基于協(xié)同過濾的數(shù)字校園個(gè)性化推薦研究與應(yīng)用

鄭明 舒暢 黃宇健

摘 要： 互聯(lián)網(wǎng)的迅猛發(fā)展改變了人們的生活方式，數(shù)字校園發(fā)展也在悄然的發(fā)生變化。來自各個(gè)不同地區(qū)的學(xué)生個(gè)體，其文化背景、家庭經(jīng)濟(jì)狀況、喜好特點(diǎn)、學(xué)習(xí)情況差距較大，學(xué)生接受網(wǎng)絡(luò)信息的多樣化、復(fù)雜化等，都給高校數(shù)字校園的管理工作帶來了巨大的挑戰(zhàn)，同時(shí)，資源的豐富性，信息過載，使得用戶在面對大量信息時(shí)無法從中獲得對自己真正有用的那部分信息，對信息的使用效率反而降低。由此，本文將對數(shù)字化校園圖書資源進(jìn)行個(gè)性化推薦的研究，選取學(xué)生課程信息、圖書借閱信息，通過協(xié)同過濾推薦算法進(jìn)行挖掘和分析，來提高圖書資源的使用效率，避免信息過載，主動為用戶進(jìn)行選擇或直接為其提供有針對性的資源信息，為學(xué)校管理決策提供支持，為學(xué)校教育工作的改進(jìn)提供有效的依據(jù)。實(shí)驗(yàn)結(jié)果表明，該算法能有效提高校園圖書信息化服務(wù)的推薦質(zhì)量，節(jié)省用戶獲取有用資源的時(shí)間。

關(guān)鍵詞： 數(shù)字校園；協(xié)同過濾；個(gè)性化推薦

一、引言

大數(shù)據(jù)時(shí)代數(shù)字化校園如何在現(xiàn)有互聯(lián)網(wǎng)基礎(chǔ)上營造更加豐富多彩的數(shù)字化氛圍，捕獲師生更為真實(shí)的興趣需求，創(chuàng)建一個(gè)便捷的信息溝通與交流環(huán)境，便成為在新一代數(shù)字校園建設(shè)發(fā)展中，我們必需面臨和思考的問題。而高校師生這類對于信息異常敏感和關(guān)注的群體，其每天都要面對大量的各類信息，客觀上造成了所謂的“信息冗余”。

數(shù)字校園中圖書資源面臨的是數(shù)字資源呈幾何級增長，面對海量的數(shù)字資源，利用推薦技術(shù)可以更智慧、更高效的將圖書資源向用戶推薦[4]。

本文將從5個(gè)方面來對數(shù)字化校園個(gè)性化推薦進(jìn)行研究：第1節(jié)簡單介紹了數(shù)字化校園與圖書資源的相關(guān)概述，在概述中介紹了協(xié)同過濾的概念及本文的結(jié)構(gòu)安排。第2部分從數(shù)字化校園圖書資源的現(xiàn)狀出發(fā)，提出目前數(shù)字化校園中圖書資源存在的問題及解決辦法。第3部分根據(jù)提出的問題和解決策略，通過傳統(tǒng)協(xié)同過濾推薦算法的研究提出本文基于K近鄰用戶和N近鄰項(xiàng)目的有效結(jié)合的算法。第4部分通過相關(guān)數(shù)據(jù)集，采用相關(guān)相似性的計(jì)算方法得出K近鄰用戶和N近鄰項(xiàng)目有效結(jié)合的實(shí)驗(yàn)，并通過借閱量、點(diǎn)擊率的方法驗(yàn)證該方法的可行性。最后，對數(shù)字校園進(jìn)行前景展望。

二、存在的問題

高校數(shù)字化校園的目標(biāo)是實(shí)現(xiàn)高校教學(xué)、科研、管理、服務(wù)的數(shù)字化與信息化，實(shí)現(xiàn)教育資源的合理分配與利用，提高辦學(xué)質(zhì)量、辦學(xué)效益和科研水平，提高高校管理水平。我國推廣教育信息化已有多年，高校經(jīng)過多年的信息化建設(shè)，已經(jīng)建成完善的校園主干網(wǎng)絡(luò)，建設(shè)了統(tǒng)一認(rèn)證平臺、教務(wù)管理系統(tǒng)、科研管理系統(tǒng)、人事財(cái)務(wù)管理系統(tǒng)、教學(xué)資源庫、精品課程與視頻公開課、學(xué)生信息管理系統(tǒng)等涵蓋教學(xué)、科研、管理的應(yīng)用系統(tǒng)，這些信息化建設(shè)內(nèi)容在高校實(shí)際應(yīng)用中效果良好，為高校智慧校園的建設(shè)創(chuàng)造了很好的基礎(chǔ)。[2]但高校這些應(yīng)用系統(tǒng)的建設(shè)與多年的應(yīng)用，積累了大量的數(shù)據(jù)，導(dǎo)致用戶無法從中獲得對自己真正有用的那部分信息，信息過載和信息決策迷航現(xiàn)象。其次，對于師生個(gè)體而言，他們之間的需求在一定程度上并不具有普遍性，比如興趣愛好、地理位置、閱讀習(xí)慣、學(xué)習(xí)特點(diǎn)等。雖然國內(nèi)對于推薦系統(tǒng)研究已經(jīng)應(yīng)用于教育領(lǐng)域中，但數(shù)量比較少，且并未具體結(jié)合師生真實(shí)的應(yīng)用數(shù)據(jù)進(jìn)行深度數(shù)據(jù)挖掘、興趣預(yù)測并形成推薦。因此，個(gè)性化推薦是解決信息過載的有效途徑之一，它特點(diǎn)用戶地域分布，學(xué)習(xí)特點(diǎn)及興趣偏好提供推薦信息，從而幫助用戶進(jìn)行，引導(dǎo)用戶，減少用戶時(shí)間和精力的投入，提高決策效率。為學(xué)校師生提供更好的數(shù)據(jù)服務(wù)，建立基于圖書資源的個(gè)性化推薦，解決信息過載，節(jié)省資源獲取時(shí)間成為本文要解決的問題。

個(gè)性化推薦中，傳統(tǒng)的協(xié)同過濾的算法核心是分析用戶興趣，在群體中找到與指定用戶的相似（興趣）物品，綜合這些相似用戶對某一信息的評價(jià)，形成系統(tǒng)對該指定資源對此信息的喜好程度預(yù)測。近年來協(xié)同過濾的算法在國內(nèi)外得到了廣泛研究。但應(yīng)用于數(shù)字校園較少。因此，研究協(xié)同過濾推薦算法應(yīng)用于數(shù)字化校園圖書資源是有必要的。

因此，本文正是利用數(shù)字校園里的課程、圖書借閱數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，推測用戶的潛在興趣和愛好，構(gòu)建協(xié)同過濾推薦算法，從而篩選和過濾出有用的圖書資源信息，展現(xiàn)用戶最關(guān)注和最感興趣的個(gè)性化信息。

三、相關(guān)工作

3.1研究開發(fā)目標(biāo)

本文研究的目的是為了建立基于圖書資源的個(gè)性化推薦，解決數(shù)字化校園中圖書資源的信息過載、個(gè)性化匱乏等問題，基于圖書資源的個(gè)性化推薦將主要對數(shù)字校園里用戶的課程、圖書資源數(shù)據(jù)進(jìn)行研究，推測用戶的潛在興趣和愛好，并構(gòu)建協(xié)同過濾推薦引擎，為用戶展現(xiàn)其最關(guān)注和最感興趣的個(gè)性化圖書資源信息。所以，首要目標(biāo)是獲取高校各個(gè)業(yè)務(wù)應(yīng)用系統(tǒng)中的用戶業(yè)務(wù)數(shù)據(jù)，并根據(jù)用戶的屬性及行為數(shù)據(jù)進(jìn)行興趣建模，準(zhǔn)確理解用戶當(dāng)前情境下的需求，然后基于此設(shè)計(jì)高效的推薦算法，通過推薦系統(tǒng)接口，提供個(gè)性化推薦服務(wù)，從而能夠更加有針對性的服務(wù)于各類用戶。

3.2協(xié)同過濾概念及推薦算法

本文通過用戶課程、圖書借閱情況建立興趣模型，調(diào)用相應(yīng)的算法分析用戶的興趣度，進(jìn)行個(gè)性化推薦。該模型的構(gòu)建其實(shí)質(zhì)是用戶-物品興趣矩陣的形成過程。該項(xiàng)興趣矩陣可以通過相關(guān)相識度算法進(jìn)行分析，從而達(dá)到個(gè)性化推薦的目的。而推薦算法中使用最廣的為協(xié)同過濾推薦系統(tǒng)和矩陣分解推薦系統(tǒng)。

本文中的協(xié)同過濾推薦系統(tǒng)，首先是根據(jù)特征進(jìn)行相似性匹配運(yùn)算，選擇K個(gè)相似性最高的用戶作為目標(biāo)用戶的近鄰，根據(jù)K個(gè)近鄰用戶偏好，預(yù)測目標(biāo)用戶未選擇或訪問的項(xiàng)目。選擇N個(gè)興趣度最高的項(xiàng)目通過權(quán)重篩選相應(yīng)類型作為推薦結(jié)果展示給用戶。而度量相似性的方法有很多，常見的有cosine相識度，Jaccard相似度，歐式距離，Pearson相似度等。本文根據(jù)圖書借閱及課程選擇數(shù)據(jù)集的特點(diǎn)，選擇余弦相似度，通過協(xié)同過濾來描述用戶興趣模型，并對局部進(jìn)行修正。

3.3推薦流程

推薦流程包括以下幾部分，如下圖3.3.1用戶興趣模型的創(chuàng)建過程。

1.篩選數(shù)據(jù)集。通過從服務(wù)器獲取用戶課程數(shù)據(jù)、圖書借閱相關(guān)數(shù)據(jù)集。篩選出課程、借閱書籍名稱、學(xué)號、選修標(biāo)識等必要的數(shù)據(jù)集。將數(shù)據(jù)集進(jìn)行必要的清洗，將標(biāo)稱型數(shù)據(jù)處理為啞變量。同時(shí)，統(tǒng)計(jì)圖書借閱類型次數(shù)，作為最終推薦時(shí)的權(quán)值。如用戶A，借閱了4本書，瘋狂英語、口語500句、體育與健康、心里健康，根據(jù)書籍的類型分類，其2本為英語類，1本為體育類，1本為綜合類，故相應(yīng)的權(quán)重w1=2，w3=1，w10=1，其他類型未選擇的，則w2...w4為0。構(gòu)建的矩陣如上表3.3.1形式?？紤]某些用戶沒有借閱信息或者借閱書籍較少的情況，課程表的數(shù)據(jù)將作為解決冷啟動辦法。

2.建立用戶-項(xiàng)目矩陣。通過處理好的特征進(jìn)行余弦相似性匹配運(yùn)算，獲得每個(gè)用戶與其他用戶的相識度。形成相似度矩陣User—Similarity[U][N]。

3.尋找K近鄰。通過其相識度最小的K個(gè)做為相似性最高的用戶作為目標(biāo)用戶的近鄰用戶。

4.獲取N近鄰項(xiàng)。根據(jù)K各近鄰用戶的偏好，只篩選圖書特征作為候選項(xiàng)，來預(yù)測目標(biāo)用戶未選擇或未訪問的N個(gè)興趣度最高的項(xiàng)目。

5.獲取最終推薦項(xiàng)。通過選擇的N個(gè)興趣度最高的項(xiàng)目，通過權(quán)重w1....wn給予相應(yīng)類型的排名，從而作為推薦結(jié)果展示給用戶。

3.3.1用戶興趣模型的創(chuàng)建過程

四、實(shí)驗(yàn)結(jié)果及分析

本文采用的實(shí)驗(yàn)平臺為 PC（Intel（R），CPU 2.93GHz，RAM 4 GB）和Windows 7 操作系統(tǒng)，開發(fā)工具使用 Python2.7，Spyder 和 Oracle，算法使用 Python語言編寫。

4.1.數(shù)據(jù)集

為了驗(yàn)證本文所提及方法在數(shù)字校園環(huán)境下的有效性和可行性，本系統(tǒng)主要使用圖書借閱、課程數(shù)據(jù)集，故主要對用戶的借閱書籍信息進(jìn)行數(shù)據(jù)挖掘。由于用戶的借閱書刊信息與用戶所學(xué)的專業(yè)有很大的聯(lián)系，在本系統(tǒng)中還需要對讀者的專業(yè)加以考慮，因此需要從圖書館系統(tǒng)的數(shù)據(jù)庫中提取讀者專業(yè)屬性數(shù)據(jù)和書刊借閱數(shù)據(jù)。本文數(shù)據(jù)源來自某高校圖書館集群管理系統(tǒng)數(shù)據(jù)庫文件，取2014年1月至2015年1月的借閱數(shù)據(jù)，共計(jì)106238條。選取的數(shù)據(jù)集包括用戶編號、讀者院系、讀者借閱證號、記錄號、讀者借閱證號、索書號、書名、分類號、作者和出版社、選課時(shí)間，選課課程，課程類型。讀者信息表因?yàn)橛兴饺诵畔]有列出。該數(shù)據(jù)中的部分?jǐn)?shù)據(jù)樣本如下表所示。

圖4.1部分?jǐn)?shù)據(jù)樣本

為了達(dá)到實(shí)驗(yàn)的可操作性，必須將數(shù)據(jù)集進(jìn)行清洗，篩選出適合推薦算法。

首先，將書籍名、學(xué)院、課程標(biāo)稱型數(shù)據(jù)轉(zhuǎn)換為啞變量，如將每門課程當(dāng)做一個(gè)特征，用戶選了該門課程，則記錄數(shù)據(jù)為1，否則為0。同時(shí)根據(jù)《中國圖書館分類法》將分類號轉(zhuǎn)換為哲學(xué)、軍事、經(jīng)濟(jì)、文化、教育等22種類型，再將用戶歷史借閱書籍通過該類進(jìn)行統(tǒng)計(jì)次數(shù)，作為推薦結(jié)果的排名權(quán)重。同時(shí)，對于課程需要清洗含（上）、（下），（一）等后綴標(biāo)記，讓相同課程盡量歸為同一類。如網(wǎng)球（一），網(wǎng)球（二）都屬于網(wǎng)球。經(jīng)過上述一系列預(yù)處理后，最終用于實(shí)驗(yàn)的數(shù)據(jù)格式如下表。

圖4.2部分處理后數(shù)據(jù)樣本

4.2實(shí)驗(yàn)結(jié)果分析

基于協(xié)同過濾推薦算法，通過計(jì)算用戶與用戶之間的相識度，來進(jìn)行偏好預(yù)測。截選部分推薦結(jié)果如表1。其中，學(xué)院類型、專業(yè)課不作為推薦結(jié)果，只作為訓(xùn)練特征，推薦參考理由。通過協(xié)同過濾算法推薦結(jié)果，用戶3產(chǎn)生了4個(gè)偏好最高的候選項(xiàng)；通過歷史借閱書籍對應(yīng)的類型可知，藝術(shù)類權(quán)重最高。因此，將項(xiàng)目3和項(xiàng)目4排列在項(xiàng)目1之前優(yōu)先推薦給用戶3。

表1算法生成結(jié)果部分?jǐn)?shù)據(jù)

通過隨機(jī)篩選1000個(gè)用戶的借閱情況及點(diǎn)擊信息分析，如下圖1可知，推薦前，未借閱人數(shù)較多，書籍借閱總數(shù)較少，推薦后未借閱人數(shù)明顯增加，借閱1-3本人數(shù)明顯增加。圖2可知，未推薦前瀏覽基本處于2500水平，通過推薦后，用戶點(diǎn)擊數(shù)明顯上升，協(xié)同過濾推薦算法比傳統(tǒng)不進(jìn)行推薦其圖書借閱有明顯提高，從而表明在數(shù)字校園個(gè)性化服務(wù)領(lǐng)域的有效性和可行性。因此，可以在數(shù)字校園中使用協(xié)同過濾算法進(jìn)行推薦來節(jié)省用戶檢索資源的時(shí)間，提升個(gè)性化服務(wù)質(zhì)量。

圖1 沒有推薦前與推薦后的借閱本書對比 圖2 沒有推薦前與推薦后的點(diǎn)擊瀏覽對比

五、前景展望

數(shù)字化校園建設(shè)是一個(gè)長期的、系統(tǒng)性工程，涉及學(xué)校的每個(gè)職能部門，一個(gè)成功的數(shù)字化校園可以推動學(xué)校管理體制和思想觀念的轉(zhuǎn)變，大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、移動互聯(lián)技術(shù)的發(fā)展為高校數(shù)字化校園個(gè)性化建設(shè)提供了技術(shù)基礎(chǔ)。在海量數(shù)據(jù)中，挖掘、分析出大數(shù)據(jù)背后隱藏的有價(jià)值信息，可以更好地提高數(shù)據(jù)管理質(zhì)量，提高學(xué)校各職能部門的工作效率，為學(xué)校領(lǐng)導(dǎo)層的決策提供科學(xué)依據(jù)，在教學(xué)、管理、校園安全等方面提供有益的幫助，同時(shí)對實(shí)現(xiàn)高校教育信息化可持續(xù)發(fā)展有著重要的推動意義，未來的校園將是智慧校園，會更加完善，更具“智慧”。

參考文獻(xiàn)

[1]劉敏斯，陳少波.大數(shù)據(jù)時(shí)代高校智慧校園建設(shè)研究.2015（08）.

[2]張維國.大數(shù)據(jù)時(shí)代數(shù)字化校園建設(shè)的研究.2015（09）.

[3]高瀅，齊紅，劉亞波，劉大有.基于用戶等級的協(xié)同過濾推薦算法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2008，46（3）： 489～493.

[4]林敏.基于云計(jì)算的協(xié)同過濾推薦算法在智慧圖書館中的應(yīng)用.2013.