曹錦丹　鐘玉駿　鄒男男等

關(guān)鍵詞： 在線健康社區(qū)； 個(gè)性化推薦； 動(dòng)態(tài)社交網(wǎng)絡(luò)； 個(gè)人動(dòng)態(tài)偏好

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００３

〔中圖分類號(hào)〕Ｒ－０５８ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２３） ０９－００２６－１０

健全和完善“互聯(lián)網(wǎng)＋醫(yī)療健康” 服務(wù)體系及支撐體系是當(dāng)前推進(jìn)實(shí)施“健康中國(guó)” 戰(zhàn)略的一項(xiàng)重要工作［１］ 。隨著這項(xiàng)工作的推進(jìn)， 在線健康社區(qū)（Ｏｎｌｉｎｅ Ｈｅａｌｔｈ Ｃｏｍｍｕｎｉｔｉｅｓ， ＯＨＣｓ）已成為人們獲取健康信息的重要渠道。ＯＨＣｓ 是具有相同健康或疾病治療興趣的人在以互聯(lián)網(wǎng)為媒介形成的健康社區(qū)集合， 是人們獲取健康信息、得到情感支持、分享個(gè)人經(jīng)驗(yàn)和健康信息以及提供情感支持等各種與健康相關(guān)的活動(dòng)的平臺(tái)。然而， 目前ＯＨＣｓ 平臺(tái)的用戶在健康信息搜尋和交互方面尚需進(jìn)一步優(yōu)化。隨著ＯＨＣｓ 用戶數(shù)量和信息資源的不斷增長(zhǎng)， 導(dǎo)致大數(shù)據(jù)呈現(xiàn)低價(jià)值密度特征， 即信息過載問題。因此， 用戶對(duì)個(gè)性化推薦的需求越來(lái)越高， 以減少信息超載帶來(lái)的認(rèn)知負(fù)荷。但是， 用戶的健康信息需求因其自身因素不同而具有個(gè)性化特點(diǎn)， 且用戶健康狀況會(huì)隨著時(shí)間推移而發(fā)生改變， 目前在線健康社區(qū)個(gè)性化推薦算法鮮有對(duì)用戶興趣的時(shí)間動(dòng)態(tài)遷移特征進(jìn)行賦權(quán)。如何有效構(gòu)建更為豐富的ＯＨＣｓ用戶推薦算法， 提供更為針對(duì)性的服務(wù)， 以實(shí)現(xiàn)精準(zhǔn)推薦， 已成為目前領(lǐng)域?qū)W者普遍關(guān)注的問題。

１國(guó)內(nèi)外相關(guān)研究

個(gè)性化推薦是在數(shù)據(jù)挖掘基礎(chǔ)上實(shí)現(xiàn)的智能信息服務(wù)， 能夠有效滿足人們對(duì)各類信息的個(gè)性化需求［２］ 。早期的推薦算法研究主要集中于傳統(tǒng)推薦算法， 包括基于內(nèi)容的推薦算法、基于協(xié)同過濾的推薦算法和基于混合的推薦算法。近期基于深度學(xué)習(xí)的推薦模型成為一大熱點(diǎn)［３］ ， 但其與傳統(tǒng)推薦算法相比， 需要大量的數(shù)據(jù)作為支撐， 無(wú)法解決數(shù)據(jù)稀疏性問題。而研究表明， 將社交信息等輔助信息加入傳統(tǒng)推薦算法可緩解冷啟動(dòng)和項(xiàng)目稀疏性［４］ ， 且考慮用戶興趣的動(dòng)態(tài)遷移性可提升個(gè)性化推薦算法效率［５］ 。故為彌補(bǔ)傳統(tǒng)推薦算法的不足， 研究者們嘗試采用多維度信息融合并加入推薦算法， 最典型的是社交關(guān)系信息、時(shí)間上下文信息。如琚春華等［６］通過構(gòu)建仿真的微信平臺(tái)獲取數(shù)據(jù)， 將用戶社交關(guān)系與信任關(guān)系和偏好融合到推薦方法中， 提高了其有效性和準(zhǔn)確度； 董立巖等［７］ 意識(shí)到研究時(shí)間對(duì)用戶興趣影響的重要性， 通過在傳統(tǒng)的協(xié)同過濾算法中融入時(shí)間特征， 發(fā)現(xiàn)基于時(shí)間衰減的協(xié)同過濾算法在準(zhǔn)確性上得到了顯著的提高。上述研究集中于電子商務(wù)、新聞、社交網(wǎng)絡(luò)、音樂、廣告等領(lǐng)域，但在醫(yī)療健康信息服務(wù)領(lǐng)域的應(yīng)用程度還不足。ＯＨＣｓ 的推薦有其顯著的特殊性， 只包括提供內(nèi)容服務(wù)、無(wú)評(píng)分信息、冷啟動(dòng)和矩陣稀疏問題更嚴(yán)重等特性， 而且現(xiàn)實(shí)中用戶興趣會(huì)隨著健康狀況在不同時(shí)期階段的變化而發(fā)生改變。所以目前的已有個(gè)性化推薦算法在ＯＨＣｓ 中的應(yīng)用還有待深入探索。

在線健康社區(qū)個(gè)性化推薦方法的研究尚不多見?，F(xiàn)有研究主要是通過分析用戶社交關(guān)系和用戶生成內(nèi)容文本語(yǔ)義構(gòu)建網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)話題內(nèi)容的推薦， 且基于用戶興趣是一成不變的觀點(diǎn)， 將用戶以往產(chǎn)生的數(shù)據(jù)不分時(shí)間先后統(tǒng)一用來(lái)代表用戶現(xiàn)在的興趣。如Ｙａｎｇ Ｈ 等［８］ 通過隱含的社會(huì)關(guān)系， 采用自適應(yīng)矩陣分解的方法為用戶進(jìn)行推薦； Ｙａｎｇ ＣＣ 等［９］ 通過構(gòu)建用戶和ＵＧＣ 之間關(guān)系的異構(gòu)醫(yī)療信息網(wǎng)絡(luò)， 向ＯＨＣｓ 中的用戶推薦話題貼； Ｙａｎｇ Ｈ等［１０］ 通過構(gòu)建用戶影響關(guān)系（Ｕｓｅｒ Ｉｎｆｌｕｅｎｃｅ Ｒｅｌａ?ｔｉｏｎｓｈｉｐｓ， ＵＩＲｓ）網(wǎng)絡(luò)計(jì)算用戶相似度， 提高為用戶進(jìn)行內(nèi)容推薦的準(zhǔn)確度； 李賀等［１１］ 通過將提取的用戶評(píng)論關(guān)鍵詞之間形成語(yǔ)義關(guān)系網(wǎng)絡(luò)， 以便構(gòu)建模糊認(rèn)知圖， 實(shí)現(xiàn)相關(guān)疾病知識(shí)的推薦； 王欣研［１２］ 通過挖掘熱點(diǎn)問題以及問題主題相關(guān)關(guān)系，構(gòu)建語(yǔ)義關(guān)聯(lián)主題圖譜并搭建了個(gè)性化推薦模型。

綜上所述， 個(gè)性化推薦算法已有較多研究將社交關(guān)系和時(shí)間上下文作為額外信息融入個(gè)性化推薦算法， 但是并不完全適用于ＯＨＣｓ 的用戶推薦。而現(xiàn)有的面向在線健康社區(qū)的個(gè)性化推薦， 均未考慮時(shí)間特征對(duì)用戶興趣的影響， 導(dǎo)致用戶興趣的動(dòng)態(tài)遷移性無(wú)法體現(xiàn)。因此， 本研究基于其他領(lǐng)域的個(gè)性化推薦算法研究， 構(gòu)建融合時(shí)間特征的在線健康社區(qū)個(gè)性化推薦算法， 深入探討用戶興趣的動(dòng)態(tài)遷移性對(duì)提升推薦算法的準(zhǔn)確度和有效性， 以獲得更加精準(zhǔn)的推薦結(jié)果。

２基于社交關(guān)系和個(gè)人偏好的動(dòng)態(tài)個(gè)性化推薦算法框架

ＯＨＣｓ 與其他類型的在線社區(qū)存在的最大區(qū)別是ＯＨＣｓ 用戶在交互過程中， 因每個(gè)用戶的健康狀況會(huì)隨著時(shí)間的推移而產(chǎn)生變化， 其健康信息需求和信息交互行為具有更顯著的動(dòng)態(tài)遷移性。另外，ＯＨＣｓ 用戶興趣分為用戶間互動(dòng)形成的社交關(guān)系和用戶日常發(fā)布信息即用戶個(gè)人偏好兩部分［１３］ ?；谝陨蟽牲c(diǎn)， 本文所構(gòu)建的融合時(shí)間特征的個(gè)性化推薦算法分為３ 部分： ①社交關(guān)系與時(shí)間特征融合的動(dòng)態(tài)社交關(guān)系矩陣構(gòu)建； ②用戶個(gè)人偏好與時(shí)間融合的用戶話題帖匹配矩陣構(gòu)建； ③基于動(dòng)態(tài)社交關(guān)系和個(gè)人動(dòng)態(tài)偏好的個(gè)性化推薦算法構(gòu)建。

２.１融合時(shí)間特征的社交關(guān)系矩陣構(gòu)建

ＯＨＣｓ 與一般在線社區(qū)相比屬于弱社交關(guān)系媒體， 其社區(qū)成員間基于興趣構(gòu)建社交關(guān)系。此外，用戶間的社會(huì)影響關(guān)系反映用戶間通過交換健康信息產(chǎn)生社會(huì)影響， 從而構(gòu)成社交關(guān)系的互動(dòng)過程。且ＯＨＣｓ 用戶間社會(huì)關(guān)系越強(qiáng)則代表兩者間的社會(huì)影響力越大， 并且兩用戶間相似度越大， 兩用戶間的相互影響程度也越大［１４］ 。且社會(huì)關(guān)聯(lián)理論表明，一方面具有相似特征的兩個(gè)個(gè)體間更容易建立社會(huì)關(guān)系； 另一方面具有社會(huì)關(guān)系的個(gè)體更容易表現(xiàn)出相似特征［１５］ 。所以， 從融合時(shí)間特征的用戶社會(huì)關(guān)系強(qiáng)度和融合時(shí)間特征的用戶間相似度出發(fā)， 構(gòu)建ＯＨＣｓ 融合時(shí)間特征的社交關(guān)系網(wǎng)絡(luò)即用戶影響力網(wǎng)絡(luò)， 以體現(xiàn)用戶間基于興趣的動(dòng)態(tài)社交關(guān)系。公式如下：

然而， 一方面， 用戶社會(huì)關(guān)系強(qiáng)度依賴于連接兩用戶的連通路徑的權(quán)值和數(shù)量； 另一方面， 用戶行為模式相似度依賴于用戶行為軌跡。要構(gòu)建ＯＨＣｓ 融合時(shí)間特征的用戶影響力網(wǎng)絡(luò)， 因其不同于存在評(píng)分、評(píng)級(jí)和關(guān)注等顯式行為的其他類型在線社區(qū)， 需先依據(jù)ＯＨＣｓ 的隱式互動(dòng)行為特點(diǎn)， 構(gòu)建基于用戶間共同興趣產(chǎn)生參與話題帖的互動(dòng)行為來(lái)表示社會(huì)關(guān)系的隱式行為網(wǎng)絡(luò)。因此， 本部分包括： ①融合時(shí)間特征的隱式用戶行為網(wǎng)絡(luò)構(gòu)建； ②融合時(shí)間特征的用戶間相似度矩陣構(gòu)建； ③融入時(shí)間特征的用戶間社會(huì)影響力計(jì)算。

２.１.１融合時(shí)間特征的隱式用戶行為網(wǎng)絡(luò)構(gòu)建

ＯＨＣｓ 是用戶發(fā)布和回復(fù)話題帖進(jìn)行交流的平臺(tái)， 其互動(dòng)行為是基于興趣產(chǎn)生的隱式行為， 而不像其他社區(qū)存在顯式行為。因此， 本研究構(gòu)建的行為網(wǎng)絡(luò)基于ＯＨＣｓ 中的隱式互動(dòng)行為構(gòu)建。其隱式交互行為定義為用戶參與同一話題帖， 認(rèn)為參與同一話題帖的用戶具有相似的興趣， 且相似程度與共同參與話題帖的數(shù)量成正比， 且回復(fù)量比訪問量更能體現(xiàn)話題帖的受關(guān)注程度［１６］ 。但當(dāng)一個(gè)話題帖成為熱門話題帖導(dǎo)致大多數(shù)用戶普遍參與其中時(shí)，反而該話題帖不能很好地代表用戶的興趣， 因而此帖對(duì)用戶共同興趣的貢獻(xiàn)度應(yīng)相對(duì)降低。此外，ＯＨＣｓ 中用戶的健康狀況會(huì)隨時(shí)間改變而變化， 導(dǎo)致用戶興趣也隨之發(fā)生變化， 致使用戶間基于興趣的影響力隨時(shí)間推移而衰減， 表現(xiàn)為對(duì)時(shí)刻ｔｋ 的用戶ｕｋ 來(lái)說(shuō)， 同一級(jí)聯(lián)中時(shí)刻ｔｋ 附近的用戶對(duì)ｕｋ的影響力應(yīng)遠(yuǎn)大于較早時(shí)刻的用戶， 有研究［１７－１８］證明了這一點(diǎn)［１９］ 。且Ｍｕｎｉｚ Ｃ Ｐ Ｍ Ｔ 等［２０］ 受弱聯(lián)系社會(huì)理論的啟發(fā)， 認(rèn)為最近的互動(dòng)比以前的互動(dòng)具有更大的影響力。

因此， 上述內(nèi)容表現(xiàn)在隱式用戶行為網(wǎng)絡(luò)中，概括為以下３點(diǎn)：

１） 用戶間共同參與的話題帖數(shù)量越多， 即交互次數(shù)越多（當(dāng)兩個(gè)用戶在多次參與一個(gè)話題帖時(shí)， 只能算為１ 次）， 表明兩者間健康信息興趣越相似， 用戶之間的權(quán)重越大。

２） 參與一個(gè)話題帖的人數(shù)越多， 表明該話題帖受歡迎程度越大， 此帖對(duì)邊權(quán)重的貢獻(xiàn)越小， 即每個(gè)話題帖的參與人數(shù)定義為Ｎｕ， 用其倒數(shù)代表該話題帖對(duì)本用戶邊權(quán)重的貢獻(xiàn)值。

３） 兩用戶間的交互時(shí)間距離現(xiàn)在越近， 表明兩者間的健康狀況相似可能性越大， 用戶間產(chǎn)生的社會(huì)影響力越大， 相應(yīng)的邊權(quán)重值也越大， 其互動(dòng)時(shí)間定義為兩者中后參與該話題帖的時(shí)間。

基于上述觀點(diǎn)首先構(gòu)建動(dòng)態(tài)隱式行為網(wǎng)絡(luò)， 以便獲取用戶間的連接強(qiáng)度， 公式如下：

然而， 在線健康社區(qū)中每個(gè)用戶的活躍程度不同， 越活躍的用戶， 參與的話題帖數(shù)量越多， 這就導(dǎo)致用戶差異問題的出現(xiàn)。為了解決上述問題， 本研究把用戶參與的話題帖數(shù)量用來(lái)代表用戶的活躍程度， 參與話題帖數(shù)量多的用戶， 興趣分布更為廣泛， 導(dǎo)致單一話題帖在該用戶參與的所有話題帖中所占的比重較小。因此， 為了區(qū)分每個(gè)用戶的活躍程度差異， 需要從每個(gè)用戶的角度出發(fā)， 構(gòu)建有方向的用戶行為網(wǎng)絡(luò)。步驟包括：

首先， 將每個(gè)用戶參與的話題帖數(shù)量作為節(jié)點(diǎn)權(quán)重。

其次， 將用戶的活躍程度加入邊權(quán)重， 即在原有邊權(quán)重的基礎(chǔ)上除以起點(diǎn)用戶的節(jié)點(diǎn)權(quán)重。

最后， 將邊權(quán)重進(jìn)行最大值歸一化。

２.１.２融合時(shí)間特征的用戶間相似度矩陣構(gòu)建

因ＯＨＣｓ 是用戶根據(jù)自己的興趣參與話題帖討論產(chǎn)生互動(dòng)行為的平臺(tái)， 所以其用戶傾向于與具有相似特征或相似健康狀況的用戶產(chǎn)生交流， 其相似度越大， 健康狀況越相似， 彼此間的社會(huì)影響力越大。而ＯＨＣｓ 的用戶間相似度通常采用用戶信息的相似度來(lái)衡量。且ＯＨＣｓ 中的用戶信息分為靜態(tài)信息和動(dòng)態(tài)信息， 其中靜態(tài)信息主要是指用戶屬性信息， 動(dòng)態(tài)信息包括用戶生成內(nèi)容和用戶行為軌跡［２２］ 。故本研究融合時(shí)間特征的用戶相似度， 從用戶的屬性、用戶生成內(nèi)容和用戶行為模式相似度展開， 其中融合時(shí)間特征體現(xiàn)在動(dòng)態(tài)信息上。用戶相似度的計(jì)算公式如下：

①按權(quán)重排序選?。?個(gè)關(guān)鍵詞， 將其權(quán)值作為中心向量， 目標(biāo)用戶的每一條內(nèi)容變?yōu)椋?維向量，稱作擴(kuò)展向量， 若兩者出自同一文檔文本， 則表示為（０，０，０，…，ｗ_ｓｘ）， 若存在ｍ 個(gè)， 則擴(kuò)展向量對(duì)應(yīng)維度的值為ｗ_ｓｘ／ ｍ。

②設(shè)置閾值。將上面的兩個(gè)向量利用余弦相似度公式計(jì)算兩者間的相似度， 如果相似度大于設(shè)定的閾值則加入用戶關(guān)鍵詞序列， 否則舍棄。

③若新加入的關(guān)鍵詞在Ｋｕ 中已經(jīng)存在， 則進(jìn)行關(guān)鍵詞權(quán)值的疊加， 否則， 直接加入新關(guān)鍵詞及其對(duì)應(yīng)的權(quán)值， 即原來(lái)權(quán)值與時(shí)間衰減因子相乘后的值。使用歸一化余弦相似度衡量用戶生成內(nèi)容關(guān)鍵詞序列相似度ＫＳ_ｉｊ。

３） 用戶屬性相似度

社會(huì)網(wǎng)絡(luò)理論中的個(gè)體屬性在社會(huì)關(guān)系的形成中起著非常重要的作用［２７］ ， 并且疾病與個(gè)體屬性相關(guān)， 所以ＯＨＣｓ 中的個(gè)體屬性也是計(jì)算用戶健康狀況相似度的重要組成部分。而本文在用戶屬性相似度的計(jì)算方法上依舊沿用Ｙａｎｇ Ｈ 等［１０］ 的研究，面對(duì)用戶屬性值的不同類型： 文本型數(shù)據(jù)若相同，賦值為１， 否則為０； 數(shù)值型數(shù)據(jù)采用最大最小值標(biāo)準(zhǔn)化公式進(jìn)行求值。最后利用用戶所有屬性相似度的平均值代表用戶屬性相似度。

４） 利用ＸＧＢｏｏｓｔ 確定權(quán)重系數(shù)

使用ＸＧＢｏｏｓｔ 模型得到用戶相似度中３ 個(gè)特征的重要性。ＸＧＢｏｏｓｔ 模型中特征重要性是通過對(duì)數(shù)據(jù)集包含的每個(gè)特征進(jìn)行計(jì)算并排序得出， 通常而言， 一個(gè)特征越多的被用來(lái)在模型中構(gòu)建決策樹，它的重要性得分越高。

２.１.３融入時(shí)間特征的用戶間社會(huì)影響力計(jì)算

在ＯＨＣｓ中， 用戶根據(jù)其發(fā)帖和回帖產(chǎn)生的隱式交互活動(dòng)進(jìn)行連接， 產(chǎn)生社會(huì)影響， 且交互越頻繁越容易產(chǎn)生較大的社會(huì)影響。而用戶間的社會(huì)關(guān)系強(qiáng)度反映了兩者間的社會(huì)影響力， 且依賴于連接他們的連通路徑的權(quán)值和數(shù)量， 且隨著用戶之間距離的增加而降低［２８］ 。所以為了獲得兩用戶間最強(qiáng)的社會(huì)關(guān)系， 需要求兩點(diǎn)間的最短路徑。

Ｄｉｊｋｓｔｒａ最短路徑算法是有向加權(quán)圖中最基本和應(yīng)用最廣泛的最短路徑算法。在有向圖中Ｄｉｊｋ?ｓｔｒａ 最短路徑算法可以表示為： 在構(gòu)建好的有向帶權(quán)圖Ｇ 中， 給定源點(diǎn)Ａ， 求其到圖Ｇ 中其他頂點(diǎn)的最短路徑， 具體貪心算法的策略是遍歷距起始點(diǎn)最近且未訪問過的頂點(diǎn)的鄰接節(jié)點(diǎn)， 直到遍歷到結(jié)束點(diǎn)。所以， 本文選用Ｄｉｊｋｓｔｒａ 最短路徑算法并基于上文構(gòu)建的融合時(shí)間特征的有向隱式用戶行為網(wǎng)絡(luò)找出兩用戶間的最短路徑， 若存在多條最短路徑，取其中路徑權(quán)值和最大的路徑作為最短路徑。

兩用戶間社會(huì)影響力取決于用戶間路徑的邊權(quán)重和經(jīng)過的邊數(shù)量， 故根據(jù)求得兩用戶間的最短路徑， 其包含的所有節(jié)點(diǎn)， 依次將兩節(jié)點(diǎn)的權(quán)值相乘，權(quán)值乘積越大， 代表用戶間基于興趣的社會(huì)影響力越強(qiáng)。

２.２融入時(shí)間特征的用戶話題帖匹配矩陣構(gòu)建

ＯＨＣｓ 中最主要、最有價(jià)值的內(nèi)容是反映用戶健康狀況和健康信息需求的話題帖。且ＯＨＣｓ 內(nèi)的用戶興趣不僅受社交關(guān)系的影響， 還受其自身內(nèi)容偏好的影響［１０］ 。故在獲得用戶間基于興趣的社交關(guān)系而產(chǎn)生的社會(huì)影響后， 還需根據(jù)用戶的自身偏好來(lái)判斷推薦給用戶的話題帖是否滿足用戶的健康信息需求， 具體可分為用戶自身內(nèi)容偏好的特征提取、話題帖內(nèi)容特征提取以及兩者之間的匹配程度３ 部分。

１） 用戶自身內(nèi)容偏好。其提取方法同上文中對(duì)用戶內(nèi)容相似度中內(nèi)容特征的提取方法， 即采用ＬＤＡ 主題模型和融合時(shí)間的關(guān)鍵詞提取技術(shù)分別提取反映用戶健康信息需求的主題偏好和關(guān)鍵詞偏好。在數(shù)據(jù)利用方面， 利用ＯＨＣｓ 中用戶產(chǎn)生最多也是最重要組成部分的文本數(shù)據(jù)來(lái)分析用戶自身偏好： 一方面， 各大社交網(wǎng)站一般通過用戶生成的文本信息來(lái)挖掘用戶的自身偏好［２９］ ； 另一方面， ＯＨＣｓ成為公眾獲取健康信息的重要渠道， 其用戶基于發(fā)帖和回帖產(chǎn)生了大量用戶交互數(shù)據(jù)， 其中價(jià)值最大的是用戶溝通交流時(shí)所產(chǎn)生的文本數(shù)據(jù)。

２） 話題帖文本內(nèi)容的特征提取。其具體步驟為： 先利用ＬＤＡ 主題模型提取此話題帖在健康信息各個(gè)主題下的分布概率， 即該話題帖的主題特征向量； 再利用關(guān)鍵詞提取技術(shù)得到該話題帖中與疾病有關(guān)且反映用戶健康需求的關(guān)鍵詞向量， 但此處的關(guān)鍵詞提取技術(shù)不同于前文中的關(guān)鍵詞提取技術(shù)， 這里未融合時(shí)間， 原因?yàn)榇颂帉?duì)話題帖的關(guān)鍵詞提取只是對(duì)話題帖本身內(nèi)容特征的表示， 并非從用戶層面表示其健康信息興趣演變。

為了檢驗(yàn)用戶內(nèi)容偏好與話題帖的符合程度，需要將上述得到的表示融合時(shí)間的用戶內(nèi)容偏好向量和話題帖向量， 利用余弦相似度計(jì)算兩者間相似度大小， 值越大表明兩者越相似， 用戶參與該話題帖的可能性越大， 也就是該話題帖越能滿足用戶的健康需求。根據(jù)匹配度得分形成用戶話題帖匹配矩陣， 公式為：

最后， 將Ｒ′與Ｆ 對(duì)應(yīng)位置相乘， 得到最后的用戶話題帖興趣評(píng)分矩陣。針對(duì)目標(biāo)用戶， 對(duì)其按分值大小排序， 形成ＴＯＰ－Ｎ 推薦列表。

３實(shí)證研究

３.１數(shù)據(jù)來(lái)源

本研究以糖尿病為例?！盯蛐吞悄虿》乐沃改稀分赋觯?通過生活方式的干預(yù)， 可以減少糖尿病各種并發(fā)癥， 有效提高糖尿病患者的生存質(zhì)量［３１］ 。其生活方式的干預(yù)需要根據(jù)病情和生活習(xí)慣等綜合因素制定個(gè)性化方案； 甜蜜家園是一個(gè)創(chuàng)辦于２００５年的國(guó)內(nèi)最知名、規(guī)模較大、管理制度比較完善、用戶的活躍程度較高的糖尿病社區(qū)［３２］ 。綜上， 本文選擇甜蜜家園中的“Ⅱ型糖尿病” 社區(qū)版塊， 并使用“后裔采集器” 采集２０１９ 年５ 月３０ 日—２０２２年７ 月２５ 日的發(fā)帖數(shù)據(jù)： ①參與話題帖用戶的個(gè)人屬性包括性別、回帖數(shù)、主題數(shù)、糖尿病類型、治療方案、生日、簽到等級(jí)、用戶組、注冊(cè)時(shí)間和在線時(shí)間； ②用戶發(fā)布的文本內(nèi)容及其發(fā)布時(shí)間；③用戶ＩＤ。

本研究共采集了３ ６９９條主題帖， 包含２ ４２４個(gè)用戶， ４８ ７２５條話題帖信息。根據(jù)本研究中構(gòu)建算法的需要將其分為兩個(gè)大小不同的數(shù)據(jù)集， 其中小數(shù)據(jù)集包含１３ ９５５條數(shù)據(jù)， 應(yīng)用于ＸＧＢｏｏｓｔ 特征重要性算法確定用戶間相似度３ 個(gè)組成指標(biāo)的權(quán)重系數(shù)以及內(nèi)容相似度中兩個(gè)模型向量的權(quán)重系數(shù)； 大數(shù)據(jù)集包含３４ ７７０條數(shù)據(jù)， 用來(lái)評(píng)價(jià)確定權(quán)重系數(shù)的個(gè)性化推薦算法和基準(zhǔn)模型中的推薦算法。

３.２數(shù)據(jù)預(yù)處理

為保證數(shù)據(jù)的有效可用， 刪除發(fā)表的表情符號(hào)或“謝謝分享” “頂” “贊” 等評(píng)論、空評(píng)論， 以及參與話題帖小于３ 和用戶信息缺失嚴(yán)重的數(shù)據(jù)。數(shù)據(jù)集中序數(shù)值屬性的空值利用其均值填充。

目前研究用戶在線生成內(nèi)容得到認(rèn)可最多且被廣泛使用的停用詞表有中文停用詞表、百度停用詞表、哈工大停用詞表以及四川大學(xué)機(jī)器智能實(shí)驗(yàn)室停用詞庫(kù)， 本研究為了構(gòu)建相對(duì)完整的停用詞表，在這４ 個(gè)停用詞表的基礎(chǔ)上， 先將其整合， 再去除重復(fù)內(nèi)容。使用Ｊｉｅｂａ分詞對(duì)評(píng)論文本進(jìn)行分詞。

本研究認(rèn)為隨機(jī)劃分訓(xùn)練集和測(cè)試集會(huì)導(dǎo)致數(shù)據(jù)泄露的前瞻偏差問題， 致使存在把用戶最近的評(píng)論用于訓(xùn)練， 而把早期的評(píng)論用于測(cè)試的可能性，喪失公平性， 且隨機(jī)劃分?jǐn)?shù)據(jù)集訓(xùn)練出來(lái)的模型的性能也無(wú)法推廣到現(xiàn)實(shí)世界的性能。因此， 本文利用時(shí)間戳列， 分別對(duì)每個(gè)用戶按照時(shí)間順序進(jìn)行排序， 再按照８ ∶２ 的比例劃分訓(xùn)練集和測(cè)試集， 數(shù)據(jù)集中時(shí)間距離現(xiàn)在最近的２０％ 歸為測(cè)試集， 遠(yuǎn)離現(xiàn)在時(shí)間的８０％為訓(xùn)練集。

３.３評(píng)價(jià)指標(biāo)

在模型的評(píng)價(jià)指標(biāo)上， 本研究選用個(gè)性化推薦算法領(lǐng)域中最常用的評(píng)價(jià)指標(biāo)， 包括精確率（Ｐｒｅｃｉ?ｓｉｏｎ， Ｐ）、召回率（Ｒｅｃａｌｌ， Ｒ）和Ｆ１ 評(píng)分（Ｆ１－Ｓｃｏｒｅ，Ｆ１）。Ｆ１－Ｓｃｏｒｅ 評(píng)估算法的整體性能， 具體含義Ｐｒｅｃｉｓｉｏｎ 和Ｒｅｃａｌｌ 的調(diào)和平均值。具體計(jì)算方法見式（１２） ～（１４）：

其中， Ｈｉｔｓ 是目標(biāo)用戶參與推薦的帖子數(shù)， ｒ是推薦的話題帖數(shù)量， Ｍｉｓｓ 表示目標(biāo)用戶參與但未正確推薦的話題帖數(shù)量。

３.４實(shí)驗(yàn)結(jié)果

１） 在利用ＬＤＡ 主題模型對(duì)文本內(nèi)容進(jìn)行主題分析時(shí)， 通過計(jì)算不同主題數(shù)Ｋ 所對(duì)應(yīng)的主題一致性Ｃｏｈｅｒｅｎｃｅ， 確定ＬＤＡ 主題模型最優(yōu)的主題數(shù)。主題一致性Ｃｏｈｅｒｅｎｃｅ 越高表示可解釋性和語(yǔ)義連貫性越好， 則對(duì)應(yīng)的Ｋ 值可以作為ＬＤＡ 模型最優(yōu)主題數(shù)， 兩個(gè)數(shù)據(jù)集分別對(duì)應(yīng)Ｋ ＝ ３ 和Ｋ ＝ ２，結(jié)果如圖１ 和圖２ 所示。

３） 利用ＸＧＢｏｏｓｔ 確定用戶相似度３ 個(gè)特征權(quán)重系數(shù)， 用戶內(nèi)容相似度權(quán)重為０.３１， 用戶行為相似度權(quán)重為０.３４， 用戶屬性相似度權(quán)重為０.３５。結(jié)果如圖４ 所示。

４） 為了驗(yàn)證本文構(gòu)建的融合動(dòng)態(tài)社交關(guān)系和個(gè)人動(dòng)態(tài)偏好的個(gè)性化推薦算法（ＴＯＨＣＲｅｃ）， 選取時(shí)間上下相關(guān)的項(xiàng)目協(xié)同過濾推薦算法（ＴＩｔｅｍ?ＣＦ）、時(shí)間上下相關(guān)的用戶協(xié)同過濾推薦算法（ＴＵｓｅｒＣＦ）、時(shí)間上下相關(guān)的內(nèi)容推薦算法（ＴＣＢ）、基于用戶社交關(guān)系和個(gè)人偏好興趣建模的推薦算法（ＯＨＣＲｅｃ）。

推薦列表長(zhǎng)度ｒ從５０～５００， 步長(zhǎng)為５０。Ｐｒｅｃｉ?ｓｉｏｎ 隨推薦列表的增長(zhǎng)而降低， 本文提出的ＴＯ?ＨＣＲｅｃ 方法在Ｐｒｅｃｉｓｉｏｎ 上明顯優(yōu)于所有基準(zhǔn)方法；Ｒｅｃａｌｌ 隨著推薦列表長(zhǎng)度ｒ 的增加而上升， 本文提出的ＴＯＨＣＲｅｃ 方法在召回率上明顯優(yōu)于所有基準(zhǔn)方法。ＴＯＨＣＲｅｃ 和ＯＨＣＲｅｃ 的Ｆ１－Ｓｃｏｒｅ 隨著推薦列表長(zhǎng)度ｒ 的增加先下降后趨于穩(wěn)定， 其他基準(zhǔn)模型趨于穩(wěn)定。

總體來(lái)看， 本文構(gòu)建的ＴＯＨＣＲｅｃ 優(yōu)于ＯＨＣＲｅｃ，原因?yàn)椋裕希龋茫遥澹?在計(jì)算用戶間社會(huì)關(guān)系和個(gè)人偏好時(shí)基于用戶興趣的動(dòng)態(tài)遷移性， 考慮了時(shí)間特征， 能更加及時(shí)地感知到用戶興趣的變化。ＴＯ?ＨＣＲｅｃ 優(yōu)于ＴＣＢＲｅｃ 是因?yàn)椋裕茫拢遥澹?中只考慮了用戶的個(gè)人偏好， 在很大程度上無(wú)法準(zhǔn)確地捕捉到用戶的興趣。ＴＵｓｅｒＣＦ 和ＴＩｔｅｍＣＦ 是根據(jù)用戶的歷史記錄對(duì)用戶興趣建模， 分別根據(jù)用戶和話題帖的相似性生成推薦結(jié)果。其中ＴＩｔｅｍＣＦ 更加個(gè)性化， 是將用戶參與過的話題帖進(jìn)行相似度計(jì)算， 根據(jù)話題帖相似度為用戶推薦可能感興趣的內(nèi)容； ＴＵｓｅｒＣＦ與ＴＩｔｅｍＣＦ 相比更加偏向社會(huì)化， 其考慮了兩用戶間的相互影響， 具體為先找到與目標(biāo)用戶興趣相似的用戶群， 并按照相似度大小對(duì)相似用戶排序， 再將相似用戶感興趣的話題帖推薦給目標(biāo)用戶。但由于ＯＨＣｓ 中用戶的社交關(guān)系屬于基于興趣的弱關(guān)系，導(dǎo)致ＴＩｔｅｍＣＦ 的效果優(yōu)于ＴＵｓｅｒＣＦ； 而ＴＯＨＣＲｅｃ 優(yōu)于ＴＩｔｅｍＣＦ、ＴＵｓｅｒＣＦ， 則是融合社交關(guān)系和個(gè)人偏好的個(gè)性化推薦算法能更準(zhǔn)確地描繪用戶的興趣。以上所有實(shí)驗(yàn)結(jié)果表明， 融合動(dòng)態(tài)社交關(guān)系和個(gè)人動(dòng)態(tài)偏好的個(gè)性化推薦算法， 可顯著提高推薦算法的性能。

４結(jié)語(yǔ)

本研究構(gòu)建的融合時(shí)間特征的在線健康社區(qū)個(gè)性化推薦算法在一定程度上解決了用戶興趣存在動(dòng)態(tài)遷移性的問題， 并提高了在線健康社區(qū)個(gè)性化推薦算法的準(zhǔn)確度， 為用戶興趣存在動(dòng)態(tài)遷移性和緩解冷啟動(dòng)、矩陣稀疏問題提供了解決思路， 進(jìn)一步完善了在線健康社區(qū)的個(gè)性化推薦算法研究， 為后續(xù)在線健康社區(qū)的個(gè)性化推薦研究提供了參考。但本研究還存在一定的局限性： 由于論壇和倫理道德的限制， 導(dǎo)致本研究中用戶的個(gè)體屬性不夠充足，數(shù)據(jù)來(lái)源有限， 后續(xù)可獲取多個(gè)數(shù)據(jù)平臺(tái)的數(shù)據(jù)，進(jìn)行跨平臺(tái)數(shù)據(jù)的研究。