本體技術在個性化推薦系統(tǒng)中的應用研究

范忠勇，張志軍，張鵬飛

(1.日照廣播電視大學，山東 日照 276826；2．山東建筑大學計算機科學與技術學院，山東 濟南 250101)

?

本體技術在個性化推薦系統(tǒng)中的應用研究

范忠勇1，張志軍2*，張鵬飛2

(1.日照廣播電視大學，山東 日照 276826；2．山東建筑大學計算機科學與技術學院，山東 濟南 250101)

摘要：針對個性化推薦系統(tǒng)中傳統(tǒng)的用戶建模技術的缺陷，本文將領域本體的理論與方法應用到電子商務個性化推薦中，設計了一種本體和服裝信息相結(jié)合的個性化推薦模型。利用Protégé實現(xiàn)了服裝知識本體的構建過程，在真實數(shù)據(jù)集上的實驗結(jié)果驗證了算法的可行性和有效性。該設計與已有的推薦算法相比，具有更高的預測準確度。

關鍵詞：本體；個性化推薦；協(xié)同過濾；網(wǎng)絡爬蟲；偏好預測

隨著互聯(lián)網(wǎng)技術的迅猛發(fā)展，網(wǎng)絡上的信息呈現(xiàn)爆炸式增長，如何從這些海量數(shù)據(jù)中找到滿足用戶個性化需求的信息變得愈發(fā)困難，個性化推薦技術被認為是解決此類問題的有效方法[1]。基于協(xié)同過濾(collaborative filtering， CF)的推薦系統(tǒng)通過收集來自其他相似用戶或項目的評價信息，自動預測當前用戶的興趣偏好。協(xié)同過濾的基本假設是用戶會更喜歡那些相似用戶偏愛的商品，已被廣泛應用在一些大型的商業(yè)系統(tǒng)，如亞馬遜和阿里巴巴等[2]。目前，協(xié)同過濾算法主要包括基于內(nèi)存的、基于模型的以及二者相混合的推薦技術[3]。使用最多的模型是k最近鄰(k-nearest neighbor，kNN)協(xié)同過濾技術[4]，包括基于用戶推薦和基于項目推薦兩種技術。

本體(Ontology)的概念最初起源于哲學領域，目前被廣泛應用于人工智能、信息檢索、語義Web和自然語言處理等領域[5]。本體具有明確性、形式化和共享性。一般說來，本體描述了某個應用領域的概念和概念之間的關系，使得它們具有唯一確定的含義，獲得該領域的相關知識，提供對該領域知識的共同理解，便于用戶和計算機之間進行交流。Gruber[6]最早給出了本體的定義，即本體是共享概念模型的明確的形式化說明。1998年Guarino[7]對本體的定義進行凝練后指出，本體是一個邏輯理論，用來說明一個正規(guī)詞匯表的預定含義。

Middleton等[8]提出了基于知識的推薦系統(tǒng)Quickstep and Foxtrot Systems，用一個本體來表示用戶感興趣的領域，該系統(tǒng)基于學術論文主題的本體知識庫向用戶推薦可能需求的論文。Cantador等[9]提出了基于本體的個性化消息推薦系統(tǒng)News@hand，該系統(tǒng)使用了語義技術進行在線消息的推薦，消息內(nèi)容和用戶偏好被描述成領域本體中的概念，還考慮了用戶偏好的上下文信息。Burke等[10]利用飯店的菜式方面的效用知識，提出了基于規(guī)則和實例的推薦方法，推薦酒店給用戶。Noor等[11]提出了一種結(jié)合社交網(wǎng)絡技術和語義Web的個性化推薦系統(tǒng)，該系統(tǒng)在用戶偏好和個性化搜索之間架起了一座橋梁。Castells等[12]開發(fā)了aceMedia推薦系統(tǒng)，將用戶的偏好特征描述為一個本體概念向量。

現(xiàn)有的推薦算法有的是基于用戶的興趣偏好進行推薦，有的是基于項目之間的相似性，或者是把二者結(jié)合進行推薦，但這些算法都沒有真正地去揭露商品本身的屬性和特征，不能準確地為用戶推薦感興趣的商品。針對該問題，本文提出了一種基于本體的個性化推薦算法，深入分析了本體技術在協(xié)同過濾推薦系統(tǒng)中的應用研究。在公共數(shù)據(jù)集上的實驗結(jié)果表明，本文提出的算法無論是運行效率還是推薦精度，都優(yōu)于傳統(tǒng)的協(xié)同過濾推薦算法。

1基于本體的個性化推薦系統(tǒng)

個性化推薦技術已經(jīng)成為當前電子商務領域研究的熱點，為了進一步提高推薦的準確性，本文將領域本體的理論與方法應用到電子商務個性化推薦中。由于服裝是網(wǎng)上商城最常見的商品之一，同時也是用戶最為熟悉的商品，因此本文以服裝本體為例，闡述基于服裝領域本體的電子商務個性化推薦系統(tǒng)的構建過程。

1.1服裝領域本體的構建

本文采用七步法來構建服裝領域知識本體。使用Protégé工具將概念和關系形式化表達，存儲為OWL文件進行保存，進而與電子商務個性化推薦過程有機整合。構造的服裝領域本體如圖1所示。

圖1　服裝領域本體結(jié)構Fig.1　Ontology structure of clothing domain

使用Protégé工具，構建服裝領域本體如圖2所示。

圖2　服裝領域本體Fig.2　Ontology of clothing domain

1.2基于領域本體的個性化推薦模型

本文提出一種基于本體的電子商務個性化推薦模型(Ontology based E-Commerce Recommendation，OntoECRec)，該模型以建立的電子商務領域本體為基礎，融合傳統(tǒng)的協(xié)同過濾算法，以便更加準確地為電子商務網(wǎng)站瀏覽顧客提供合適的商品。基于電子商務領域本體的個性化推薦模型如圖3所示。

圖3　個性化推薦模型Fig.3　Personalized recommendation model

從圖3可以看出，整個推薦模型一共分為3個層次：用戶層、網(wǎng)絡服務層和數(shù)據(jù)層。用戶層主要面向用戶，為用戶提供符合個人興趣的商品；網(wǎng)絡服務層通過把用戶的個性化特征和知識庫中的數(shù)據(jù)進行匹配，在中央控制模塊的控制下，完成相關的查詢；數(shù)據(jù)層主要包含本體知識庫，利用已經(jīng)構建好的服裝等商品本體，提高用戶個性化匹配的滿意度。

2實驗結(jié)果與分析

2.1數(shù)據(jù)集簡介

本文利用網(wǎng)頁爬蟲程序?qū)δ畴娮由虅站W(wǎng)站的服裝信息進行抽取，將網(wǎng)頁的HTML文檔進行修正，然后把信息轉(zhuǎn)換成DOM樹，去除噪音并過濾掉無關信息，用本體的匹配規(guī)則和中文分詞法得到的分詞結(jié)果進行匹配，把得到的本體概念及其屬性存入數(shù)據(jù)庫。

2.2比較方法

為了測試本文所提出的OntoECRec推薦模型的性能，本文通過實驗來驗證模型的有效性。我們選擇兩個推薦算法作為基準模型：UserCF[13]和ItemCF[14]。其中，UserCF算法表示基于用戶的CF算法，主要通過尋找相似用戶，依據(jù)相似用戶的偏好來推薦商品；ItemCF算法是基于項目的CF算法，依據(jù)項目之間的相似性，來為目標用戶推薦相似的商品。用戶或者項目之間的相似性通過皮爾遜相似公式計算求得

(1)

圖4　預測精度對比Fig.4　Comparison of prediction accuracy

2.3實驗結(jié)果

本文對數(shù)據(jù)集進行相應的劃分，訓練集分別占到數(shù)據(jù)集的10%，20%，…，90%，OntoECRec推薦算法、UserCF算法以及ItemCF算法的預測精度如圖4所示，不難看出，無論訓練集如何劃分，OntoECRec推薦算法的預測精度都高于UserCF和ItemCF算法，此外，UserCF算法的預測精度要高于ItemCF算法。

3結(jié)語

本文分析了個性化推薦技術和本體技術，把二者進行了很好的結(jié)合，以期提高系統(tǒng)推薦的精度，并且利用本體編輯工具Protégé構建了服裝領域本體，用于個性化推薦模型之中。在真實數(shù)據(jù)集上的實驗結(jié)果表明，本文所提出的OntoECRec推薦模型的推薦精度高于基于用戶的協(xié)同過濾算法和基于項目的協(xié)同過濾算法，有效地解決了傳統(tǒng)協(xié)同過濾算法存在的推薦精度偏低的問題。構建一個能夠滿足用戶多方面應用需求的領域本體是一項極其復雜的任務，本文構建的服裝本體還比較簡單，今后我們將進一步進行完善，以便進一步提高用戶對商品推薦結(jié)果的滿意度。

參考文獻:

[1]Lü L Y, MEDO M, YEUNG C H, et al. Recommender systems[J]. Physics Reports, 2012, 519(1): 1-49.

[2]ZHANG Z J, LIU H. Application and research of improved probability matrix factorization techniques in collaborative filtering[J]. Int J Control Autom, 2014, 7(8):79-92.

[3] ADOMAVICIUS G, TUZHILIN A. Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions[J]. IEEE Transactions on Knowledge and Data Engineering, 2005, 17(6): 734-749.

[4]JAHRER M, T?SCHER A, LEGENSTEIN R. Combining predictions for accurate recommender systems[M]//Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining.New York, US：ACM, 2010: 693-702.

[5]ZHANG Z J, LIU H. Research on ontology-based literature retrieval model[J]. Computer Modelling and New Technologies, 2014,18(6):281-289.

[6]GRUBER T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition, 1993, 5(2): 199-220.

[7]GUARINO N. Formal ontology in information systems[M]//Proceedings of the 1st International Conference.Amsterdam:IOS Press, 2008.

[8]MIDDLETON S E, SHADBOLT N R, de ROURE D C. Ontological user profiling in recommender systems[J]. ACM Transactions on Information Systems (TOIS), 2004, 22(1): 54-88.

[9]CANTADOR I, BELLOG N A, CASTELLS P. Ontology-based personalised and context-aware recommendations of news items[M]//Proceedings of the 2008 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology-Volume 01. Washington, DC, US:IEEE Computer Society, 2008: 562-565.

[10]BURKE R. Integrating knowledge-based and collaborative-filtering recommender systems[M]//Proceedings of the Workshop on AI and Electronic Commerce. 1999: 69-72.

[11]NOOR S, MARTINEZ K. Using social data as context for making recommendations: an ontology based approach[M]//Proceedings of the 1st Workshop on Context, Information and Ontologies. ACM, 2009.

[12]CASTELLS P, FERNNDEZ M, VALLET D, et al. Self-tuning personalized information retrieval in an ontology-based framework[M]//On the Move to Meaningful Internet Systems 2005: OTM 2005 Workshops.Berlin:Springer , 2005: 977-986.

[13]李揚, 陳超, 祁麟, 等. 一種基于用戶行為相似度的協(xié)同推薦算法[C]//第六屆和諧人機環(huán)境聯(lián)合學術會議 (HHME2010), 第 19 屆全國多媒體學術會議 (NCMT2010), 第 6 屆全國人機交互學術會議 (CHCI2010), 第 5 屆全國普適計算學術會議 (PCC2010) 論文集. 2010.

[14]肖敏, 熊前興. 基于項目語義相似度的協(xié)同過濾推薦算法[J]. 武漢理工大學學報, 2009, 31(3): 21-23.

Application of ontology technology in personalized recommendation system

FAN Zhong-yong1,ZHANG Zhi-jun2*,ZHANG Peng-fei2

(1. Rizhao Radio &TV University, Rizhao 276826, China;2. School of Computer Science and Technology, Shandong Jianzhu University, Jinan 250101, China)

Abstract∶In view of the negatives of conventional user modeling technology in personalized recommendation system, we apply the theory and method of domain ontology to personalized recommendation of e-commerce, and design an ontology technology and clothing information combined recommendation model. We implement the construction procedure of clothing ontology with ontology editor tool Protégé. Feasibility and effectiveness of the model are verified on practical datasets. It has higher prediction accuracy, as compared with existing recommendation models.

Key words∶ontology; personalized recommendation; collaborative filtering; web crawler; preference prediction

中圖分類號：TP391

文獻標識碼：A

文章編號：1002-4026(2016)02-0101-05

作者簡介：范忠勇(1972-)，男，碩士，研究方向為數(shù)據(jù)挖掘和人工智能。*通訊作者。Email：zzjsdcn@163.com

基金項目：山東省科技發(fā)展計劃(2014GGX101011)；山東省高等學校科技計劃(J12LN31, J13LN11，J14LN14)；濟南市高校院所自主創(chuàng)新計劃(201401214, 201303001)

收稿日期：2015-08-17

DOI:10.3976/j.issn.1002-4026.2016.02.019