以及普及，使人們的生活已經(jīng)離不開網(wǎng)絡；互聯(lián)網(wǎng)本著為大眾服務的原則，也越來越被大眾所喜愛。微信、微博等自媒體的廣泛普及，自媒體內(nèi)容的大量產(chǎn)生逐漸成為一種自然而然的趨勢。基于微信公眾號的室內(nèi)環(huán)境健康研究系統(tǒng)，可以幫助用戶實時在線查看居室環(huán)境數(shù)據(jù)，實時了解當前環(huán)境狀況，如果有問題及時解決。還向用戶主動推送對方感興趣的環(huán)境新聞，解除用戶在海量信息中毫無目標地尋找內(nèi)容的苦惱，解決信息過載問題。本平臺采用Python+MySQL實現(xiàn)用戶數(shù)據(jù)查詢操作，Python+Django+MySQL實現(xiàn)用戶內(nèi)容推送部分，服務于用戶，提高用戶的生活環(huán)境質(zhì)量。本系統(tǒng)主要針對居室環(huán)境進行監(jiān)測研究，但在實際中可以應用在醫(yī)院、社區(qū)等其他環(huán)境進行信息監(jiān)測，因此具有較好的實際應用推廣價值。