基于時間因子的個性化推薦系統(tǒng)的算法改進(jìn)

浙江工業(yè)職業(yè)技術(shù)學(xué)院 方 杰

基于時間因子的個性化推薦系統(tǒng)的算法改進(jìn)

浙江工業(yè)職業(yè)技術(shù)學(xué)院 方 杰

如何根據(jù)用戶自身特征準(zhǔn)確地向其反饋個性化的推薦，一直是學(xué)術(shù)界和產(chǎn)業(yè)界研究的重點(diǎn)和熱點(diǎn)。本文提出了一種新的個性化推薦方法，該方法在計(jì)算兩個資源相似度時考慮了標(biāo)簽的時間因子，設(shè)計(jì)了合理的時間衰減函數(shù)，并以此對已有的推薦算法進(jìn)行了改進(jìn)，并在實(shí)際數(shù)據(jù)集中對改進(jìn)前后的個性化推薦算法結(jié)果進(jìn)行了對比，最終的結(jié)果表明了我們提出的方法具備可行性和優(yōu)越性。

時間因子；個性化推薦；社會標(biāo)簽系統(tǒng)

0 引言

目前，社會標(biāo)簽已經(jīng)成為web2.0的主要應(yīng)用之一，用戶可以自由地對網(wǎng)絡(luò)上各種類型的資源,比如視頻、照片等做出個性化的標(biāo)簽。這些標(biāo)簽可以在一定程度上反映用戶的興趣愛好和操作習(xí)慣。而個性化推薦系統(tǒng)恰恰是針對用戶的特點(diǎn)給予推薦，不同的用戶會得到不同的推薦。因此，用戶標(biāo)注的標(biāo)簽在個性化推薦系統(tǒng)中的地位舉足輕重，國內(nèi)外的一些論文對此已經(jīng)做了較深入的研究，并提出了許多有價值的算法。

目前的個性化推薦系統(tǒng)大多是基于資源、標(biāo)簽和用戶的三元關(guān)系，并以此設(shè)計(jì)了多種不同的推薦系統(tǒng)。通常，這些推薦系統(tǒng)都是根據(jù)用戶對資源的評價情況，來獲取用戶的特征，從而做出對用戶興趣的判斷并反饋推薦。但僅憑資源、標(biāo)簽和用戶所設(shè)計(jì)的個性化推薦系統(tǒng)存在著一定的局限性，因?yàn)橛脩魧σ粋€資源的態(tài)度和評價通常會隨著時間的推移而改變。比如用戶幾年前對某一地區(qū)房價的價格評價是“較低”，而現(xiàn)在的評價是“較高”，其實(shí)該用戶更關(guān)心的是當(dāng)前的價格；再比如用戶對某一部科幻電影幾年前的評價是“效果很好”，而隨著特技特效的快速發(fā)展，該用戶對該電影的評價換成了“效果一般”。所以標(biāo)簽?zāi)軌蚍从秤脩舻呐d趣和特點(diǎn)的變化，而這個變化是由時間的推移而造成的。

受到這一思想的啟發(fā)，在這篇文章中，我們提出了一個新的個性化推薦方法，把時間因子與標(biāo)簽綁定，在已有的個性化推薦系統(tǒng)的基礎(chǔ)上，融入“最新的標(biāo)簽最能反映用戶的特征”的想法，從而在一定程度上提高推薦的準(zhǔn)確度。

本文的主要貢獻(xiàn)有：

（1）提出了個性化推薦系統(tǒng)加入時間因子的思想。

（2）設(shè)計(jì)了加入時間因子后的推薦系統(tǒng)模型。

（3）使用真實(shí)數(shù)據(jù)集，對所設(shè)計(jì)的模型進(jìn)行驗(yàn)證。

本文第二節(jié)介紹了相關(guān)的基礎(chǔ)工作，第三節(jié)詳細(xì)描述了本模型的設(shè)計(jì)過程，第四節(jié)給出了實(shí)驗(yàn)的方法和結(jié)果，第五節(jié)介紹了文章的結(jié)論和下一步的工作思路。

1 相關(guān)工作

當(dāng)前的標(biāo)簽系統(tǒng)大多是由用戶、標(biāo)簽和資源這三個實(shí)體組成，并且這三個實(shí)體間互相關(guān)聯(lián)，即用戶對資源注釋標(biāo)簽，我們把這種關(guān)系記為A，那么標(biāo)簽系統(tǒng)可以描述為一個四元組，即存在一個用戶集U，標(biāo)簽集T，資源集R，以及對用戶來說，一個注釋集合A。這樣可以用D來表示整個標(biāo)簽系統(tǒng)，并定義。注釋集合A定義為一個三元組的集合，其中包含用戶，標(biāo)簽，以及資源，即：

個性化推薦系統(tǒng)由標(biāo)簽系統(tǒng)演化而來，秉承“以用戶為中心”的原則，重點(diǎn)研究用戶興趣的獲取方式和獲取效果。在獲取了用戶興趣以后，建立用戶模型，以方便把用戶興趣和資源對應(yīng)起來，最后通過該用戶模型和資源的匹配，進(jìn)行個性化的推薦。

基于經(jīng)典的余弦相似度的算法，Durao和Dolog[1]提出了一個個性化推薦的計(jì)算方法，把一些標(biāo)簽的自身因素融入到了算法中，如標(biāo)簽的代表性和標(biāo)簽的流行度等等。此外，他們的文獻(xiàn)中還給出了兩個資源A和B之間的相似度計(jì)算公式：

其中cos_similarity(TA,TB)是根據(jù)標(biāo)記在A和B兩個資源上的標(biāo)簽所計(jì)算的余弦相似度，而TA={TA1,TA2,TA3……TAn}。DA和DB是資源的評分，其計(jì)算方式為：

其中weigh(Tagi)表示標(biāo)簽的權(quán)重，與該標(biāo)簽在數(shù)據(jù)集中出現(xiàn)的次數(shù)成正比。而其中的representativness(Tagi)表示標(biāo)簽的典型度，類似與資源檢索中的詞頻概念。

2 基于時間因子的個性化推薦方法

基于時間因子的個性化推薦方法就是在使用標(biāo)簽時考慮到每個標(biāo)簽的時間因子，因此我們提出了如下資源相似度的計(jì)算方法：

這與（2）中DA的計(jì)算方法有所不同，這樣能夠防止同一標(biāo)簽出現(xiàn)次數(shù)過多而導(dǎo)致該標(biāo)簽在相似度的計(jì)算過程中起到過度決定性作用的情況。

而（3）中的cos_similarity(XATA,XBTB)所表示的是帶有時間因子的余弦相似度計(jì)算方法，其計(jì)算方式為：

其中XAi的表示所對應(yīng)標(biāo)簽的時間因子取值。

對于個性化推薦系統(tǒng)中的所有標(biāo)簽，它們之間的標(biāo)注時間肯定是有差異的。因此，如何合理設(shè)計(jì)時間因子是我們工作的重點(diǎn)。

遵循“最新的標(biāo)簽最能反映用戶的特征”的思想，我們?yōu)闀r間因子X設(shè)計(jì)了一個衰減函數(shù)：

其函數(shù)曲線如下：

其中通過函數(shù)計(jì)算所得的時間因子X的值的范圍為[1,2]，即函數(shù)能把最新的標(biāo)簽所產(chǎn)生的效果翻倍，而最舊的標(biāo)簽的保持不變。t表示一個時間值，其可取值的區(qū)間為[0,1]。為此，我們需要把個性化推薦系統(tǒng)中每個標(biāo)簽的時間戳si對應(yīng)到t的[0,1]區(qū)間中，數(shù)據(jù)中最新的時間戳記為s0，對應(yīng)到[0,1]區(qū)間中的0；而最舊的時間戳記為sn對應(yīng)到1。則系統(tǒng)中的某一時間戳si對應(yīng)到[0,1]區(qū)間中的值ti的計(jì)算方法為：

下面的例子能直觀的說明該方法的效果：

上面的例子描述了三部電影之間的關(guān)系，它們分別為《木乃伊》、《木乃伊歸來》和《加勒比海盜：黑珍珠的詛咒》。前兩部電影有3個相同的標(biāo)簽：“John Hannah”、“egypt”和“mummy”，而后兩部的電影有4個相同的標(biāo)簽：“sequel”、“action”、“adventure”和“comedy”。按照改進(jìn)前的方法，《木乃伊歸來》和《加勒比海盜：黑珍珠的詛咒》的相似度比《木乃伊》和《木乃伊歸來》的相似度要高。而加入時間因子改進(jìn)以后，《木乃伊》和《木乃伊歸來》的相似度則相對更高，符合它們是同一系列更相似的常理。

3 實(shí)驗(yàn)

為了驗(yàn)證本論文提出的方法，我們用Movielens數(shù)據(jù)展開實(shí)驗(yàn)。MovieLens是歷史最悠久的推薦系統(tǒng)。它由美國Minnesota大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院的GroupLens項(xiàng)目組創(chuàng)辦，是一個非商業(yè)性質(zhì)的、以研究為目的的實(shí)驗(yàn)性站點(diǎn)。MovieLens主要使用Collaborative Filtering和Association Rules相結(jié)合的技術(shù)，向用戶推薦他們感興趣的電影。Movielens數(shù)據(jù)集中的每一個標(biāo)簽均帶有時間戳，為我們的研究提供了條件。

MovieLens數(shù)據(jù)集包含有10000054個評分，10681部電影，以及71567個用戶對這些電影的所做的95580個標(biāo)簽。由于標(biāo)簽是用戶憑自己的喜好所標(biāo)注，因此對標(biāo)簽的研究存在著很多的局限性，比如用戶拼寫的錯誤、多義詞等都會對實(shí)驗(yàn)帶來噪音。因此我們必須通過適當(dāng)?shù)倪^濾來提高標(biāo)簽的有效性，提高數(shù)據(jù)的質(zhì)量。這里，定義了兩個過濾條件，以提高實(shí)驗(yàn)中數(shù)據(jù)的質(zhì)量。首先，只考慮標(biāo)簽數(shù)量至少有15個的電影，其次，只有至少對10部電影做過評價的用戶才會認(rèn)為是有效的用戶。按照這樣的條件，最終采用的數(shù)據(jù)的統(tǒng)計(jì)信息如表四所示，即有3390部電影，1151個用戶，以及他們所做出的2645個標(biāo)簽，如表2所示。

表1 實(shí)驗(yàn)數(shù)據(jù)集統(tǒng)計(jì)

在通過我們提出的方法計(jì)算完所有電影之間的相似度以后，便采用信息檢索領(lǐng)域的標(biāo)準(zhǔn)度量來評價本文所提出的方法。把數(shù)據(jù)集分成訓(xùn)練集和驗(yàn)證集兩部分，對每一個用戶，我們選取了帶有時間因子的相似度的最高的N部電影作為推薦。然后與該用戶數(shù)據(jù)集中的電影做對比，來計(jì)算推薦的精度。在我們的實(shí)驗(yàn)中，N的取值為5。

基于以上的方法，我們對兩種方法進(jìn)行了對比：

表2 兩種方法的整體精度

其中 TBR-CS是通過簡單余弦相似度的計(jì)算方法：

Similarity(A,B)=(DA+DB)*cos_similarity(TA,TB)。

TBR-TF是基于時間因子的相似度計(jì)算方法：

Similarity(A,B)=(DA+DB)*cos_similarity(XATA,XBTB)。

4 結(jié)論

實(shí)驗(yàn)比較了兩種方法下，個性化推薦系統(tǒng)的推薦準(zhǔn)確度。

從實(shí)驗(yàn)的結(jié)果來看基于時間因子的個性化推薦方法有一定的優(yōu)越性。在今后的工作中，我們將進(jìn)一步改進(jìn)時間衰減函數(shù)，并考慮更多的影響因素，采用更先進(jìn)的方法來展開研究。

[1]F．DuraoandDolog,Apersonalizedtag-basedrecommendationin socialwe systems,WorkshoponAdaptationandPersonalizationforWeb2．0,UMAP,09,2009．

[2]F．GedikliandD．Jannach,Ratingitemsbyratingtags,RecSys,10,2010．

[3]S．Zhao,N．Du,A．Nauerz,X．Zhang,Q．Yuan,andR．Fu,Improvedrec ommendationbasedoncollaborativetaggingbehaviors,IUI,08,2008．

[4]A．Shepitsen,J．Gemmell,B．Mobasher,andR．Burke,Personalize drecommendationinsocialtaggingsystemsusinghierarchicalclustering,R ecSys’08,2008．

[5]G．Xu,Y．Gu,P．Dolog,Y．Zhang,andM．Kitsuregawa,SemRec: ASemanticEnhancementFrameworkforTagbasedRecommendation,A AAI’11,2011．

[6]C．Leung,S．Chan,F．Chung,andG．Ngai,Aprobabilisticratinginferencefra meworkformininguserpreferencesfromreviews,www’11,2011．

[7]J．Wiebe,T．Wilson,R．Bruce,M．Bell,andMMartin,Learningsubj ectivelanguage,Comput．Linguist．,Vol．30,pp．277–308,2004．

[8]C．Whitelaw,N．Garg,andS．Argamon,Usingappraisalgroupsfors entimentanalysis,CIKM’05,pp．625–631,2005．

[9]J．KampsandM．Marx,Wordswithattitude,InProc．oftheFirstInte rnationalConferenceonGlobalWordNet,pp．332–341,2002．

[10]B．Pang,L．Lee,andS．Vaithyanathan,Thumbsup?sentimentclass ifcationusingmachinelearningtechniques,InEMNLP,2002．

[11]B．Liu,M．Hu,andJ．Cheng,Opinionobserver:analyzingandcom paringopinionsontheweb,InWWW,pp．342–351,2005．

[12]C．Scaffidi,K．Bierhoff,E．Chang,M．Felker,H．Ng,andC．Jin,RedOpal:product-featurescoringfromreviews,Proceedingsofthe8thAC MconferenceonElectroniccommerce,2007．

[13]L．Zhuang,F．Jing,andX．Zhu．Moviereviewminingandsummar ization,,InProceedingsofthe15thACMinternationalconferenceonInfor mationandknowledgemanagement,pp．43-50,2006．

[14]P．Heymann,D．Ramage,andH．Molina,Socialtagprediction, InSung-HyonMyaeng,DouglasW．Oard,FabrizioSebastiani,Tat-SengChua, andMun-KewLeong,editors,SIGIR,pp．531–538,2008．