羅 潔，王 力

（1 貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院，貴陽 550025；2 畢節(jié)工業(yè)職業(yè)技術(shù)學(xué)院，貴州 畢節(jié) 551700；3 貴州工程應(yīng)用技術(shù)學(xué)院 信息工程學(xué)院，貴州 畢節(jié) 551700）

0 引言

隨著時(shí)代發(fā)展，信息量極大膨脹。用戶在面對(duì)海量信息時(shí)，不能快速從中獲取自己有用的信息。針對(duì)這種現(xiàn)象，智能算法應(yīng)運(yùn)而生。近年來有關(guān)個(gè)性推薦算法的應(yīng)用越來越廣泛，根據(jù)用戶的歷史行為，對(duì)用戶的喜好和目標(biāo)行為，為用戶推送信息，極具商業(yè)價(jià)值和挖掘價(jià)值。協(xié)同過濾算法最大的優(yōu)點(diǎn)在于對(duì)推薦的對(duì)象沒有特殊要求；能夠有效處理非結(jié)構(gòu)化的復(fù)雜的對(duì)象，避免了內(nèi)容的分析不完全性和不精確性，根據(jù)用戶的歷史行為推薦個(gè)性化的信息。目前有很多學(xué)者對(duì)協(xié)同過濾算法進(jìn)行改進(jìn)并應(yīng)用，孫傳明等［1］針對(duì)數(shù)據(jù)稀疏性和推薦范圍問題，提出了一種混合協(xié)同過濾推薦算法；榮以平等［2］針對(duì)電力大用戶選擇交易對(duì)象的問題，提出了基于用戶協(xié)同過濾的購電推薦算法；孟晗等［3］針對(duì)對(duì)惡意用戶進(jìn)行區(qū)分的問題，提出了一種改進(jìn)的新型信任關(guān)系度量的推薦算法；夏景明等［4］針對(duì)數(shù)據(jù)稀疏導(dǎo)致的推薦不準(zhǔn)確問題，提出了一種基于用戶和商品屬性挖掘的協(xié)同過濾算法。

本文針對(duì)協(xié)同過濾算法的兩種不同對(duì)象，基于用戶和基于項(xiàng)目，對(duì)其進(jìn)行比較分析，從用戶數(shù)大于項(xiàng)目數(shù)和用戶數(shù)小于項(xiàng)目數(shù)兩方面進(jìn)行實(shí)驗(yàn)，驗(yàn)證了兩種不同對(duì)象的協(xié)同過濾算法的特性。

1 相關(guān)知識(shí)

協(xié)同過濾算法由3 個(gè)部分組成：通過用戶評(píng)分行為得到用戶—項(xiàng)目評(píng)分矩陣、計(jì)算相似度、根據(jù)相似度進(jìn)行推薦。

1.1 用戶評(píng)分行為

用戶評(píng)分行為是通過用戶對(duì)項(xiàng)目的打分，構(gòu)成用戶—項(xiàng)目評(píng)分矩陣R，式（1）所示，行向量表示用戶對(duì)項(xiàng)目的評(píng)分，列向量表示某個(gè)項(xiàng)目得到用戶的評(píng)分。

其中m表示用戶；n表示項(xiàng)目；mu表示第u個(gè)用戶；nv表示第v個(gè)項(xiàng)目；Rmunv表示第u個(gè)用戶對(duì)第v個(gè)項(xiàng)目的評(píng)分，其數(shù)值的大小表示用戶對(duì)項(xiàng)目的興趣程度。

1.2 相似度計(jì)算

采用余弦相似度找到與目標(biāo)用戶興趣相似的用戶集合，利用不同用戶對(duì)項(xiàng)目評(píng)分?jǐn)?shù)的相似度計(jì)算出用戶的興趣相似度。余弦相似度是用戶向量i和用戶向量j之間的向量夾角大小，夾角越小，余弦相似度越大，兩個(gè)用戶越相似。余弦相似度公式為

其中，Rm，i表示用戶i對(duì)項(xiàng)目的評(píng)分，Rm，j表示用戶j對(duì)項(xiàng)目的評(píng)分。

相似度越高則用戶間的喜好相似性越高。公式（2）中的分子代表評(píng)價(jià)向量，分母代表評(píng)分值?；陧?xiàng)目的協(xié)同過濾算法同樣采用余弦算法計(jì)算項(xiàng)目間相似度。

1.3 推薦

利用k 最近鄰算法思想，找到相似度最高的前k個(gè)用戶，通過這些用戶的相似度權(quán)重以及其對(duì)項(xiàng)目的偏好，計(jì)算得到一個(gè)項(xiàng)目排序列表進(jìn)行預(yù)測(cè)推薦。用戶u對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分，為式（3）

其中，k是相似度最接近的向量的集合；i是任意一個(gè)用戶；sim（mu，mi）表示最近鄰i和用戶u的相似度乘上最近鄰i對(duì)項(xiàng)目v的評(píng)分。

與基于用戶的協(xié)同過濾算法相似，基于項(xiàng)目的協(xié)同過濾算法是通過項(xiàng)目的相似度矩陣乘上評(píng)分矩陣得到推薦列表，來為用戶推薦其有興趣但還未涉及的項(xiàng)目。

2 基于用戶的協(xié)同過濾

采用不同用戶對(duì)項(xiàng)目的評(píng)分作為用戶-項(xiàng)目評(píng)分矩陣，以此計(jì)算用戶的相似度，根據(jù)相似度給用戶推薦和其興趣一致的用戶的其他項(xiàng)目。其過程如圖1 所示。

圖1 基于用戶的協(xié)同過濾過程Fig.1 The process of user-based collaborative filtering

該算法利用了用戶和用戶間的相似性來為用戶推薦其感興趣的信息，通過評(píng)分達(dá)到篩選信息的目的，但是這個(gè)算法存在兩個(gè)難解決的問題：

（1）稀疏性，即：用戶評(píng)價(jià)信息量少，很難發(fā)現(xiàn)用戶行為的相似性；

（2）隨著項(xiàng)目和用戶數(shù)量的增多，可擴(kuò)展性變差。針對(duì)這兩個(gè)問題，一方面可以通過改進(jìn)相似度計(jì)算方法來改善數(shù)據(jù)稀疏性；另一方面，可以采用分布式編程來提高算法的可擴(kuò)展性。

3 基于項(xiàng)目的協(xié)同過濾

將用戶對(duì)不同項(xiàng)目的評(píng)分行為用矩陣來表示，以此計(jì)算項(xiàng)目之間的相似度，根據(jù)相似度排序?yàn)橛脩敉扑]與用戶偏好相似度高的項(xiàng)目。每個(gè)用戶操作獨(dú)立，有獨(dú)立的特征向量，不受相鄰用戶的偏好影響，可以為目標(biāo)用戶推薦其感興趣的、新的、冷門的項(xiàng)目，使算法不受冷啟動(dòng)和稀疏性問題的影響，過程如圖2 所示。

圖2 基于項(xiàng)目的協(xié)同過濾過程Fig.2 Project-based collaborative filtering process

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)環(huán)境為：Inter（R）Core（TM）i5-2410M CPU＠ 2.30 GHz；8 GB 內(nèi)存；操作系統(tǒng)是Winsdow10 64 位，利用Jupyter Notebook 進(jìn)行編程。實(shí)驗(yàn)數(shù)據(jù)集從MovieLens（https：／／grouplens.org／datasets／movielens／）中抽取。電影的評(píng)分范圍為［1，5］區(qū)間所有整數(shù)值，用戶對(duì)電影的喜好程度由1 到5 逐漸遞增，數(shù)值越大，喜歡程度越深。實(shí)驗(yàn)數(shù)據(jù)集包含了用戶信息，評(píng)分信息，電影信息。

4.2 評(píng)價(jià)指標(biāo)

4.2.1 召回率（Recall）

召回率（Recall）又稱為查全率，表示樣本中正例被預(yù)測(cè)正確的比例，召回率為

其中，TP表示預(yù)測(cè)結(jié)果為正，實(shí)際結(jié)果為正；FN表示預(yù)測(cè)結(jié)果為負(fù)，實(shí)際結(jié)果為正；TP ＋FN表示實(shí)際結(jié)果為正的樣例。

4.2.2 精確率（Precision）

精確率（Precision）又稱為查準(zhǔn)率。表示預(yù)測(cè)為正的樣本中正樣本的比例，精確率為

其中，TP表示預(yù)測(cè)結(jié)果為正，實(shí)際結(jié)果為正；FP表示預(yù)測(cè)結(jié)果為正，實(shí)際結(jié)果為負(fù)；TP ＋FP表示預(yù)測(cè)結(jié)果為正的樣例。

4.2.3 覆蓋率（coverage）

覆蓋率（coverage）是度量測(cè)試完整性的手段，覆蓋率為

4.3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)1用戶數(shù)大于項(xiàng)目數(shù)

將兩種算法對(duì)同一數(shù)據(jù)集，6 040 個(gè)用戶對(duì)3 925部電影共1 000 209條評(píng)論信息進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果見表1。實(shí)驗(yàn)證明基于項(xiàng)目的協(xié)同過濾算法準(zhǔn)確率更高，而基于用戶的算法召回率、覆蓋率更高，從時(shí)間上看基于用戶的算法效率更高。

表1 用戶數(shù)大于項(xiàng)目數(shù)Tab.1 The number of users is greater than the number of items

實(shí)驗(yàn)2用戶數(shù)小于項(xiàng)目數(shù)

將兩種算法對(duì)同一數(shù)據(jù)集，610 個(gè)用戶對(duì)9 742部電影的評(píng)論信息進(jìn)行實(shí)驗(yàn)，結(jié)果見表2。實(shí)驗(yàn)證明基于項(xiàng)目的協(xié)同過濾算法精準(zhǔn)率、覆蓋率更高，而基于用戶的算法召回率更高，從時(shí)間上看基于用戶的算法效率更高。

表2 用戶數(shù)小于項(xiàng)目數(shù)Tab.2 The number of users is less than the number of items

結(jié)論：

（1）從精確率來說，基于項(xiàng)目的協(xié)同過濾算法質(zhì)量更高。

（2）從時(shí)間成本來說，基于用戶的協(xié)同過濾算法效率更高。

5 結(jié)束語

信息大爆炸時(shí)代，面對(duì)如此龐大數(shù)量的信息，如何有效篩選有用信息是個(gè)性化推薦算法的主要目的，也極具商業(yè)價(jià)值。本文就協(xié)同過濾算法的選擇對(duì)象不同，對(duì)基于項(xiàng)目和基于用戶的協(xié)同過濾算法進(jìn)行了比較分析研究，實(shí)驗(yàn)表明兩種算法各具其特色，從精確率角度，基于項(xiàng)目的協(xié)同過濾算法質(zhì)量更高；從時(shí)間成本角度，基于用戶的協(xié)同過濾算法效率更高，應(yīng)該在適宜的情況下，用相應(yīng)的算法。當(dāng)考慮精確率時(shí)，就使用基于項(xiàng)目的協(xié)同過濾算法，當(dāng)考慮時(shí)間成本時(shí)，就使用基于用戶的協(xié)同過濾算法。