基于用戶行為的網(wǎng)站推薦系統(tǒng)模型

吳俊杰，劉耀軍，趙月愛

（太原師范學(xué)院計(jì)算機(jī)系，山西太原 030012）

0 引言

如何識(shí)別用戶的喜好，是 Web個(gè)性化［1］的關(guān)鍵技術(shù)。通過精確匹配由用戶訪問興趣建立的項(xiàng)目/對(duì)象模型，可有效地解決信息超載的問題。然而，用戶的行為識(shí)別是一個(gè)復(fù)雜的過程，它涉及到各種搜索參數(shù)之間的關(guān)系。在用戶行為建模方面，從服務(wù)器日志中獲得的隱式數(shù)據(jù)更可靠，因?yàn)樗从沉嗽诟髯跃W(wǎng)站的查詢中用戶的實(shí)際需求。然而，這些數(shù)據(jù)的問題是多維度的，如日期、時(shí)間、使用的操作系統(tǒng)、瀏覽器和其他細(xì)節(jié)。檢索它們之間的關(guān)系是一個(gè)復(fù)雜的過程。傳統(tǒng)的方法使用兩個(gè)多維數(shù)據(jù)建模技術(shù)、歐氏距離或余弦相似度措施，但是，以往的研究表明［2］，在高維空間中，聚類的屬性選擇不同會(huì)產(chǎn)生相當(dāng)大的差異。在這項(xiàng)研究中，我們建議使用TSM（張量空間模型），這是更高的三維數(shù)據(jù)建模工具，以有效地挖掘用戶的信息，包括在每個(gè)維度上的用戶訪問興趣。

1 相關(guān)的工作

TSM的使用已經(jīng)成為流行，其多維數(shù)據(jù)建模和推論的能力已得到認(rèn)可［3，4］。使用TSM Web挖掘和相關(guān)工作正處于起步階段。TSM已廣泛使用在化學(xué)計(jì)量學(xué)［4］。利用點(diǎn)擊流數(shù)據(jù)來定位個(gè)性化網(wǎng)絡(luò)搜索可以有效地進(jìn)行Web挖掘［5］。最近，提出了ptucker（潛變量概率模型），它具有學(xué)習(xí)依賴性結(jié)構(gòu)的能力。TSM使用降維HOSVD，已用于個(gè)性化的音樂和標(biāo)簽推薦體系，研究人員使用TSM創(chuàng)建基于標(biāo)簽的推薦模型。最近的工作是TSM的集群。不同于先前討論的這些方法，我們將單個(gè)用戶的行為模型化，組成張量，然后使用這種模式，根據(jù)用戶最受好評(píng)的興趣提出建議。

2 提出的方法

我們遵循傳統(tǒng)的符號(hào)［4，5］，標(biāo)量采用小寫字母，向量采用一維數(shù)組，矩陣采用兩維數(shù)組。張量可以用下式n階方陣表示

構(gòu)建用戶喜好模型中最關(guān)鍵的任務(wù)就是在每個(gè)維度上尋找相關(guān)特性，可以分為三個(gè)步驟是:（1）模型的構(gòu)建（利用原始數(shù)據(jù)構(gòu)建張量），（2）模型分解（尋找突出特性和不同特性之間的潛在關(guān)系），（3）重建模型（從每個(gè)維度中尋找相關(guān)特性）。

第1步，模型的構(gòu)建:創(chuàng)建張量模型之前要進(jìn)行數(shù)據(jù)預(yù)處理，包括刪除不必要的屬性或特征的數(shù)據(jù)集。要做到這一點(diǎn)，可進(jìn)行分組、分節(jié)。對(duì)每個(gè)用戶的會(huì)話數(shù)據(jù)進(jìn)行分析。會(huì)話中所有出現(xiàn)的獨(dú)特功能都提取到張量模型作為代表模式。構(gòu)建好的用戶訪問張量如下:

第2步，模型分解:在多維數(shù)據(jù)模型的分解過程中，能夠找到最突出的部分（即張量項(xiàng)和模式），以及可能存在的不同組件之間的隱藏關(guān)系。我們使用的是PARAFAC，Tucker和HOSVD張量分解技術(shù)。

第3步:重建模型:一旦用戶模型創(chuàng)建和分解好后（步驟1和2），取每個(gè)維度上的前n個(gè)值作為維度值。如圖1所示:

圖1 PARAFAC分解和重建過程

3 評(píng)價(jià)體系與結(jié)論

評(píng)價(jià)實(shí)驗(yàn)數(shù)據(jù)集:日志數(shù)據(jù)從太原龍城熱線網(wǎng)站中200個(gè)用戶組成的數(shù)據(jù)集的一部分，其中每一個(gè)用戶有不同數(shù)量且至少4次以上搜索。

用于評(píng)估的各種方法采用高搜索項(xiàng)目（頻率為基礎(chǔ)），采用 SVD、PCA、NNMF、PARAFAC、Tuacker、HOSVD 張量分解技術(shù)。實(shí)驗(yàn)結(jié)果如表1所示:

表1 張量模型平均F值

整體而言，張量方法和三個(gè)矩陣方法（SVD，PCA和NNMF）相比，TSM要遠(yuǎn)遠(yuǎn)優(yōu)于矩陣方法。基于多個(gè)搜索屬性的用戶行為建模是一個(gè)復(fù)雜的問題。從向量矩陣的各種方法來發(fā)現(xiàn)用戶搜索的突出特點(diǎn)是當(dāng)前研究熱點(diǎn)。然而，由于Web日志數(shù)據(jù)的多維度，這些信息很容易松散化。為了映射相互關(guān)系，以避免失去不同的搜索組件之間存在著的潛在關(guān)系，有必要使用一些高維數(shù)據(jù)分析技術(shù)，像張量模型。這項(xiàng)研究主要集中在使用張量來進(jìn)行用戶行為建模。然而，為每個(gè)用戶建立單獨(dú)的張量模型的主要缺點(diǎn)之一是在時(shí)間和空間的開銷。時(shí)間問題可以考慮建立離線，但空間和計(jì)算成本，以及建立高質(zhì)量的推薦系統(tǒng)是一個(gè)重要的考慮因素，需要繼續(xù)仔細(xì)分析研究，這將是我們下一步的工作重點(diǎn)。

［1］Mobasher B.“Data Mining for Web Personalization”，in The Adaptive Web［M］.vol.4321，A.K.P.Brusilovsky，and W.Nejdl（Eds.），Ed.，2007:90-135.

［2］Skillicorn D.Understanding Complex Datasets:Data Mining With Matrix Decompositions［M］.Chapman ＆Hall/CRC，2007.

［3］Kleinberg J.Authoritative sources in a hyperlinked environment［G］.in Proceedings of the 9th Annual ACM-SIAM Symposium on Discrete Algorithms，January 1998:668-677.

［4］Kolda T G ，Bader B W.Tensor Decompositions and Applications［G］.Technical Report SAND2007-6702，Sandia National Laboratories，Albuquerque，NM and Livermore，CA，，November 2007.

［5］Sun J T，Zeng H J，Liu H，et al.CubeSVD:a Novel Approach to Personalized Web search［G］.in International World Wide Web Conference Committee（IW3C2），Chiba，Japan.，May 10-14，2005:382-390.