推薦算法概述與展望

俞 偉，徐德華

（同濟大學 經濟與管理學院，上海 200092）

隨著科技的飛速發展與我國改革開放的日趨深入，我國經濟正朝著數字化經濟轉型升級。尤其是在電子商務領域，我國已經走在世界前列，代表性企業有淘寶天貓、蘇寧易購等。電子商務已經成為了一種不可或缺的生活方式。然而，由于電子商務平臺擁有越來越多的商品，用戶有效獲取到滿意的商品變得越來越困難，產生了信息過載（Information Overload）問題。對于這樣的難題，推薦系統應運而生。它承擔了解決信息過載問題重任，已成為工業界和學術界的關注焦點，目前已經得到了廣泛應用并形成了大量研究成果。本文將對推薦系統領域的國內外研究成果進行梳理，并對未來的研究方向進行展望。

1 協同過濾推薦算法

協同過濾的基本思想是，通過協作的機制，用戶對已瀏覽的商品做出一定回應，并將這些信息記錄下來以實現過濾的目的，從而幫助其他用戶篩選商品。一般的，協同過濾算法可以劃分為兩大類，即基于記憶的協同過濾和基于模型的協同過濾。

1.1 基于記憶的協同過濾

基于記憶的協同過濾的實現過程主要包括兩個關鍵步驟：①使用用戶-商品評分數據來計算用戶或者商品之間的相似性；②根據與目標用戶相似性最高的近鄰或與目標商品相似性最高的近鄰來計算目標用戶對某商品的評分。基于記憶的協同過濾算法包括基于用戶的協同過濾和基于商品的協同過濾。

1.1.1 基于用戶的協同過濾

對于推薦任務來說，評分數據僅僅知道一部分，需要對未知的評分進行預測。根據基于用戶的協同過濾算法的思想，需要計算用戶兩兩之間的相似性，目前度量用戶相似性的 方 法 主 要 有 皮 爾 森 相 關 系 數 （ Pearson correlation coefficient）、余弦相似性（Cosine similarity）和調整余弦相似性（Adjusted cosine similarity）這三種方式。在用戶相似性計算時，通常會面臨評分尺度、共同評分商品過少、隱式評分數據和相似性關系不滿足傳遞性等問題。在獲得目標用戶的最近鄰居之后，接下來就需要計算目標用戶對待預測商品的評分。一般的，采用引入用戶對商品評分的平均數來有效克服評分尺度不一致問題。此外，還可以通過偏好過濾的方法來消除用戶評分尺度不同的問題[1]。最后，根據目標用戶對每個待預測商品的評分值，選擇得分最高的幾項商品推薦給該用戶。

1.1.2 基于商品的協同過濾

隨著電商平臺用戶數量的不斷增長，基于用戶的協同過濾需要頻繁更新用戶相似性矩陣，但是被推薦的商品數量則保持相對穩定，商品相似性矩陣更新頻率較低。據此，基于商品的協同過濾算法被提出，其基本思路是：根據用戶對商品的歷史評分數據，通過計算商品間的相似性來獲得每個商品的最近鄰居集合，然后根據目標用戶對待預測商品的最近鄰居的評分數據，預測該商品的評分，最后根據商品的評分高低，為該用戶推薦商品。

有學者研究認為相比于基于用戶的協同過濾，基于商品的協同過濾能夠取得很好的推薦效果[2]。

1.2 基于模型的協同過濾

基于模型的協同過濾算法的基本思路是：基于數據挖掘與機器學習的方法，利用用戶歷史數據構建用戶模型，并據此對待預測商品進行評分預測，最后為目標用戶產生推薦列表。Breese等在1998年提出了基于概率的協同過濾算法。隨著機器學習方法的興起，越來越多的模型被應用到協同過濾算法當中，比如概率相關模型、貝葉斯模型、線性回歸模型和最大熵模型[3]。

2 基于內容的推薦算法

協同過濾算法只考慮了用戶歷史評分數據，并不包含用戶本身的特征和商品信息。基于內容的推薦算法可以較為充分地使用這些信息，即把與用戶曾經喜歡的商品最相似的商品推薦給他。利用機器學習、數據挖掘等技術，對歷史數據分析建模，通過模型實現推薦。在對網頁進行分類時，Park等采用Bayse分類器技術[4]。用戶配置文件建模與更新是基于內容的推薦算法中最核心的環節之一[5]。Chang等提出了減少更新用戶配置文件代價的方法，即對用戶的長短期興趣進行區分，短期感興趣的關鍵字被賦于更高的權重[6]。

3 混合推薦算法

協同過濾推薦算法與基于內容的推薦算法都有各自的優缺點，因此在實際應用中，往往把不同的推薦算法進行組合來進行組合推薦，即混合推薦算法[7]。Campos等在混合推薦算法中使用了貝葉斯概率框架，將基于內容的特征和協作特征相結合，并取得了較好的推薦效果[8]。Burke等提出了一種在異構網絡中引入多重關系的加權混合推薦算法，在不損失推薦精度的情況下提高了推薦的多樣性[9]。Renckes等研究了一種混合基于記憶和基于模型的協同過濾算法的組合推薦，可以有效地生成商品推薦[10]。在提供相當準確推薦服務的同時，他們使用了隨機化技術來保護用戶的隱私。Sun等提出了一種基于排序學習的混合推薦算法[11]。對于在線旅游產品，Lucas等研究了基于關聯度的分類方法的旅游推薦系統[12]，實驗表明其一定程度上可以消除推薦系統中的限制并提高推薦質量。

通常來講，混合推薦算法融合了協同過濾和基于內容的推薦算法的優點，推薦效果更好，但是算法的復雜度增加了，其運行的時間成本更高。

4 未來的研究方向

隨著時代的發展和需求的變化，推薦領域面臨數據量越來越大，數據結構越來越豐富，同時對推薦效果要求越來越高的新情況，學術界和工業界都十分迫切地想要開發新的技術和方法來應對這些新的挑戰。與此同時，深度學習技術在最近幾年得到了快速發展，已經成為人工智能和互聯網大數據的一個熱潮。深度學習在計算機視覺、自然語言處理、語音識別和語義分析等研究領域取得了突破性進展[13]。深度學習憑借其具有的深層非線性網絡結構，相對淺層模型具有兩大優勢：①理論上可以實現復雜函數的任意逼近；②可以通過逐層學習方法獲得輸入數據的分布式表示。深度學習能夠很好地從樣本中學習到數據集的本質特征，進而提升預測或者分類的準確性。由此，將深度學習應用到推薦算法之中成了推薦算法研究的最新方向。

Elkahky等提出了一種基于多視角深度學習方法的跨領域用戶模型，采用深度學習模型，從用戶瀏覽記錄中獲取用戶的特征，并且根據用戶信息實體與商品信息實體的語義匹配，進而得到用戶的商品推薦列表[14]。Cheng等創新性地將深度模型和廣度模型融合在一起，提出了廣度與深度學習模型，使模型同時具備了泛化能力和記憶能力[15]。Li等提出了一種新的基于注意力的LSTM模型，該模型通過注意機制將主題建模融入到LSTM體系結構中，實現微博的Hashtag推薦[16]。Hidasi等提出了一種基于循環神經網絡的推薦算法來模擬短期會話，以此獲取會話中用戶行為的潛在關系[17]。Geng等使用神經網絡模型來獲取社交網絡中用戶與圖像的一致表示[18]。Kim等提出了一種新的上下文感知推薦模型——卷積矩陣因子分解模型，其將概率矩陣分解與卷積神經網絡相結合，實驗表明該模型具有非常好的推薦效果[19]。Bansal等提出了基于循環神經網絡的文本推薦算法，該算法利用了三種數據，包括評分數據、文本標簽數據和文本內容信息[20]。

深度學習可以從兩個方面改進傳統推薦系統：①它可以基于多層非線性映射單元組成的網絡結構，從數據集中學習到用戶和商品的深層次特征表示，而通常這些特征表示具備良好的泛化能力；②它可以從多元異構數據源中進行特征表示學習，并將不同結構的數據映射到同一個隱空間，從而獲得數據的統一表征。顯然，對于基于深度學習的推薦算法的研究已經成為推薦算法領域的前沿研究。