基于詞向量的圖書(shū)館圖書(shū)推薦模式研究

楊志明

摘要：個(gè)性化推薦算法中，傳統(tǒng)的協(xié)同過(guò)濾算法通常存在數(shù)據(jù)稀疏和計(jì)算復(fù)雜的問(wèn)題，造成實(shí)際推薦效果不夠理想。據(jù)此，針對(duì)圖書(shū)館圖書(shū)推薦問(wèn)題，提出了基于詞向量的圖書(shū)推薦算法，實(shí)驗(yàn)中通過(guò)和傳統(tǒng)的協(xié)同過(guò)濾算法對(duì)比，基于詞向量的方法不管是在計(jì)算圖書(shū)相似性還是實(shí)際推薦效果均顯著提升。

關(guān)鍵詞：圖書(shū)館;推薦系統(tǒng);詞向量;word2vec;協(xié)同過(guò)濾

中圖分類號(hào)：TB文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2019.04.093

1引言

個(gè)性化推薦中，基于內(nèi)容的推薦算法、基于協(xié)同過(guò)濾的推薦算法和混合推薦算法方法最為常用。而在數(shù)字圖書(shū)館圖書(shū)推薦中，基于協(xié)同過(guò)濾和關(guān)聯(lián)規(guī)則的推薦算法是最為常用推薦算法。但是由于大多數(shù)高校圖書(shū)館沒(méi)有讀者對(duì)圖書(shū)的評(píng)分信息，導(dǎo)致傳統(tǒng)的協(xié)同過(guò)濾算法面對(duì)數(shù)據(jù)稀疏和計(jì)算復(fù)雜的問(wèn)題。而基于關(guān)聯(lián)規(guī)則的推薦算法則存在關(guān)聯(lián)規(guī)則不容易發(fā)現(xiàn)的問(wèn)題，最終導(dǎo)致兩種算法在實(shí)際的推薦中效果均不理想。因此本文提出基于詞向量的方法計(jì)算學(xué)生與圖書(shū)的相似度從而幫助優(yōu)化推薦系統(tǒng)的推薦結(jié)果。

2傳統(tǒng)協(xié)同過(guò)濾算法

傳統(tǒng)的協(xié)同過(guò)濾算法通過(guò)對(duì)學(xué)生借閱記錄的挖掘發(fā)現(xiàn)學(xué)生借書(shū)的偏好，基于不同的偏好按照相似性對(duì)學(xué)生或者圖書(shū)進(jìn)行劃分從而推薦相似的圖書(shū)。協(xié)同過(guò)濾算法又可分為基于鄰居的協(xié)同過(guò)濾算法和基于模型的協(xié)同過(guò)濾算法，基于鄰居的協(xié)同過(guò)濾又分為兩類，分別是基于用戶的協(xié)同過(guò)濾算法，和基于物品的協(xié)同過(guò)濾算法。

基于用戶的協(xié)同過(guò)濾，通過(guò)挖掘?qū)W生借閱記錄，來(lái)度量學(xué)生之間的相似性，找到“鄰居”，基于學(xué)生之間的相似性做出推薦圖書(shū)?；谖锲返膮f(xié)同過(guò)濾的原理和基于用戶的協(xié)同過(guò)濾類似，只是在計(jì)算鄰居時(shí)采用物品本身，不是從用戶的角度，即根據(jù)借閱記錄找到相似的圖書(shū)，然后根據(jù)學(xué)生的歷史偏好，給該學(xué)生推薦相似的圖書(shū)。在數(shù)字圖書(shū)館圖書(shū)推薦中，由于用戶特征數(shù)據(jù)、行為數(shù)據(jù)的缺失，導(dǎo)致傳統(tǒng)的協(xié)同過(guò)濾算法面臨數(shù)據(jù)稀疏等問(wèn)題，最終導(dǎo)致推薦效果不理想。本文提出基于word2vec的方法計(jì)算學(xué)生與圖書(shū)特的相似度從而幫助優(yōu)化推薦系統(tǒng)的推薦結(jié)果的方法。

3詞向量和Skip-gram模型

word2vec是 Google 的Mikolov 等人提出的一種分布式詞向量模型，包括 Skip-gram 和 CBOW，模型結(jié)構(gòu)如圖1所示。

4.2實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析

4.2.1實(shí)驗(yàn)過(guò)程

傳統(tǒng)的協(xié)同過(guò)濾算法依賴的讀者圖書(shū)評(píng)分?jǐn)?shù)據(jù)，高校圖書(shū)館后臺(tái)管理系統(tǒng)中并不存儲(chǔ)產(chǎn)生讀者對(duì)圖書(shū)的評(píng)分?jǐn)?shù)據(jù)，而生成讀者圖書(shū)評(píng)分?jǐn)?shù)據(jù)可根據(jù)本文所采用的數(shù)據(jù)集中讀者借閱信息表來(lái)生成，采用目標(biāo)讀者對(duì)目標(biāo)圖書(shū)的總借閱天數(shù)來(lái)代表讀者對(duì)該圖書(shū)的評(píng)分，其中0在矩陣中表示讀者未借閱過(guò)該圖書(shū)，并且對(duì)評(píng)分進(jìn)行歸一化處理。

為了評(píng)估詞向量方法在計(jì)算圖書(shū)相似性的有效性，本章采取計(jì)算目標(biāo)圖書(shū)A與其緊鄰的K本圖書(shū)在圖書(shū)類別上的一致性的方法來(lái)評(píng)估，其中每本圖書(shū)的類別按照《中圖法》的標(biāo)準(zhǔn)確定。如O212.6/23的分類為O21，通過(guò)word2vec方法計(jì)算的該書(shū)最相近的4本圖書(shū)為O211.64/15，O212.4，O212.1/94，O241.6/48-1，幾本書(shū)的分類分別為O21，O21，O21，O24，采取投票法確定這幾本書(shū)的最終分類為O21，和目標(biāo)圖書(shū)的分類一致。實(shí)驗(yàn)中我們采取word2vec以及基于SVD的協(xié)同過(guò)濾兩種方法計(jì)算相近圖書(shū)，在不同近鄰數(shù)k（k=6，8，10，12）下對(duì)不同數(shù)目的圖書(shū)進(jìn)行實(shí)驗(yàn)。

本文基于詞向量的協(xié)同過(guò)濾方法主要思路把圖書(shū)名稱看作單詞，以學(xué)生借閱的圖書(shū)看作句子，利用 word2vec 模型構(gòu)建圖書(shū)的向量空間。具體地，把學(xué)生的記錄按照7：3的比例隨機(jī)的分訓(xùn)練集和測(cè)試集兩部分，分別構(gòu)建基于word2vec的物品協(xié)同過(guò)濾模型（w2v-ItemCF）、基于SVD的協(xié)同過(guò)濾模型（SVD），在測(cè)試集上根據(jù)學(xué)生的歷史借閱圖書(shū)推薦相似的圖書(shū)從不同方面評(píng)估推薦效果。

評(píng)估推薦算法推薦效果的方法有很多，主要分為離線實(shí)驗(yàn)、線上測(cè)試對(duì)比、用戶調(diào)查等幾種方式。線上測(cè)試通常是采取線上A/B測(cè)試的方式對(duì)效果進(jìn)行評(píng)估，而用戶調(diào)查則是通過(guò)科學(xué)的調(diào)查方法，比如問(wèn)卷、訪談等形式去估計(jì)評(píng)估效果，本文采用離線測(cè)試的方法對(duì)推薦效果進(jìn)行對(duì)比。具體地，如文獻(xiàn)[1]，評(píng)估推薦效果的常用指標(biāo)有用戶滿意度、預(yù)測(cè)準(zhǔn)確度、覆蓋率、多樣性、新穎度、驚奇度、信任度、健壯性等。本文由于是采取離線實(shí)驗(yàn)的方式，主要從評(píng)分預(yù)測(cè)RMSE來(lái)評(píng)估推薦系統(tǒng)。

4.2.2實(shí)驗(yàn)結(jié)果

表2是在近鄰數(shù)為10下分別利用word2vec以及SVD計(jì)算目標(biāo)圖書(shū)和近鄰圖書(shū)類別一致性的對(duì)比結(jié)果，結(jié)果顯示基于word2vec的方法在不同數(shù)量圖書(shū)下計(jì)算的準(zhǔn)確度均比SVD的方法高。 表3是兩種方法在訓(xùn)練集上的誤差情況，可以看出基于word2vec的方法在預(yù)測(cè)誤差也明顯小于SVD的方法。

5結(jié)論

本文針對(duì)數(shù)字圖書(shū)館圖書(shū)推薦問(wèn)題，針對(duì)只有借閱記錄的數(shù)字圖書(shū)館，傳統(tǒng)的協(xié)同過(guò)濾算法存在數(shù)據(jù)稀疏問(wèn)題，針對(duì)此問(wèn)題提出了基于詞向量的物品推薦算法。經(jīng)過(guò)實(shí)驗(yàn)對(duì)比顯示基于詞向量的方法在圖書(shū)相似性計(jì)算以及實(shí)際推薦的效果均好于傳統(tǒng)的SVD方法。

參考文獻(xiàn)

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

[2]王飛，楊國(guó)林.高校圖書(shū)館個(gè)性化推薦服務(wù)算法研究[J].內(nèi)蒙古師大學(xué)報(bào)（自然漢文版），2015，44（6）：802807.

[3]宋楚平.一種改進(jìn)的協(xié)同過(guò)濾方法在高校圖書(shū)館圖書(shū)推薦中的應(yīng)用[J].圖書(shū)情報(bào)工作，2016，60（24）：8691.

[4]Mikolov T，Chen K，Corrado G，et al.Efficient Estimation of Word Representations in Vector Space[J].Computer Science，2013.

[5]Ozsoy M G.From Word Embeddings to Item Recommendation[Z].2016.