基于借閱信息的圖書個(gè)性化推薦算法研究

劉高軍++李越洋

摘要：隨著出版行業(yè)日益發(fā)展，高校圖書館圖書同樣日益增多，然而高校圖書館目前存在個(gè)性化圖書推薦不精確甚至沒(méi)有個(gè)性化圖書推薦的現(xiàn)象。本文通過(guò)我校圖書館近十年的借閱記錄，提出一種新的個(gè)性化圖書推薦方案，考慮讀者的借閱特征以及時(shí)間相關(guān)因素，最終提高推薦精確度。該方案的核心主要分為兩個(gè)部分，首先利用基于用戶的協(xié)同過(guò)濾算法對(duì)推薦結(jié)果進(jìn)行粗召回。第二步利用特征提取算法對(duì)借閱記錄進(jìn)行特征提取，除了用戶的基本特征，例如年級(jí)、專業(yè)、性別等信息之外，還包括了讀者借閱圖書的類別、借閱時(shí)間點(diǎn)、借閱時(shí)長(zhǎng)、借閱次數(shù)、近一段時(shí)間借閱了哪些書等特征維度。根據(jù)提取的特征對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，確定用戶的偏好模型，從而預(yù)測(cè)讀者對(duì)圖書的評(píng)分，根據(jù)評(píng)分排序進(jìn)行精確推薦。

關(guān)鍵詞：圖書推薦；借閱特征；協(xié)同過(guò)濾；特征提取

中圖分類號(hào)：G250.71 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）03-0156-03

1 引言

目前高校圖書館的館藏資源通常成千上萬(wàn)，而且種類繁多，因此讀者會(huì)花費(fèi)大量的時(shí)間用于尋找自己感興趣的圖書。而隨著圖書行業(yè)的繁榮，書目與種類日益增多。傳統(tǒng)的搜索引擎已經(jīng)不能完全的滿足讀者對(duì)圖書的辨識(shí)。因此，針對(duì)這種信息獲取的困難，出現(xiàn)了許多針對(duì)于個(gè)性化圖書推薦系統(tǒng)的相關(guān)研究。

目前高校圖書館的推薦系統(tǒng)存在以下一些問(wèn)題。第一，推薦系統(tǒng)不夠個(gè)性化，一些高校的圖書推薦模塊僅僅是依靠于借閱量以及根據(jù)借閱記錄基于圖書本身的內(nèi)容進(jìn)行推薦。第二，許多個(gè)性化圖書推薦系統(tǒng)雖然采用協(xié)同過(guò)濾的技術(shù)，實(shí)現(xiàn)了個(gè)性化，但是協(xié)同過(guò)濾算法本身依賴于用戶對(duì)項(xiàng)目的評(píng)分，而大部分高校圖書館的借閱記錄中都沒(méi)有讀者對(duì)圖書的評(píng)分這一項(xiàng)。第三，由于數(shù)據(jù)稀疏性的原因，導(dǎo)致一些沒(méi)有借閱過(guò)的或被借閱次數(shù)很少的圖書無(wú)法被有效的推薦給其他人。

如之前所說(shuō)，協(xié)同過(guò)濾依賴于用戶對(duì)物品的評(píng)分，而對(duì)于高校圖書館，如何根據(jù)讀者的借閱記錄將其特征轉(zhuǎn)化為對(duì)圖書的評(píng)分，從而提高推薦的準(zhǔn)確性。是本文研究的重點(diǎn)。同時(shí)，本文也將根據(jù)借閱記錄提取與時(shí)間相關(guān)的特征，考慮時(shí)間因素，例如圖書借閱的先后順序，或者在某些大型綜合考試如英語(yǔ)四、六級(jí)考試前為讀者推薦相關(guān)的圖書。

本文的核心步驟主要分為兩大類：

（1）利用基于用戶的協(xié)同過(guò)濾算法對(duì)推薦結(jié)果進(jìn)行粗召回。

（2）利用特征提取算法對(duì)用戶及借閱記錄進(jìn)行特征提取，構(gòu)建讀者偏好模型。

本文第2節(jié)介紹了個(gè)性化推薦方法的研究工作，第3節(jié)詳細(xì)闡述本文提出方案的具體原理；第4節(jié)是關(guān)于本文提出的推薦方案在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)分析與討論；最后第5節(jié)給出結(jié)論和未來(lái)的工作。

2 方案原理

該方案主要分為兩個(gè)部分，第一部分利用基于協(xié)同過(guò)濾算法對(duì)借閱記錄進(jìn)行推薦，得出一個(gè)粗召回的結(jié)果集。第二部分利用特征提取算法對(duì)借閱記錄進(jìn)行特征提取，將提取的特征以向量的形式作為讀者偏好模型的維度，訓(xùn)練讀者的偏好模型。

2.1 推薦算法比較

推薦算法比較，當(dāng)前，個(gè)性化推薦方法通常采用三類核心推薦算法[1]：（1）基于關(guān)聯(lián)規(guī)則的推薦算法（Association Rule-based Rcommendation）；（2）基于內(nèi)容的推薦算法（Content-based Rcommendation）；（3）基于協(xié)同過(guò)濾的推薦算法（Collaborative Filtering Rcommendation）下面闡述三類推薦算法的原理以及優(yōu)缺點(diǎn)。

基于關(guān)聯(lián)規(guī)則的推薦算法是以關(guān)聯(lián)規(guī)則為基礎(chǔ)，研究的核心問(wèn)題即項(xiàng)目集A與其他項(xiàng)目集的關(guān)聯(lián)關(guān)系。直觀的意義就是對(duì)圖書A偏好的讀者又借閱了圖書B和C，那么可以說(shuō)B與C和A存在關(guān)聯(lián)關(guān)系。比如借閱了大數(shù)據(jù)相關(guān)圖書的讀者一般還會(huì)借閱hadoop相關(guān)的圖書。基于關(guān)聯(lián)規(guī)則的推薦算法優(yōu)點(diǎn)在于算法的復(fù)雜程度，因此可以深度挖掘讀者的興趣偏好，提高推薦精準(zhǔn)度。缺點(diǎn)在于算法實(shí)現(xiàn)較為復(fù)雜，如何在成百上千萬(wàn)的項(xiàng)目中計(jì)算每個(gè)項(xiàng)目之間的關(guān)聯(lián)規(guī)則是算法的核心和難點(diǎn)，因此生成個(gè)性化推薦結(jié)果較為耗時(shí)。

基于內(nèi)容的推薦算法，是以產(chǎn)生關(guān)系的項(xiàng)目為中心，提取項(xiàng)目的特征，尋找與該項(xiàng)目相似的其他項(xiàng)目推薦給用戶，例如讀者借閱了朱自清的散文集，可能也會(huì)對(duì)冰心的散文感興趣。基于內(nèi)容的推薦算法在圖書推薦方面優(yōu)點(diǎn)在于，不存在冷啟動(dòng)問(wèn)題，即對(duì)新書以及新讀者都比較容易產(chǎn)生推薦，缺點(diǎn)在于不夠個(gè)性化，不能挖掘出讀者深度的興趣偏好。

基于協(xié)同過(guò)濾的推薦算法是當(dāng)前個(gè)性化推薦領(lǐng)域中最流行的推薦算法。它包括兩大類，一是基于用戶的協(xié)同過(guò)濾，二是基于項(xiàng)目的協(xié)同過(guò)濾[2]。以基于用戶的協(xié)同過(guò)濾為例，它的原理就是利用用戶與項(xiàng)目之間的評(píng)分計(jì)算目標(biāo)用戶與每個(gè)用戶的相似度，根據(jù)相似度的排序選定最近鄰用戶[3]，將近鄰用戶中所產(chǎn)生關(guān)系的項(xiàng)目中選取目標(biāo)用戶沒(méi)有產(chǎn)生關(guān)系的項(xiàng)目作為推薦項(xiàng)目推薦給目標(biāo)用戶。同理，基于項(xiàng)目的協(xié)同過(guò)濾是計(jì)算項(xiàng)目間[4]的相似度從而產(chǎn)生項(xiàng)目間的近鄰，生成推薦。基于協(xié)同過(guò)濾的推薦算法優(yōu)點(diǎn)很明顯，就是與內(nèi)容無(wú)關(guān)，通過(guò)計(jì)算用戶的相似度，來(lái)深度挖掘用戶的潛在興趣，真正的可以實(shí)現(xiàn)個(gè)性化推薦。由于算法的基礎(chǔ)是依賴于用戶與項(xiàng)目之間的作用關(guān)系，因此基于協(xié)同過(guò)濾的推薦算法缺點(diǎn)在于冷啟動(dòng)問(wèn)題，即對(duì)新用戶或新項(xiàng)目的推薦不夠好。

2.2 基于用戶的協(xié)同過(guò)濾算法

綜合上一小節(jié)，由于基于協(xié)同過(guò)濾的推薦算法是目前推薦領(lǐng)域的主流，而且它可以實(shí)現(xiàn)真正的個(gè)性化推薦，因此本文中提出的推薦方案第一部分選取基于協(xié)同過(guò)濾的推薦算法。基于用戶的協(xié)同過(guò)濾算法第一步是生成用戶-項(xiàng)目的評(píng)分矩陣，如圖1所示是一個(gè)m x n的二維矩陣。其中m表示用戶數(shù)，n表示項(xiàng)目數(shù)，Rm，n表示用戶m對(duì)項(xiàng)目n的評(píng)分。由于本文的研究背景是高校圖書館的借閱記錄，沒(méi)有讀者對(duì)圖書的評(píng)分項(xiàng)，因此只記錄其作用關(guān)系，即借閱過(guò)的記為1，未借閱的記為0。

基于用戶的協(xié)同過(guò)濾第二步是生成根據(jù)用戶-項(xiàng)目矩陣生成最近鄰用戶，這個(gè)過(guò)程的本質(zhì)相當(dāng)于為目標(biāo)用戶在矩陣R中計(jì)算一個(gè)相似性的排序集合。計(jì)算用戶相似度的方法主要有2種：

（1）余弦相似性（Cosine）：設(shè)用戶i 和用戶j 在m維對(duì)象空間上的評(píng)分表示為向量i，j，則sim（i，j）的相似性計(jì)算方法如下：

（2）相關(guān)相似性（Correlation）：設(shè)用戶i 和用戶j 共同評(píng)分的對(duì)象集合用Iij 表示[5]，則用戶i 和用戶j 之間的相似性通過(guò)Pearson 相關(guān)系數(shù)度量，方法如下：

基于用戶的協(xié)同過(guò)濾第三步是生成推薦結(jié)果，由第二步計(jì)算得出目標(biāo)用戶的最近鄰集合，設(shè)用戶u的最近鄰用戶集合為Su，則用戶u對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分Pu，i可以通過(guò)用戶u對(duì)最近鄰用戶集合Su中的項(xiàng)目評(píng)分得到[6]。計(jì)算公式如下：

其中sim（u，n）表示用戶u與用戶n之間的相似性，Rn，i表示用戶n對(duì)項(xiàng)目i的評(píng)分，Rn分別表示用戶u和用戶n對(duì)項(xiàng)目的平均評(píng)分。

2.3 利用特征提取算法對(duì)借閱記錄進(jìn)行特征提取

上一小節(jié)闡述了本文中推薦方案的第一部分，即利用協(xié)同過(guò)濾算法對(duì)推薦結(jié)果集進(jìn)行粗召回，可以對(duì)閾值進(jìn)行設(shè)置，產(chǎn)生大量的可能的推薦對(duì)象。而研究背景的借閱數(shù)據(jù)中，存在很多的可以描述用戶興趣偏好的特征，因此，本節(jié)闡述的是推薦方案中的第二部分，即利用特征提取算法對(duì)借閱記錄進(jìn)行特征提取，建立用戶偏好模型。通過(guò)實(shí)際數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，最終產(chǎn)生更精確的推薦結(jié)果。

本文的研究背景是基于高校圖書館的借閱記錄，而借閱記錄是表示讀者興趣偏好的直接來(lái)源。因此，如何對(duì)讀者的借閱記錄進(jìn)行特征提取，建立興趣偏好模型，是提高推薦精確度的關(guān)鍵。也是本文中推薦方案的第二部分的核心。以我校圖書館的借閱數(shù)據(jù)分析，其中包括三類特征信息，第一類是用戶的基本信息，第二類是圖書的特征信息，第三類是關(guān)于借閱行為的特征信息。包括的特征可以整理為：

通過(guò)上述整理的特征構(gòu)建讀者-特征矩陣，如圖2。

y值表示user（i）最終是否借閱了圖書，利用讀者每一年的數(shù)據(jù)中第一學(xué)期的和第二學(xué)期的一部分作為訓(xùn)練集，余下的部分作為測(cè)試集。建立讀者偏好模型。利用偏好模型，對(duì)該推薦方案中第一部分粗召回結(jié)果集進(jìn)行評(píng)分?jǐn)M合。按照擬合評(píng)分的排序結(jié)果，產(chǎn)生最終優(yōu)化的推薦結(jié)果。

目前，利用機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域中相關(guān)的有監(jiān)督學(xué)習(xí)算法，可以對(duì)數(shù)據(jù)進(jìn)行建模，并訓(xùn)練模型。最終根據(jù)興趣偏好模型擬合推薦結(jié)果集。

GBDT（Gradient Boosting Decision Tree） 又叫 MART（Multiple Additive Regression Tree），GBDT模型是一種解決回歸問(wèn)題的樹模型，本質(zhì)是一種迭代的決策樹算法。該算法由多棵決策樹組成，所有樹的結(jié)論累加起來(lái)做最終結(jié)果。它在被提出之初就和SVM一起被認(rèn)為是泛化能力較強(qiáng)的算法。GBDT主要有三個(gè)部分組成：

（1）DT：回歸樹 Regression Decision Tree。GBDT的核心在于累加所有樹的結(jié)果作為最終結(jié)果，而分類樹的結(jié)果顯然是沒(méi)辦法累加的，所以GBDT中的樹都是回歸樹，不是分類樹。

（2）Boosting，迭代，即通過(guò)迭代多棵樹來(lái)共同決策。GBDT的核心就在于，每一棵樹學(xué)的是之前所有樹結(jié)論和的殘差，這個(gè)殘差就是一個(gè)加預(yù)測(cè)值后能得真實(shí)值的累加量。

（3）Shrinkage即縮減。Shrinkage的思想認(rèn)為，每次走一小步逐漸逼近結(jié)果的效果，要比每次邁一大步很快逼近結(jié)果的方式更容易避免過(guò)擬合。即它不完全信任每一個(gè)棵殘差樹，它認(rèn)為每棵樹只學(xué)到了真理的一小部分，累加的時(shí)候只累加一小部分，通過(guò)多學(xué)幾棵樹彌補(bǔ)不足。

目前來(lái)說(shuō)，GBDT幾乎可用于所有回歸問(wèn)題（線性/非線性），相對(duì)logistic regression僅能用于線性回歸，GBDT的適用面非常廣。亦可用于二分類問(wèn)題（設(shè)定閾值，大于閾值為正例，反之為負(fù)例）。

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)數(shù)據(jù)

本文的研究背景是高校圖書館，因此本文實(shí)驗(yàn)數(shù)據(jù)采用北京市某高校的圖書館借閱記錄作為本文所提出方案的實(shí)驗(yàn)數(shù)據(jù)。數(shù)據(jù)涵蓋了近10年200萬(wàn)條借閱記錄，20萬(wàn)條圖書信息以及17000的讀者信息。

3.2 實(shí)驗(yàn)評(píng)價(jià)

對(duì)于推薦領(lǐng)域而言，對(duì)于推薦結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn)一般從如下幾個(gè)方面考慮：推薦準(zhǔn)確度、推薦結(jié)果的多樣性以及推薦結(jié)果的覆蓋性等。由于本文的研究背景是面向高校讀者的圖書個(gè)性化推薦，因此選取當(dāng)前推薦領(lǐng)域普遍采取的評(píng)價(jià)標(biāo)準(zhǔn)，即準(zhǔn)確度指標(biāo)。

準(zhǔn)確度是當(dāng)前推薦領(lǐng)域?qū)ν扑]算法結(jié)果評(píng)價(jià)中最常用、最基礎(chǔ)也是最普遍的指標(biāo)。大部分的推薦算法都采用準(zhǔn)確度指標(biāo)來(lái)衡量一個(gè)推薦算法的好壞。準(zhǔn)確度指標(biāo)的原理是通過(guò)描述預(yù)測(cè)打分與用戶實(shí)際打分的相似程度來(lái)評(píng)估結(jié)果。目前，對(duì)于準(zhǔn)確度指標(biāo)的衡量方法最常用的是平均絕對(duì)誤差（Mean Absolute Error ， MAE）。MAE通過(guò)計(jì)算預(yù)測(cè)用戶評(píng)分和實(shí)際用戶評(píng)分之間的偏差來(lái)度量預(yù)測(cè)的準(zhǔn)確性[5]。MAE越小，推薦質(zhì)量越高。平均絕對(duì)誤差（MAE）的計(jì)算公式如下：

其中，c為用戶i所產(chǎn)生關(guān)系的項(xiàng)目數(shù)量，ria為用戶的實(shí)際評(píng)分，via為推薦算法的預(yù)測(cè)評(píng)分。

3.3 實(shí)驗(yàn)結(jié)果

為了檢驗(yàn)本文所提出方案中的推薦算法，我們將以傳統(tǒng)的僅僅依靠于協(xié)同過(guò)濾算法作為對(duì)照，在傳統(tǒng)的協(xié)同過(guò)濾算法中，分別以余弦相似性和相關(guān)相似性作為相似性的度量標(biāo)準(zhǔn)，分別計(jì)算其MAE。并設(shè)置近鄰個(gè)數(shù)從20增加到40，間隔為5。然后與本文提出的推薦算法作比較，由數(shù)據(jù)可以看出，本文提出的推薦方案，即在基礎(chǔ)的協(xié)同過(guò)濾算法之上對(duì)借閱記錄進(jìn)行特征提取，根據(jù)實(shí)際情況提取更能代讀者興趣偏好的特征，構(gòu)建讀者偏好模型，最終得到的推薦結(jié)果，相比僅僅依靠于協(xié)同過(guò)濾算法得到的推薦結(jié)果。具有較小的MAE。因此，本文提出的推薦算法可以針對(duì)于高校圖書館的研究背景得出更精準(zhǔn)的推薦結(jié)果。

4 結(jié)語(yǔ)

隨著圖書行業(yè)的繁榮，讀者需要在浩瀚的圖書海洋中選擇自己感興趣的圖書。因此一個(gè)好的推薦系統(tǒng)起著至關(guān)總要的作用。本文所闡述的推薦方案能夠根據(jù)現(xiàn)有的數(shù)據(jù)進(jìn)行有效的推薦，但是仍存在著一些其他問(wèn)題，例如冷啟動(dòng)、數(shù)據(jù)稀疏等問(wèn)題。這些問(wèn)題也是整個(gè)推薦領(lǐng)域需要進(jìn)一步研究的問(wèn)題。

參考文獻(xiàn)

[1]Hofmann，T.Latent Semantic Models for Collabora—tive Filtering[J].ACM Transactions on Information Systems，2004，22（1）.

[2]陳梅.圖書館知識(shí)服務(wù)新模式——個(gè)性化推薦系統(tǒng)問(wèn)題和算法實(shí)現(xiàn)研究[J].圖書情報(bào)工作網(wǎng)刊，2012，（05）：6-12.

[3]李爍朋.基于大眾標(biāo)注和HOSVD的推薦系統(tǒng)研究[D].江蘇科技大學(xué)，2013.