主題網站推薦系統概要設計

王子安

摘 要：本文探討當一個主題網站積累了足夠多的用戶數據量時。結合基于用戶和物品的協同過濾算法，對網站信息進行篩選，準確的推薦給用戶感興趣的內容。

關鍵詞：個性化推薦；推薦引擎；熱度推薦；協同算法

1 前言

隨著信息技術和互聯網的發展。人們逐漸從信息匱乏走到了信息泛濫的時代。在這個時代，無論是信息消費者還是信息生產者都遇到了很大的挑戰。推薦系統聯系用戶和信息，一方面幫助用戶發現對自己有價值的信息，一方面能夠讓信息自動展現在對它有興趣的用戶面前，從而實現信息消費者和信息生產者雙贏。

2 推薦系統概要

2.1 推薦系統和其他系統的關系

推薦系統要發揮強大的作用，除了推薦系統本身，主要還依賴于兩個條件——界面展示和用戶行為數據。好的推薦界面共性有：通過一定方式展示物品，主要包括物品的標題、縮略圖和介紹等。很多推薦界面都提供了推薦理由，理由可以增加用戶對推薦結果的信任度。推薦界面還需要提供一些按鈕讓用戶對推薦結果進行反饋，這樣才能讓推薦算法不斷改善用戶的個性化推薦體驗。

2.2 推薦系統基本架構

設置引擎的好處：

（1）可以方便的應用于其他系統

（2）可以方便地增加/刪除引擎，控制不同引擎對推薦結果的影響。對于絕大多數需求，只需要通過不同的引擎組合實現。

（3）可以實現推薦引擎級別的用戶反饋。每一個推薦引擎其實代表了一種推薦策略，而不同的用戶可能喜歡不同的推薦策略。

3 算法說明

個性化推薦算法選擇：

協同過濾系統分為基于用戶（user）和基于物品（item）兩種。基于用戶的算法主要是依據尋找和該用戶近似的用戶，通過近似用戶的興趣愛好進行推薦。基于物品的算法主要是尋找到近似的物品進行推薦。

基于用戶的協同過濾算法特點是，推薦內容的種類會比較豐富，缺點是多數為熱門物品，長尾物品可能不會出現在推薦內容中，另外就是用戶過少的前提下會失去精準度。基于物品的協同過濾算法特點是，推薦的內容種類會比較單一，但不會漏掉長尾物品。所以，這點上來看，這兩種算法從一定程度上是互補的。

根據統計，使用用戶協同算法和使用物品協同算法從最終結果上來看，會有50%的一致性，另外50%可能是毫不相干的。

基于主題網站的情況，選擇用戶協同算法較為合適，就目前情況而言，可以使用用戶和物品協同過濾的混搭。

3.1 基于用戶的算法

（1）尋找近似用戶

把目標用戶和數據庫的用戶進行比較，找出和目標用戶最近似的N個用戶。實際操作過程中，我們會發現，當用戶數量級較大的時候，計算時間會非常長。但實際情況是，數據庫的大部分用戶可能是沒有交集的，所以沒必要計算所有用戶，只計算和目標用戶有交集的用戶。

（2）選取有交集的用戶

我們可以通過有過相同行為（例如關注過同一個話題）的用戶來進行篩選。這里篩選的條件需要推敲，篩選條件太簡單還是會造成運算量太大，篩選條件太過嚴格會使得目標用戶得到推薦的門檻變得較高。所以，推薦以下方式進行篩選，條件間為邏輯或關系，即滿足其一即可：

優先級說明：優先級表示優先判斷的條件，如果滿足，無需判斷條件2，如果不滿足，繼續判斷條件2。條件不宜過多，會導致初篩運算量巨大。條件亦不宜過少，過少會導致初篩力度不夠，后期運算量巨大。

（3）計算用戶相似度

用戶相似度計算方法一般采用余弦或者杰卡德，這邊推薦使用杰卡德（jaccard）算法，因為根據用戶行為的那些量并不是特別好余弦化，而且兩者結果很接近。杰卡德算法一般應用于網頁去重，過濾相似度很高的新聞，算法也比較好理解，就是兩個集合的交集除以兩個集合的并集，所得結果就是兩個集合的相似度，數學表達式就是：|S ∩ T|/|S ∪ T|（相似度集合見“用戶偏好”）。這里算出用戶相似度后，要從高到低排序，并且設定一個閥值。例如，我們將閥值設定為5，那么就是按相似度由高到低排序取前5名用戶作為最相似的5個用戶，并且列出相似度值，如下圖“表1”所示：

（4）推薦好友、話題、文章

首先對于推薦的用戶、話題、文章都要設置上限，假設用戶設定為3、話題設定為5、文章設定為5。

①推薦好友

根據“表1”，由高到低的順序，依次推薦用戶1～用戶3。

②推薦話題、文章

我們假設有如下數據：

那么話題推薦度的算法如下，

話題1推薦度 = 用戶1相似度 + 用戶3相似度 = 0.7+ 0.6 = 1.3。

話題2推薦度 = 用戶1相似度 + 用戶2相似度 + 用戶4相似度 + 用戶5相似度 = 2.42。

以此類推得到，話題3推薦度是0.7，話題4推薦度是1.3，話題5推薦度是0.65，話題6推薦度是1.07，話題7推薦度是0.57。由高到低排序依次選取5個，分別是話題2、話題1、話題4、話題6和話題3。如下：

話題 推薦度

話題2 2.42

話題1 1.3

話題4 1.3

話題6 1.07

話題3 0.7

3.2 基于物品的算法

一些準備工作同基于用戶的算法，這里不再重復。

計算物品相似度公式說明：

果變的不準確。這樣的話，可以修改公式為，懲罰物品j的權重。相似度值肯定小于等于1。

3.3 兩者結合的算法

根據統計，使用用戶協同算法和使用物品協同算法從最終結果上來看，會有50%的一致性，另外50%可能是毫不相干的。這里可以使用2種算法結果的并集，并且將交集作為重點推薦。

例如，基于用戶的推薦列表為 a，b，c，d，e，f

基于物品的推薦列表為，a，x，y，b，f，z

重點推薦：a，b，f

推薦：c，d，e，x，y，z

參考文獻

[1]項亮.推薦系統實踐[M].人民郵電出版社，2012.

[2]（奧地利）詹尼士.推薦系統[M].人民郵電出版社，2013.

（作者單位：貴陽市第一中學）