面向科研學(xué)術(shù)對象服務(wù)的個(gè)性化圖書推薦系統(tǒng)研究

□陰江烽（中共廣東省委黨校圖書館，廣東廣州 510053）

面向科研學(xué)術(shù)對象服務(wù)的個(gè)性化圖書推薦系統(tǒng)研究

□陰江烽（中共廣東省委黨校圖書館，廣東廣州 510053）

針對科研學(xué)術(shù)讀者這一讀者群體，應(yīng)構(gòu)建一種基于協(xié)同過濾算法的圖書推薦系統(tǒng)模型。本文通過分析其興趣分類、角色特征、行為模式等特征，對算法進(jìn)行改進(jìn)，降低數(shù)據(jù)稀疏性對系統(tǒng)的影響，使系統(tǒng)推薦結(jié)果更符合科研學(xué)術(shù)讀者這一群體的閱讀選擇習(xí)慣，提高推薦系統(tǒng)效率。

圖書推薦；個(gè)性化；協(xié)同過濾

個(gè)性化圖書推薦系統(tǒng)已經(jīng)成為現(xiàn)代圖書館提供以讀者為核心的個(gè)性化服務(wù)的重要手段，目前協(xié)同過濾（CF）是最成功的個(gè)性化推薦技術(shù)，它借助已知的用戶評價(jià)來實(shí)現(xiàn)對目標(biāo)用戶的推薦。典型的協(xié)同過濾推薦算法是基于用戶的協(xié)同過濾推薦算法，其基本原理是利用歷史評分?jǐn)?shù)據(jù)形成用戶鄰居，根據(jù)評分相似的最近鄰居的評分?jǐn)?shù)據(jù)向目標(biāo)用戶產(chǎn)生推薦。[1]而形成用戶的最鄰近用戶集是協(xié)同過濾推薦算法中最為關(guān)鍵的一步，但傳統(tǒng)協(xié)同過濾推薦算法存在稀疏性問題，用戶對資源項(xiàng)的評價(jià)非常稀疏，以稀疏的評價(jià)產(chǎn)生用戶間的相似性可能并不準(zhǔn)確，從而影響了算法的準(zhǔn)確性。[2]針對這些問題有很多改進(jìn)算法，這些算法大部分集中在對最鄰近用戶集的選擇改進(jìn)上，即針對讀者特征的差異進(jìn)行改進(jìn)。而科研學(xué)術(shù)對象有其自身的特點(diǎn)，本文引入讀者的興趣分類和角色身份分類等因素，提出一種針對面向科研學(xué)術(shù)對象服務(wù)的個(gè)性化圖書推薦系統(tǒng)。

一、傳統(tǒng)協(xié)同過濾推薦算法及其不足

（一）傳統(tǒng)協(xié)同過濾推薦算法

傳統(tǒng)協(xié)同過濾推薦算法基于以下假設(shè):如果用戶對一定項(xiàng)的打分較相似，則他們對其他項(xiàng)的打分也較相似。它是以用戶對項(xiàng)打分的I-U評分矩陣作為學(xué)習(xí)用戶偏好并產(chǎn)生推薦的基礎(chǔ)。該算法可以分為三個(gè)階段：[3]

1、構(gòu)建用戶I-U評分矩陣。用戶的評價(jià)和偏好表示為一個(gè)m*n的I-U評分矩陣R。其中m是用戶數(shù)，n是項(xiàng)目數(shù)，R=[rij]，元素rij代表用戶i對項(xiàng)目j的評分。

2、獲取用戶的最近鄰?！白罱従蛹本褪歉鶕?jù)相似度從大到小排列的“鄰居”集合。其中兩個(gè)用戶之間相似性的計(jì)算需要獲取兩個(gè)用戶所有已評分的項(xiàng)目和數(shù)據(jù)，然后用一種度量方法進(jìn)行計(jì)算。常見的度量方法有余弦相似性、修正余弦相似性、相關(guān)相似性等。相關(guān)相似性一般由Pearson相關(guān)系數(shù)度量，[4]計(jì)算公式如下：

其中，sim(ua,ub)是用戶ua和ub的相似度，集合Iab是用戶ua和ub共同評分的項(xiàng)目集，rai、rbi分別表示用戶ua、ub對項(xiàng)目i的評分分別表示用戶ua和ub對所有項(xiàng)目的平均評分。

3、產(chǎn)生推薦集。產(chǎn)生“最近鄰居集”后，基于最近鄰居集計(jì)算目標(biāo)用戶i對未評分項(xiàng)目x的預(yù)測評分值，并產(chǎn)生top-N推薦集。預(yù)測評分計(jì)算方法如下：

其中，pi,x表示目標(biāo)用戶i對項(xiàng)目x的預(yù)測評價(jià)值?為用戶i的平均評分值，N為目標(biāo)用戶i的最近鄰居集，j為最近鄰居集N中的一個(gè)用戶，Ri,x為用戶j對項(xiàng)目x的評價(jià)表示用戶j的平均評分值。

（二）傳統(tǒng)協(xié)同過濾推薦算法的不足

首先，傳統(tǒng)協(xié)同過濾推薦算法忽略了項(xiàng)目與項(xiàng)目之間的聯(lián)系，以及讀者興趣的差異。由傳統(tǒng)協(xié)同過濾推薦算法的過程易見，在第二步計(jì)算用戶相似性的過程中，計(jì)算對象采用了兩個(gè)用戶之間所有的共同評分項(xiàng)目進(jìn)行計(jì)算，這些項(xiàng)目中有很多項(xiàng)目與目標(biāo)項(xiàng)目并不相關(guān)，即其所尋找的是與目標(biāo)用戶的興趣組成、鑒賞水平、評分習(xí)慣完全一致或高度一致的用戶群。而我們知道沒有哪兩個(gè)用戶是完全相同的，每個(gè)獨(dú)立用戶的興趣都是多樣化的，并且興趣也是多變的，每種興趣產(chǎn)生時(shí)間及其持續(xù)時(shí)間也有不同。在這種情況下，傳統(tǒng)協(xié)同過濾推薦算法只能找出用戶持續(xù)度最強(qiáng)的興趣而忽略了用戶次要興趣和新產(chǎn)生的興趣熱點(diǎn)，并且可能產(chǎn)生推薦出用戶曾經(jīng)長時(shí)間感興趣但現(xiàn)在興趣降低或消失的項(xiàng)目。

其次，傳統(tǒng)的協(xié)同過濾算法存在數(shù)據(jù)稀疏性問題。由于資源的海量化以及興趣的多樣化，評分?jǐn)?shù)據(jù)往往是比較稀疏的，這樣會(huì)造成算法精確度的降低。例如目標(biāo)用戶A和用戶B分別各對10個(gè)項(xiàng)目進(jìn)行了評分，這其中只有2項(xiàng)相同，但在數(shù)據(jù)稀疏的情況下，B依然被選做了A的最近鄰。那么我們根據(jù)B對項(xiàng)目k的評分計(jì)算出的目標(biāo)用戶A對項(xiàng)目k的評分顯然是不準(zhǔn)確的。

本文研究的方向?yàn)槊嫦蚩蒲袑W(xué)者這一特定服務(wù)對象的圖書推薦系統(tǒng)，基于以上的分析，本文認(rèn)為針對此特定讀者群體的特征以及項(xiàng)目的分類，對I-U評分矩陣及最近鄰的選擇做出優(yōu)化就是一種簡單易行、效果也比較顯著的方法。

二、科研學(xué)術(shù)讀者對象的興趣特征

（一）興趣的長效性

科學(xué)研究不是一蹴而就的，而是一個(gè)持續(xù)的、不斷積累的過程，大部分成果都是產(chǎn)生在持續(xù)不斷的研究之上的，很多科研工作者和學(xué)者甚至用一生去追求一個(gè)真理的答案，這就決定了他們的主要興趣是具有長效性的。反映在圖書推薦系統(tǒng)數(shù)據(jù)中就表現(xiàn)為，某一類圖書的借閱記錄和評分記錄貫穿了這個(gè)讀者行為記錄的始終，不會(huì)出現(xiàn)較長期不借閱或評分此類圖書的情況。

（二）興趣的時(shí)效性

根據(jù)研究領(lǐng)域和方向的不同，甚至是研究階段的不同，研究的內(nèi)容會(huì)隨著不同的熱點(diǎn)發(fā)生轉(zhuǎn)移，一些時(shí)事性強(qiáng)的領(lǐng)域更是這樣，比如國際政治、應(yīng)用經(jīng)濟(jì)等等。也就是說在某些情況下，讀者的閱讀興趣會(huì)發(fā)生改變，一些曾經(jīng)比較關(guān)注的問題，現(xiàn)在的興趣轉(zhuǎn)淡或者消失了。反映在圖書推薦系統(tǒng)數(shù)據(jù)中就表現(xiàn)為，集中出現(xiàn)過某一類圖書的借閱以及評分記錄，但是最近一段時(shí)間內(nèi)此類圖書的出現(xiàn)率為零。

（三）興趣的偶發(fā)性

讀者除了有長時(shí)間關(guān)注的問題和短時(shí)間關(guān)注的熱點(diǎn)外，也會(huì)偶爾對獨(dú)立的一兩本書產(chǎn)生興趣，但是這種興趣是偶發(fā)性的，也許只是這一兩本書的特定部分內(nèi)容吸引了讀者，而不是讀者對書處的類發(fā)生了興趣。反映在圖書推薦系統(tǒng)數(shù)據(jù)中就表現(xiàn)為，某些類中的個(gè)別書籍時(shí)間間隔較長且不規(guī)律的出現(xiàn)在歷史記錄中，并且出現(xiàn)的頻度較低。

（四）對象選擇中遵循的專家性、權(quán)威性

盡管學(xué)歷和職稱的高低并不能代表真實(shí)水平的高低，但在大多數(shù)情況下，更高的學(xué)歷和職稱還是代表了一位學(xué)者在某些領(lǐng)域研究的時(shí)間更長，研究內(nèi)容更深入，涉及到的問題更全面。當(dāng)我們的讀者進(jìn)行研究時(shí)，通常也更傾向于借鑒專家、知名學(xué)者和權(quán)威的資料，這就是隱藏在讀者選擇閱讀對象傾向中的專家性、權(quán)威性。根據(jù)此特點(diǎn)，我們可以認(rèn)為，一個(gè)擁有更高學(xué)歷和職稱的讀者，在本專業(yè)領(lǐng)域范圍內(nèi)挑選的閱讀對象和對對象的評價(jià)數(shù)據(jù)，對其他讀者在此領(lǐng)域的研究有更重要的借鑒意義。

三、算法的改進(jìn)

根據(jù)上文對科研學(xué)者型讀者特征的分析，本文提出了改進(jìn)的協(xié)同過濾算法，以使面向科研學(xué)術(shù)對象服務(wù)的個(gè)性化圖書推薦系統(tǒng)有更高的準(zhǔn)確率和效率。算法主要分以下幾步：

（一）步驟1：對目標(biāo)用戶興趣分類

對目標(biāo)用戶的興趣進(jìn)行分類，選擇出相對長效興趣和熱點(diǎn)興趣，并屏蔽掉失效興趣和偶發(fā)興趣，計(jì)算每種興趣在整體中的權(quán)重。

首先，我們對用戶U的興趣分類，即對讀者已讀或已評分的圖書按照學(xué)科、項(xiàng)目分類，得到興趣集合P=(P1，P2，P3，…Pn)。

其次，從興趣集合中選擇出相對長效興趣和熱點(diǎn)興趣，并屏蔽掉失效興趣和偶發(fā)興趣。設(shè)對于興趣Px∈P（1≤x≤n，x為整數(shù)），有集合Iu,pxIu，其中Iu,px=(i1，i2，i3，…，in)為讀者U在興趣Px下借閱和評分對象的集合，Iu為讀者U所有借閱和評分對象的集合。Iu,px對應(yīng)的時(shí)間序列為Tu,px=(t1，t2，t3，…，tn)，tn為對象in發(fā)生的時(shí)間。設(shè)tmin為最早借閱或評分時(shí)間，tmax為最近借閱或評分時(shí)間，則該類興趣中項(xiàng)目的平均借閱間隔，其中n為項(xiàng)目總數(shù)。設(shè)tnow為收集數(shù)據(jù)的截止時(shí)間，那么對于每一種興趣Px，則有：

如果n≤2，即該興趣分類中的書只借閱過兩次以下，那么我們可以把它看做偶發(fā)性興趣，屏蔽。

如果tnow-tmax>6(month)，即從借閱一種興趣分類的圖書開始到數(shù)據(jù)截止日期，間隔在6個(gè)月以上，我們就認(rèn)為其是長效興趣。

以上皆否，則我們認(rèn)為其是新興趣或熱點(diǎn)興趣。

最后，我們計(jì)算所有長效興趣、熱點(diǎn)興趣在讀者興趣分布中的權(quán)重Y。對于長效興趣和熱點(diǎn)興趣，由于每個(gè)人的特征不同，我們無法判斷哪種類型的興趣所占比重更大，所以首先為長效興趣和熱點(diǎn)興趣各分配50%比重，再在各自的范圍內(nèi)根據(jù)項(xiàng)目占總項(xiàng)目的比重來計(jì)算單獨(dú)一個(gè)興趣分類占總類的比重，具體如下：

設(shè)YPx為興趣Px在目標(biāo)讀者U所有有效興趣中的比重，NPx為Px的項(xiàng)目集合Iu,px的總項(xiàng)目數(shù)，Nlang表示所有長效興趣分類中項(xiàng)目的總數(shù)，Nhot表示所有熱點(diǎn)興趣分類中項(xiàng)目的總數(shù)，則有：

（二）步驟2：根據(jù)不同的興趣分類，生成其他讀者的I-U評分矩陣

建立m×n維的I-U評分矩陣RPx，m為候選鄰居數(shù)，n為項(xiàng)目即圖書數(shù)，rij表示用戶i對項(xiàng)目j的評分，但這里n并不是所有的項(xiàng)目，而是興趣Px對應(yīng)的項(xiàng)目集合IPx中的項(xiàng)目，即j∈IPx，其中Ipx表示所有項(xiàng)目中對應(yīng)于興趣Px的項(xiàng)目的集合。設(shè)R為數(shù)據(jù)集中所有讀者和項(xiàng)目評分組成的矩陣，則有PPxR。大多數(shù)圖書館的讀者評分?jǐn)?shù)據(jù)都是非常稀疏的，因?yàn)樵u分是讀者的愛好和習(xí)慣，有自由的選擇權(quán)，相反圖書的借閱記錄非常全面，不管愿不愿意，只要借閱了圖書，就一定會(huì)留下借閱記錄，同時(shí)我們發(fā)現(xiàn)借閱時(shí)間能夠反映出讀者對信息需求的緊迫程度，[5]因此對于讀者評分rij的采集，我們借鑒文獻(xiàn)[5]的方法。

設(shè)讀者i在指定時(shí)間段內(nèi)借閱圖書序列為（item1，item2，…，itemj,…,itemn),其對應(yīng)的借閱時(shí)間序列為（t1，t2，…，tj，…，tn），設(shè)Tmin為統(tǒng)計(jì)時(shí)間段開始時(shí)問，Tmax為截止時(shí)間，則讀者i對圖書資源itemj的評分值計(jì)算公式如下：

對于沒有借閱記錄的項(xiàng)目rij的值為0。

（三）步驟3：計(jì)算用戶之間的相似性，獲取用戶的最近鄰

由上文的分析可知，科研學(xué)術(shù)讀者選擇對象過程中遵循隱含的專家性、權(quán)威性，因此我們在計(jì)算用戶與目標(biāo)用戶的相似性時(shí)，應(yīng)該主動(dòng)提升在本興趣領(lǐng)域內(nèi)具有較高職稱和較高學(xué)歷的用戶的相似性，本文考慮引入約束系數(shù)D來實(shí)現(xiàn)這個(gè)目標(biāo)。

考慮一般情況下科研學(xué)術(shù)讀者的角色特征，可以得到：職稱特征集L=（1,2,3,4,5），其中值1代表非Px興趣相關(guān)專業(yè)讀者，值2代表Px興趣相關(guān)專業(yè)初級職稱及以下，值3、4、5依次代表Px興趣相關(guān)專業(yè)中級、副高級和高級以上職稱；學(xué)歷特征集S=（1,2,3,4,5），其中值1代表非Px興趣相關(guān)專業(yè)讀者，值2、3、4、5依次代表Px興趣相關(guān)專業(yè)?？萍耙韵隆⒈究?、碩士、博士及以上學(xué)歷。

設(shè)目標(biāo)讀者U的職稱特征集為Lu，任意讀者i的職稱特征集為Li。我們知道對于讀者來說，角色、身份的差異帶來的對像選擇方式的影響，并不是線性的，并且當(dāng)這種差異達(dá)到一定程度的時(shí)候差異就不是很明顯，即對于初學(xué)者來說副教授和教授的資料幾乎有同等的借鑒價(jià)值，因此我們用正弦函數(shù)來考量i與U之間的差異，同時(shí)根據(jù)正弦函數(shù)的特性我們要取

顯然，有Z∈[2/3，2]，對所有的Lu，Li越大Z越小，反之亦然。而且當(dāng)Li=Lu時(shí)，Z=1，即當(dāng)讀者i與目標(biāo)讀者u一致時(shí)，約束系數(shù)為1。

表示兩個(gè)用戶i與U之間學(xué)歷的差異。

因?yàn)閆與C是同時(shí)作用于數(shù)據(jù)的，所以最終約束系數(shù)D=Z×C。

我們的目的是使具有較高角色特征的用戶和目標(biāo)用戶的相似度增加，即其共同評分項(xiàng)目值向目標(biāo)用戶靠攏，因此我們通過約束系數(shù)D對用戶的現(xiàn)有評分進(jìn)行優(yōu)化。設(shè)用戶i對項(xiàng)目j的評分為rij，目標(biāo)用戶U對項(xiàng)目j的評分為ruj，則優(yōu)化后的項(xiàng)目評分為：

由上式可見，當(dāng)i的特征高于U時(shí)，兩者之間差距縮小，相似度提升，當(dāng)i的特征低于U時(shí)，兩者之間差距加大，相似度降低。

最后，我們根據(jù)公式1和公式3得到改進(jìn)的相似性計(jì)算公式：

根據(jù)公式4我們計(jì)算出用戶與目標(biāo)用戶的相似度，按從大到小排序，取top-N，得到目標(biāo)用戶在興趣Px下的最近鄰集合。

（四）步驟4：產(chǎn)生推薦書目

根據(jù)步驟3產(chǎn)生的最近鄰集合，應(yīng)用前文的公式2，我們產(chǎn)生目標(biāo)用戶u對項(xiàng)目x的預(yù)測評分pu,x，并從大到小排列，取出top-N項(xiàng)，其中最近鄰項(xiàng)目的評分采用優(yōu)化前的原始數(shù)據(jù)。

（五）步驟5：得到最終推薦書目集合

重復(fù)步驟2到步驟4，找出所有有效興趣Px下的top-N推薦，根據(jù)步驟1計(jì)算的權(quán)重，得出最終推薦書目集合I。

其中P為有效興趣集合，YPx為興趣Px在 P中的權(quán)重，N為I的總數(shù)表示在興趣Px下的top-N推薦集合中取前YPxN項(xiàng)的集合，YPxN的值四舍五入取整。

四、總結(jié)

本文構(gòu)建了一種基于協(xié)同過濾算法的面向科研學(xué)術(shù)對象服務(wù)的個(gè)性化圖書推薦系統(tǒng)模型，并在對傳統(tǒng)協(xié)同過濾算法過程分析的基礎(chǔ)上，針對科研學(xué)術(shù)讀者這一讀者群體的特殊特征以及圖書這種對象的特征，根據(jù)讀者的興趣分類、角色特征、行為模式，對算法進(jìn)行了改進(jìn)，使其降低了數(shù)據(jù)稀疏性對系統(tǒng)的影響，并更符合科研學(xué)術(shù)讀者這一群體的閱讀選擇習(xí)慣，提高了推薦系統(tǒng)的效率。

[1]蔡浩、賈宇波、黃成偉.結(jié)合用戶信任模型的協(xié)同過濾推薦方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，（35）.

[2]李幼平、尹柱平.基于用戶行為與角色的協(xié)同過濾推薦算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，（11）.

[3]王茜、王均波.一種改進(jìn)的協(xié)同過濾推薦算法[J].計(jì)算機(jī)科學(xué)，2010，（6）.

[4]張丙奇.基于領(lǐng)域知識(shí)的個(gè)性化推薦算法研究[J].計(jì)算機(jī)工程，2005，（21）.

[5]董坤.基于協(xié)同過濾算法的高校圖書館圖書推薦系統(tǒng)研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2011，（11）.

□責(zé)任編輯：黃旭東

G251

A

1003—8744（2012）04—0116—05

2012—5—20

陰江烽（1980—），男，中共廣東省委黨校圖書館技術(shù)部副主任，主要研究方向?yàn)閳D書技術(shù)服務(wù)。