標(biāo)簽在推薦系統(tǒng)中的應(yīng)用

丁賽

摘 要： 隨著大數(shù)據(jù)時(shí)代的到來(lái)，收集信息不再是主要問(wèn)題，如何根據(jù)信息更及時(shí)地作出更好的決策才是關(guān)鍵的問(wèn)題。個(gè)性化推薦系統(tǒng)為這一問(wèn)題的解決提供了重要方向。本文主要分析標(biāo)簽在推薦系統(tǒng)中的應(yīng)用并指出其優(yōu)勢(shì)和在應(yīng)用中所遇到的困難及如何得到更合理的推薦結(jié)果。

關(guān)鍵詞：推薦系統(tǒng) 標(biāo)簽 用戶

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9082（2016）11-0014-01

一、標(biāo)簽概述

推薦系統(tǒng)的目的是為用戶過(guò)濾龐雜繁雜的信息，找到符合其喜好的資源。標(biāo)簽是從資源的內(nèi)容中提取的、對(duì)資源進(jìn)行概括總結(jié)的關(guān)鍵詞，相較于資源本身，信息量增加，體量減少，減少了用戶的負(fù)擔(dān)。利用標(biāo)簽?zāi)軌蛟诤艽蟪潭壬蠝p輕推薦系統(tǒng)的工作量，提高其準(zhǔn)確度。

二、標(biāo)簽在推薦系統(tǒng)中的應(yīng)用

1.標(biāo)簽獲取和應(yīng)用

1.1專家標(biāo)注法

很多推薦系統(tǒng)在建立時(shí)，既沒(méi)有用戶的行為數(shù)據(jù)，也沒(méi)有充足的物品內(nèi)容信息來(lái)計(jì)算準(zhǔn)確的物品相似度。為了在初期提升用戶體驗(yàn)，很多系統(tǒng)都利用專家進(jìn)行標(biāo)注。這方面的代表是個(gè)性化網(wǎng)絡(luò)電臺(tái) Pandora。雇用一批專家對(duì)資源進(jìn)行標(biāo)注，可以將資源用多種向量表示，然后通過(guò)常見(jiàn)的向量相似度算法計(jì)算出其相似度。采用專家標(biāo)注法的優(yōu)點(diǎn)是可以有一組受到廣泛接受的標(biāo)簽庫(kù)以供選擇。但是需要大量的人力操作，耗時(shí)多且成本高。

1.2大眾分類法

利用用戶產(chǎn)生內(nèi)容的方法，讓普通用戶自由標(biāo)注，如Last.fm 音樂(lè)電臺(tái)，豆瓣等。面對(duì)數(shù)量眾多且難以進(jìn)行分析的大量資源，這些網(wǎng)站允許用戶對(duì)資源進(jìn)行隨意標(biāo)注，獲得資源的相關(guān)信息。然后分析用戶的標(biāo)注行為，提取用戶關(guān)系網(wǎng)絡(luò)，從關(guān)系網(wǎng)絡(luò)中分析凝聚子群，進(jìn)行個(gè)性化信息推薦模型的研究。將標(biāo)簽作為用戶和資源聯(lián)系的中間節(jié)點(diǎn)，建立用戶-標(biāo)簽-資源之間的三維關(guān)系圖，計(jì)算其關(guān)聯(lián)度，從而預(yù)測(cè)用戶對(duì)于新資源的興趣度，最終產(chǎn)生推薦結(jié)果。

1.3內(nèi)容分析法

對(duì)于具體的物品，可從物品本身利用數(shù)據(jù)挖掘技術(shù)自動(dòng)提取其特征作為標(biāo)簽。如對(duì)于一個(gè)新文本來(lái)說(shuō)，首先將其與已有文本對(duì)比計(jì)算相似度，然后根據(jù)相似度選取已有文本的標(biāo)簽作為新文本的標(biāo)簽。

2.應(yīng)用中的優(yōu)勢(shì)

2.1形式簡(jiǎn)單，易于處理

標(biāo)簽是對(duì)物品特征屬性的簡(jiǎn)要描述，過(guò)濾其不重要信息或者用戶不關(guān)注的信息，在某種程度上降低了信息過(guò)載現(xiàn)象。標(biāo)簽將網(wǎng)頁(yè)、圖片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)資源轉(zhuǎn)化為更加容易處理的文本，將文本內(nèi)容進(jìn)行壓縮等，方便處理。

2.2易于獲得

通過(guò)內(nèi)容分析法能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行自動(dòng)化處理，減少人工負(fù)擔(dān)，同時(shí)避免了因新資源加入產(chǎn)生的冷啟動(dòng)問(wèn)題。通過(guò)大眾分類法運(yùn)用大量用戶的群體智慧來(lái)標(biāo)注物品，相較于跟蹤用戶的歷史行為和收集用戶個(gè)人注冊(cè)信息，降低了系統(tǒng)負(fù)擔(dān)而且更具合理性，不會(huì)侵犯用戶的隱私。

2.3提高了推薦結(jié)果的多樣性

標(biāo)簽具有可重復(fù)性和廣泛代表性。用戶在短時(shí)間內(nèi)不會(huì)重復(fù)購(gòu)買同一種商品，但是對(duì)于標(biāo)簽，用戶都有自己的喜好和使用習(xí)慣，會(huì)為不同資源使用同一個(gè)標(biāo)簽。一個(gè)標(biāo)簽可以廣泛用于許多物品，可以跨越不同領(lǐng)域。所以用戶選擇了某一標(biāo)簽，可以將推薦結(jié)果推廣到各個(gè)領(lǐng)域。

2.4利用標(biāo)簽做推薦解釋，更容易獲得用戶信任

對(duì)于目前的大量推薦算法，用戶沒(méi)有了解的需求和不愿意浪費(fèi)時(shí)間去了解，用戶也就難以真正信任個(gè)性化推薦系統(tǒng)所做的推薦。用戶所需要的是直觀的感受。用戶喜歡明星，相信明星，于是就相信其代言的公司和產(chǎn)品。將這一點(diǎn)運(yùn)用到推薦當(dāng)中來(lái)，一個(gè)很重要的橋梁就是人。例如在大眾分類法中，標(biāo)簽來(lái)源于用戶本身及其他用戶對(duì)于該用戶共同興趣的物品所做的標(biāo)注，容易得到用戶認(rèn)可。

3.應(yīng)用中的困難

3.1歧義、多義性

在大眾分類法中，用戶標(biāo)注目的主要有以下三點(diǎn)：一是對(duì)資源進(jìn)行分類，方便將來(lái)的查找；二是表達(dá)對(duì)資源的看法。這是在目前較為流行的方式，用戶樂(lè)意在通過(guò)社交網(wǎng)絡(luò)中將自己的想法分享。三是生產(chǎn)者介紹產(chǎn)品，方便讓市場(chǎng)中的潛在購(gòu)買者了解。在這三點(diǎn)的驅(qū)動(dòng)之下，標(biāo)簽被大量創(chuàng)造，而標(biāo)簽的歧義和多義性正是由于三者目的的差別，個(gè)人的知識(shí)層次和所處環(huán)境的差別所造成的。從客觀上來(lái)說(shuō)，文字語(yǔ)言具有一詞多義，多詞一義的特點(diǎn)，也是大眾分類法難以避免的困境。如果標(biāo)簽得不到合理處理，那么基于標(biāo)簽的推薦系統(tǒng)必然也是低效的。

3.2分布稀疏

在大眾分類法和專家標(biāo)注法中，對(duì)于新加入的資源，標(biāo)簽數(shù)量比較少，會(huì)出現(xiàn)冷啟動(dòng)問(wèn)題，難以準(zhǔn)確描述資源。而且讓用戶自行輸入標(biāo)簽無(wú)疑會(huì)增加用戶標(biāo)注的負(fù)擔(dān)，如果用戶本身沒(méi)有標(biāo)注的習(xí)慣和動(dòng)力，就很有可能不參與標(biāo)注。對(duì)于標(biāo)簽本身來(lái)說(shuō)，近義詞的存在也讓標(biāo)簽分布分散。

3.3標(biāo)簽噪聲

標(biāo)簽的質(zhì)量直接影響到推薦系統(tǒng)的性能和推薦結(jié)果的準(zhǔn)確性。利用內(nèi)容分析法產(chǎn)生的標(biāo)簽較為集中，分辨度不高。一個(gè)文本對(duì)應(yīng)的標(biāo)簽數(shù)可能比較多，一個(gè)標(biāo)簽對(duì)應(yīng)的資源可能非常多。而大眾分類法也難以避免一些用戶出于各種目的故意打出與事實(shí)不符的標(biāo)簽。例如：為提升好評(píng)和銷量，淘寶商家雇傭個(gè)人刷單，在評(píng)價(jià)環(huán)節(jié)利用好評(píng)返現(xiàn)等手段誘導(dǎo)消費(fèi)者給出商家所想要的評(píng)語(yǔ)，而淘寶系統(tǒng)根據(jù)客戶的評(píng)價(jià)形成相應(yīng)標(biāo)簽，從而使標(biāo)簽失去應(yīng)用的作用。

對(duì)于以上問(wèn)題，推薦標(biāo)簽和混合使用以上三種產(chǎn)生標(biāo)簽的方法是目前應(yīng)用比較廣泛的解決方法。推薦標(biāo)簽包括向用戶推薦其他用戶在相同類型的資源上使用的標(biāo)簽和用戶在其他資源中使用過(guò)的標(biāo)簽。推薦標(biāo)簽可以通過(guò)選取某一個(gè)詞語(yǔ)代替意思相近的幾個(gè)詞語(yǔ)，減少標(biāo)簽分散程度，提高標(biāo)簽質(zhì)量。同時(shí)推薦標(biāo)簽降低了用戶的負(fù)擔(dān)，用戶不用花費(fèi)時(shí)間去思考應(yīng)該用哪個(gè)詞語(yǔ)來(lái)標(biāo)注，只是在有限的幾個(gè)詞語(yǔ)中做選擇，用鼠標(biāo)的幾個(gè)點(diǎn)擊代替在鍵盤上的輸入，增加了資源被標(biāo)注的機(jī)會(huì)。而混合使用以上三種方法，主要是發(fā)揮各自的優(yōu)勢(shì)，避免一些問(wèn)題的出現(xiàn)。例如，在新資源加入后，相應(yīng)標(biāo)簽較少，可以采用內(nèi)容分析法將與之最相似的資源標(biāo)簽作為標(biāo)簽來(lái)解決冷啟動(dòng)問(wèn)題，然后采用大眾分類法，利用群體智慧來(lái)進(jìn)一步準(zhǔn)確描述資源。

參考文獻(xiàn)

[1]項(xiàng)亮.推薦系統(tǒng)實(shí)踐[M].人民郵電出版社.2012：

[2]孔祥迎.基于社會(huì)化標(biāo)簽的個(gè)性化推薦技術(shù)研究[D].西安：電子科技大學(xué).2013.

[3]任磊.推薦系統(tǒng)關(guān)鍵技術(shù)研究[D].上海：華東師范大學(xué).2012.

[4]張海燕，孟祥武.基于社會(huì)標(biāo)簽的推薦系統(tǒng)研究[J]..情報(bào)理論與實(shí)踐，2012，35（5）：105.

[5]蔡強(qiáng)，韓東梅，李海生，胡耀光，陳誼.基于標(biāo)簽和協(xié)同過(guò)濾的個(gè)性化資源推薦[J].計(jì)算機(jī)科學(xué)，2014，41（1）：69.