基于概念層次樹的個性化推薦算法

陳淑婷+胡美慧+郭江濤

摘要：隨著全球信息總量的爆炸式增長，信息超載問題無法避免且日趨嚴(yán)重化。個性化推薦系統(tǒng)是當(dāng)前解決信息過載問題的有效技術(shù)。下文從概念層次樹入手，對基于概念層次樹的個性化推薦算法的整體流程進(jìn)行了詳細(xì)分析和介紹，旨在為相關(guān)人員提供參考。

關(guān)鍵詞：概念層次樹；個性化推薦；算法

引言

在目前的電子商務(wù)中，產(chǎn)品信息呈指數(shù)級增長，個性化推薦技術(shù)應(yīng)運(yùn)而生，它通過分析消費者的歷史交易記錄，獲取消費者的興趣偏好，并推薦產(chǎn)品或服務(wù)，節(jié)省了消費者尋找合適商品的時間。在當(dāng)前的個性化推薦系統(tǒng)中，協(xié)同過濾及其改進(jìn)算法被大多數(shù)電子商務(wù)網(wǎng)站所采用?；诟拍顚哟螛涞膫€性化推薦算法就是傳統(tǒng)協(xié)同過濾經(jīng)過改進(jìn)后的算法之一，大大提升了個性化推薦的準(zhǔn)確度，對個性化推薦技術(shù)的發(fā)展具有非常重要的意義。

1基于概念層次樹的個性推薦概述

概念層次樹是將數(shù)據(jù)庫中記錄的屬性字段根據(jù)一定的抽象程度進(jìn)行歸類合并而形成的層次結(jié)構(gòu)。面向?qū)傩詺w納方法利用概念層次技術(shù)進(jìn)行概念提升，得到高度概括的表，進(jìn)而將它轉(zhuǎn)換成用戶的特征需求，為用戶個性化服務(wù)提供依據(jù)。概念層次結(jié)構(gòu)是表示抽象知識的重要手段，把原始數(shù)據(jù)泛化到較高層次，實現(xiàn)在不同概念層次上對數(shù)據(jù)的抽象。面向?qū)傩詺w納方法中用來進(jìn)行概念泛化的技術(shù)稱為概念層次技術(shù)，用概念層次樹來表示用于泛化的背景知識，實現(xiàn)具體與抽象概念之間的轉(zhuǎn)化。

2概念層次樹的構(gòu)建

根據(jù)關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)（用戶年齡、受教育程度、收入、喜好等數(shù)據(jù)），為用戶的每個屬性構(gòu)建概念層次樹，使具體的屬性值概化為抽象的知識并歸類合并，實現(xiàn)在不同概念層次上對數(shù)據(jù)的抽象。概念層次樹是通過樹結(jié)構(gòu)的形式，將具體的屬性值分組，然后按照背景知識逐級提升概念。每個獨立節(jié)點表示一個基本概念，它可能是一個屬性的簡單組，也可能是若干屬性形成的復(fù)合組。概念層次樹的節(jié)點可以是同一屬性的不同抽象度的匯聚點，也可以是由一個概念包含的多個子概念，網(wǎng)站中用戶的性別、年齡、職業(yè)、教育程度、收入、喜歡的書等基本信息都不同程度上對用戶的興趣愛好產(chǎn)生一定的影響（具體概念層次樹結(jié)構(gòu)圖如圖1-圖3所示）。所以需要把這些基本信息的概念層次樹構(gòu)建出來，其中用戶興趣愛好這一基本信息是兩層的概念層次樹，與其職業(yè)相同。

3挖掘用戶喜歡的數(shù)據(jù)

3.1劃分項目種類子集

從概念層次樹中的結(jié)點屬性分析，根的各直接子樹包含的項目種類的屬性相對獨立，相互間關(guān)聯(lián)最小，根（用戶的興趣愛好，如喜好的電影、書籍等）的子樹——即用戶興趣愛好的分類（如電影分為ComeXy類電影、Aiction類電影、Sci-Fi類電影），它們各自包含的子類相互間差異都較大。因此對項目種類集合作如下劃分，即X={Root，Xn，X2...Xn}。Root為T的根結(jié)點，X（h=1，2，3...n）為Root的子樹Th中各結(jié)點（項目種類）組成的集合，n為Root的子樹棵數(shù)。

3.2尋找喜好種類的鄰居

本文需要判定用戶喜好的項目種類子集。對于用戶關(guān)注較少或從未關(guān)注過的項目種類，本算法將其視為用戶“不感興趣的種類”。根據(jù)實驗經(jīng)驗值，若（訪問種類子集中的項目數(shù)÷訪問項目總數(shù)）<10%則視該項目種類子集為用戶不喜好的項目種類，算法將不再在其上尋找鄰居進(jìn)行推薦，以節(jié)省系統(tǒng)的資源。判定用戶喜好的項目種類后，在各喜好的項目種類子集Xn上，依次計算用戶Ai和用戶Ax的在每個集合中的PeArson相關(guān)度，其中，F(xiàn)i和Fk為用戶Ai和Ax對項目種類的評分，V1、V2是用戶Ai、B對X中所有項目種類的平均評分，根據(jù)計算出的PeAirson相關(guān)度，選擇與當(dāng)前用戶B最相似的K個用戶作為用戶Ai在項目種類子集合X上的鄰居集。重復(fù)以上運(yùn)算，找出當(dāng)前用戶Ai在所有喜好的項目種類子集上的鄰居集。

4產(chǎn)生推薦

4.1評估候選項目

在喜好的項目種類子集Xn上，選取屬于該集合中的項目種類、被當(dāng)前用戶Ai的鄰居所喜好、且未被B訪問過的項目，構(gòu)成當(dāng)前用戶Ai的候選推薦項目集，即算每個候選項目受當(dāng)前用戶Ai關(guān)注的程度，用權(quán)重來表示。計算權(quán)重時，重點考慮的因素如下：（1）喜好bx的鄰居B與當(dāng)前用戶Ai的相似程度。B的偏好與Ai的越相似，B的推薦可信度就越高；（2）B對bx的喜好程度。B對bx越喜好，bx所獲得的推薦權(quán)重就越高。在計算B對bx的喜好程度時可以進(jìn)行如下處理：假定一個虛擬用戶C，R={bx}，則B對bx的喜好程度=simn（B，C）。當(dāng)B訪問過較多與bx同類的項目時，B對bx表現(xiàn)出較高的喜好程度。根據(jù)以上因素，定義候選項目權(quán)重計算公式，其中，Ai（bx）為用戶Ai的喜好bx的鄰居組成的集合；bx為其項目種類屬于Xn的項目。

4.2產(chǎn)生最終推薦

評估所有項目種類屬于用戶喜好項目種類子集的侯選項目后，按權(quán)重對bx進(jìn)行降序排列，得到Xn上的候選項目的推薦列表。根據(jù)當(dāng)前用戶Ai對不同項目種類的偏好，計算各喜好項目種類的侯選推薦項在最終推薦列表中所占比例，即numx=N*（Rix/Ri）其中，凡為喜好種類子集Xn上Ai訪問項目組成的集合；N即為產(chǎn)生的top-N推薦的推薦項目數(shù)。從各Ph中抽取numih個項目，將這些項目按用戶喜好程度的具體數(shù)值降序排列，形成對用戶Ai的最終top-N推薦Py={b1，b2...bx}。

結(jié)束語

基于概念層次樹的個性化推薦算法，相較于傳統(tǒng)協(xié)同過濾算法在準(zhǔn)確性方面有了顯著提升，在推薦的多樣性上也有了明顯的改善。為了能夠使個性化推薦更加精準(zhǔn)，滿足客戶的需求，實現(xiàn)精準(zhǔn)營銷，相關(guān)人員可以將該算法部署到實際的推薦系統(tǒng)中，通過在線測試的方法獲取用戶對推薦數(shù)據(jù)的準(zhǔn)確性和多樣性的滿意程度，進(jìn)一步對當(dāng)前的個性化推薦算法進(jìn)行改進(jìn)。

參考文獻(xiàn)：

[1]何佶星陳汶濱牟斌皓.流行度劃分結(jié)合平均偏好權(quán)重的協(xié)同過濾個性化推薦算法[J/OL].計算機(jī)科學(xué)，2018，（S1）：50.

[2]陳潔敏，湯庸，李建國，蔡奕彬.個性化推薦算法研究[J].華南師范大學(xué)學(xué)報（自然科學(xué)版），2014，46（05）：8-15.

[3]關(guān)遠(yuǎn).推薦網(wǎng)絡(luò)分析及個性化推薦算法研究[X].電子科技大學(xué)，2014.endprint