融合人口統(tǒng)計(jì)屬性的藥品推薦算法

周錫玲，張莉敏，田小路，宋強(qiáng)

（廣東理工學(xué)院，廣東肇慶，526100）

0 引言

基于協(xié)同過濾的推薦是個性化推薦系統(tǒng)中使用最廣的技術(shù)之一[1]。但協(xié)同過濾算法存在數(shù)據(jù)稀疏性問題。在某種程度上，用戶的人口統(tǒng)計(jì)屬性(年齡，收入等)揭示了用戶的喜好。國內(nèi)外很多學(xué)者將用戶的人口統(tǒng)計(jì)信息與協(xié)同過濾進(jìn)行融合來改善系統(tǒng)的推薦質(zhì)量。文獻(xiàn)[2]提出一種挖掘用戶隱含的人口統(tǒng)計(jì)信息的方法。該方法能夠更準(zhǔn)確的為用戶產(chǎn)生推薦。文獻(xiàn)[3]提出一種基于用戶人口統(tǒng)計(jì)與專家信任的協(xié)同過濾算法。實(shí)驗(yàn)表明該方法改善了協(xié)同過濾算法的預(yù)測準(zhǔn)確率。文獻(xiàn)[4]提出一種融合人口統(tǒng)計(jì)屬性的協(xié)同過濾算法，該方法能夠有效提高推薦精度。文獻(xiàn)[5]提出一種混合推薦技術(shù)的推薦模型，該方法解決了數(shù)據(jù)稀疏問題，且提高了系統(tǒng)的推薦質(zhì)量。

1 融合人口統(tǒng)計(jì)屬性的藥品推薦算法

1.1 藥品聚類

根據(jù)停用詞表去掉藥品描述中的停用詞將剩下的詞匯當(dāng)作特征詞。采用向量空間模型(VSM)將藥品映射為多維空間向量。利用K-means算法對藥品進(jìn)行聚類。根據(jù)用戶的疾病癥狀找到它所屬的聚類，從該類中篩選出符合其病情的藥品，然后查找出評價過這些藥品的所有用戶，形成用戶-藥品評分矩陣。

1.2 用戶相似度計(jì)算模型

(1)用戶評分相似度計(jì)算

本文采用修正的余弦相似性來計(jì)算用戶之間的評分相似度。用戶a跟用戶b的評分相似度 s im _ r(a,b)計(jì)算公式如(1)所示：

其中，i表示用戶a跟用戶b的共同評分藥品，I(a)和I(b)分別表示用戶a與用戶b的評分藥品集，Ra,i和 Rb,i分別表示用戶a和用戶b對藥品i的評分，和分別表示用戶a和用戶b對所有藥品的平均評分。

(2)人口屬性相似度計(jì)算

不同年齡段的人使用同種藥品得到的療效有所不同，因此不同年齡段的人對于同種藥品給出的評分也不同。本文將年齡分為7個年齡段：18歲以下、18-24歲、25-34歲、35-44歲、45-54歲、55-65歲和65歲以上。因此，年齡屬性的向量形式表示為 ( n1,n2, … ,n7)。用戶a與用戶b的人口統(tǒng)計(jì)屬性相似度 s im _ a(a,b)計(jì)算公式如(2)所示：

(3)用戶相似度計(jì)算

本文將評分相似度跟人口屬性相似度進(jìn)行加權(quán)線性融合得到用戶相似度，用戶相似度 s im(a,b)的計(jì)算公式如(3)所示：

將用戶相似度按降序排列，采用KNN算法選出排在最前面的K個用戶作為目標(biāo)用戶a的相似鄰居集 ()Sa。

1.3 預(yù)測評分

根據(jù) ()Sa中用戶的評分，目標(biāo)用戶a在藥品 j上的預(yù)測評分計(jì)算公式如(4)所示：

其中，Ra和Rk分別表示目標(biāo)用戶a和用戶k的平均評分，Rk,j表示用戶k對藥品 j的評分。選取目標(biāo)用戶未評分的且預(yù)測評分排在最前的N個藥品推薦給目標(biāo)用戶。

2 實(shí)驗(yàn)結(jié)果及分析

2.1 數(shù)據(jù)集

本文采用的數(shù)據(jù)集是從http://www.datatang.com/data/46261上下載。選取580個用戶對615種藥品的21000次評分。實(shí)驗(yàn)中，隨機(jī)選取20%當(dāng)作測試集，剩下的當(dāng)作訓(xùn)練集。

2.2 評價指標(biāo)

采用MAE來評價本文算法的有效性。其計(jì)算公式如(5)所示：

其中n為測試數(shù)據(jù)的數(shù)量，ip為算法的預(yù)測評分，ir為實(shí)際評分。顯然，MAE值越小，推薦質(zhì)量越好。

2.3 實(shí)驗(yàn)結(jié)果分析

(1)α的選取

表1 α對MAE的影響

由表1中數(shù)據(jù)可知，當(dāng) 的值從0.1增大到0.3時，MAE的值隨著α值的增大而減小，且當(dāng)α=0.3時，MAE值最小，M AE= 0 .3940，由此可以說明在計(jì)算用戶相似度時將用戶評分相似度與人口屬性相似度進(jìn)行融合，可以提高推薦系統(tǒng)的推薦質(zhì)量。當(dāng)α從0.4增加到1.0時，MAE值隨著α的增大而不斷增大。由分析可知，當(dāng)α=0.3時，MAE值最小，推薦質(zhì)量最好。

(2)推薦效果比較

為評價本文提出算法的有效性，將本文算法與傳統(tǒng)基于用戶的協(xié)同過濾推薦算法(User-based CF)、采用人口統(tǒng)計(jì)屬性來計(jì)算相似度的協(xié)同過濾推薦算法(DAS-based CF)進(jìn)行比較。比較結(jié)果如表2所示。

表2 MAE值比較

由表2數(shù)據(jù)可知，三種算法的MAE值隨著鄰居個數(shù)的增加而趨于穩(wěn)定，但本文算法的MAE值明顯比其它兩種算法的MAE值低，說明本文在計(jì)算用戶相似度時將用戶評分相似度與用戶人口統(tǒng)計(jì)屬性相似度進(jìn)行融合有效地改善了算法的推薦質(zhì)量。

3 結(jié)束語

傳統(tǒng)協(xié)同過濾僅根據(jù)用戶-藥品評分矩陣來計(jì)算用戶相似度，由于評分矩陣稀疏，用戶相似度計(jì)算不準(zhǔn)確使得目標(biāo)用戶的相似鄰居集合選取不準(zhǔn)確，從而導(dǎo)致推薦質(zhì)量低，因此本文提出融合人口統(tǒng)計(jì)屬性的藥品推薦算法。該方法將藥品描述中的詞匯去掉停用詞后將所有詞匯作為特征詞，采用VSM將藥品映射為多維空間向量。為了降低時間復(fù)雜度，離線使用k-means算法進(jìn)行藥品聚類。根據(jù)目標(biāo)用戶的疾病癥狀找到其所屬的聚類，從該類中篩選出符合其病情的藥品，然后查找出對這些藥品進(jìn)行過評分的所有用戶形成用戶-藥品評分矩陣。在用戶評分相似度的基礎(chǔ)上，引入了人口屬性相似度，將用戶評分相似度跟屬性相似度進(jìn)行加權(quán)線性融合來得到用戶相似度，將用戶相似度按降序排列，采用KNN算法選出排在最前面的K個用戶作為目標(biāo)用戶a的相似鄰居集。仿真結(jié)果表明，跟傳統(tǒng)協(xié)同過濾推薦算法相比，本文提出算法在推薦精度上有顯著的提高。