數字科技館展品個性化推薦系統設計

趙智 姚爽 韓丹

摘要：隨著科技館行業的蓬勃發展，在互聯網技術的推動下，數字科技館應運而生。但國內外科技館的種類、數量眾多，展品數量更是不計其數，因此用戶很難從大量的展品信息中快速搜索到自己需要的信息。本文分析了原有的協同過濾（CF）算法，指出了兩種CF算法存在的不足之處，在此基礎上進行了修正，提出了一種改進的基于相關相似性的CF算法，并設計了一套具有推薦功能的數字科技館展品個性化推薦系統。

關鍵詞：數字科技館；協同過濾技術；MAE；個性化推薦系統

引言

2021年12月，中國科學技術協會印發《現代科技館體系發展“十四五”規劃（2021—2025年）》，其中對全國科技館智慧化建設以及利用信息化手段促進科技館體系協同聯動發展做出了明確說明[1]。因此，為全面提高公眾科學素質，滿足新時代公眾對科普服務的新需求，我國科技館行業實現了線上線下相結合，線上虛擬科技館、網上虛擬瀏覽，網上互動展品展示等基于互聯網的新型數字科技館。然而各類科技館眾多，館內展品的種類和數量也是不計其數，面對海量展品數據人們很難快速搜索到自己需要的信息。針對這一難題，開發一款個性化推薦系統為用戶推薦其感興趣的展品信息勢在必行[2]。

個性化推薦可以實現根據不同用戶的需求量身定制個性化的服務。縱觀已有的個性化推薦系統，主要存在以下問題：

（1）缺乏有效數據

在收集用戶有效信息時，大多數推薦系統都是要求用戶在瀏覽網頁時通過調查問卷的形式對所關注的商品進行評價，這很容易引起用戶的反感，因此無法保證數據的真實性、準確性，導致新用戶的推薦信息匱乏，降低了系統的推薦精度。

（2）計算效率問題

針對一個用戶，以往的推薦系統可以實現實時查找其上萬個鄰居，但實際應用時同時瀏覽網頁的用戶不計其數，算法的計算復雜度高，推薦系統的實時推薦效率低。

1. 數字科技館展品推薦系統的關鍵技術

1.1 核心工作原理

本文所設計的科技館展品推薦系統，算法的計算過程如下：

將輸入數據表述為一個i*j的用戶－展品評價矩陣R，矩陣元素ri，j表示第i個用戶對第j個展品的評分值。

第一步：輸入為評價矩陣R，即用戶－展品評價矩陣，表述為i*j。i是原用戶數，j是用戶瀏覽的展品數。矩陣元素ri，j表示第i個用戶對第j個展品的評分值。

用戶已評分的展品信息數目用|Ii|表示，即用戶i評分向量的長度。

通過上式計算出原用戶對其所有瀏覽過的展品信息的平均打分。

第二步：預測新用戶對其未瀏覽展品的預測值。這一步關鍵是計算與新用戶興趣度相似的N個原用戶，即最近鄰用戶。根據其最近鄰用戶對展品信息的評價預測新用戶對相同展品的評價值paj。在該算法中，只有與用戶相似的N個鄰居參與計算。因此算法的核心是計算用戶a與用戶i的興趣相似度sim（a，b）。

1.2 原有相似性算法分析

余弦相似性度量方法：

在余弦相似性度量方法中，將新用戶沒有評分的項目的評分均假設為0，這樣可以有效提高計算性能。但在展品信息量巨大，而用戶評價信息極少的情況下，這種假設的可信度不高。因為實際應用中龐大的用戶喜好千差萬別，不可能全部一樣。這樣的假設會導致推薦質量下降。

相關相似性的度量方法：

在相關相似性的度量方法中，所選用的數據是兩用戶共同評分的項目，保證了參與計算的數據都是真實數據。但實際情況是，在大多數情況下兩用戶共同評價的展品少之又少，并且很難找到。因此，僅憑兩用戶對幾項展品有相同的興趣就判斷兩用戶為相似用戶，將原有用戶的所有瀏覽展項都推送給新用戶，這種推薦質量是極低的。

綜上，在相似度的計算中，首先，要保證參與計算的評分數據都是真實數據，不能一概假設為0，從而滿足推薦精度；其次，在數據選擇上要選取共同評分數量較多的兩用戶才能成為最近鄰居，同時對項目評分較少的用戶不能考慮；最后，實現實時推送就要降低算法的計算復雜度從而提高算法的計算效率。

1.3 基于相關相似性的CF算法改進

基于以上分析的三點，我們對原有基于相關相似性的計算方法做了兩點改進，設計了一種新的度量方法：

第一，將用戶a和用戶b共同評分的項目數量與用戶a選擇的項目總數的比值作為調節系數，即S=∩（a，b）/∪（a）（比值公式：將用戶a和用戶b共同評分的項目數量與用戶a選擇的項目總數的比值作為調節系數）。從該式中可以看出，當原用戶與新用戶共同評分的展品數目較多時，S值偏大；反之則較小。由此可以控制共同評分數量較多的兩用戶才能成為最近鄰居，從而提高推薦精度。

第二，在實驗中發現，最終結果會受raj和ra及rbj和rb差值符號的影響。若raj 和 rbj一個大于其均值，另一個小于均值，那么其乘積結果為負數，導致計算后得出的相似度值為負數，造成新用戶對其未評分的展品信息的推薦分數明顯偏小，最終影響推薦結果。因此，為了保證相似度結果為正數，我們將raj和ra及rbj和rb差值的乘積加絕對值。糾正因計算結果負數帶來的誤差。

上式為最終改進的相似度計算方法。從式中可以看出，此計算結果可以保證大量參與評分，且評分項目種類大致相同的用戶才能成為最近鄰。

2. 實驗結果及分析

實驗選用MovieLens數據集。我們抽取了943位用戶對1682部電影的評價數據共10萬個。評價數據為1到5，5分為評價數據最高值，其余依次降低。

本文選用統計精度度量方法。MAE值越小，預測的準確度越高。

{p1，p2， …， pN}表示預測的用戶評分集合， {q1，q2， …，qN}為對應的實際用戶評分集合，則平均絕對偏差MAE 表示為：

我們分別計算了原有的兩種相似性MAE值和在相關相似性基礎上進行改進的MAE值。

鄰居集中鄰居個數逐步增加，從而查看最近鄰居集數量對預測效果的影響，實驗結果如表1所示。

實驗表明：本文提出的改進算法鄰居集從5到40個絕對偏差由0.87到0.64逐漸降低，同原有基于余弦相似性和基于相關相似性算法相比，MAE值明顯變小，取得較好效果，如圖1所示。

3. 科技館展品推薦系統工作流程設計

3.1 構造用戶興趣集

科技館展品推薦系統中自動分析數據庫中存入的用戶個人信息。用戶信息可以通過以下三種方式獲取：

（1）邀請用戶注冊。在注冊過程中，直接收集用戶的喜好，這種方式收集到的興趣信息直接且準確。

（2）隱式搜索用戶信息。對于沒有注冊的用戶，則采用跟蹤用戶瀏覽展品信息的行為進行興趣的收集，如瀏覽展品的頻次、下載展品的類型、檢索、收藏等信息。這種方法收集到的信息會存在“雜音”，需要在后臺進行修正和篩選，從而不斷完善用戶的興趣信息。

3.2 構造展品資源集

收集各科技館的展品信息，將展品數字化，構建展品信息庫。

3.3 構造用戶——展品評價矩陣

根據收集的用戶興趣集合展品信息集建立用戶——展品評價矩陣。

3.4 計算用戶之間的相似度，找出最近鄰居

根據用戶之間的共同喜好，計算最近鄰的相似度。算法采用改進的基于相關相似性的相似性度量方法。

3.5 計算推薦集，產生推薦

根據計算出來的用戶相似度計算推薦結果，預測新用戶對其未瀏覽展品的預測值，產生新用戶推薦。

結語

實體科技館在其數字化演進的過程中，逐步由“解釋它們是誰”變成“與它們的公眾之間建立對話關系”，科技館再也不僅僅是展品的“儲藏室”，而是與用戶進行社交互動的平臺[3]。利用人工智能，通過數據挖掘技術實現展品信息的個性化推薦勢在必行。

本文主要針對個性化推薦系統中協同過濾算法進行了分析和研究。在分析過程中，發現了原有相似性度量方法中存在的問題，并對其進行了兩點改進：引入調節系數 S=∩（a，b）/∪（a），保證共同評分較多的兩用戶成為最近鄰居；糾正了相關相似性取值正負的問題。實驗證明，該算法同傳統CF算法相比能顯著提高推薦精度。最后基于改進的算法，設計了數字科技館展品個性化推薦系統的工作流程。在展品推薦系統的工作流程中，展品資源的完善是我們需要努力解決的問題。將展品轉化為可以利用的數字資源，集合整理國內外數字展品信息構造展品資源集是我們今后努力的方向。

參考文獻：

[1]任賀春，趙錚.智慧服務智慧管理智慧共享——數字科技館轉型升級促進科技館體系智慧化發展[J].自然科學博物館研究，2022，7（1）：58-63，113.

[2]馬宇罡，莫小丹，苑楠，等.中國特色現代科技館體系建設：歷史、現狀、未來[J].科技導報2021，39（10）：34-47.

[3]何如珍.干部在線學習資源個性化推薦系統研究[J].電子技術與軟件工程，2022，（13）：259-262.

作者簡介：趙智，碩士研究生，高級工程師，研究方向：人工智能與數據挖掘。