基于關(guān)聯(lián)規(guī)則的協(xié)同過濾改進(jìn)算法

張小川，周澤紅，向 南，桑瑞婷

(1.重慶理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院， 重慶 400054；2.重慶理工大學(xué) 兩江國(guó)際學(xué)院， 重慶 401135)

從網(wǎng)易云音樂的歌單、亞馬遜的商品到抖音的短視頻，推薦系統(tǒng)已經(jīng)改變了用戶的瀏覽習(xí)慣。推薦系統(tǒng)由于具有幫用戶做出合適選擇的能力在網(wǎng)絡(luò)技術(shù)發(fā)展的時(shí)代下越來越有意義。

目前，推薦系統(tǒng)中主流的推薦算法有基于內(nèi)容的推薦、矩陣分解推薦、基于知識(shí)的推薦、協(xié)同過濾推薦、混合推薦等算法，其中協(xié)同過濾算法是基于用戶對(duì)商品的評(píng)分或其他行為(如購(gòu)買)來為用戶提供個(gè)性化的推薦，不需要了解用戶或商品的大量信息，不必進(jìn)行內(nèi)容分析，可較好地實(shí)現(xiàn)跨類別項(xiàng)目的推薦[1-2]。該算法根據(jù)目標(biāo)用戶的近鄰用戶(具有相似興趣的用戶)對(duì)物品的用戶偏好預(yù)測(cè)(推測(cè))目標(biāo)用戶對(duì)物品的偏好從而進(jìn)行推薦。因此，協(xié)同過濾算法被廣泛應(yīng)用于推薦系統(tǒng)中。協(xié)同過濾算法有CF based user (基于用戶的協(xié)同過濾)和CF based item(基于項(xiàng)目于的協(xié)同過濾) 兩種。由于本文所研究的算法場(chǎng)景是項(xiàng)目增長(zhǎng)量大于用戶增長(zhǎng)量的電影等場(chǎng)景，計(jì)算項(xiàng)目相似度比用戶相似度復(fù)雜，故本文選擇在基于用戶的協(xié)同過濾算法基礎(chǔ)上進(jìn)行研究。

在日常生活中，朋友經(jīng)常一起購(gòu)物，是因?yàn)榕笥褜?duì)商品有相似的喜好。協(xié)同過濾也是在這類場(chǎng)景下產(chǎn)生的一種算法。它可以根據(jù)目標(biāo)用戶的朋友(近鄰)購(gòu)買的商品，對(duì)目標(biāo)用戶實(shí)現(xiàn)較為準(zhǔn)確的推薦。協(xié)同過濾算法主要根據(jù)歷史評(píng)分?jǐn)?shù)據(jù)進(jìn)行推薦，而隨著用戶和項(xiàng)目的急速增長(zhǎng)，用戶只能對(duì)有限的項(xiàng)目進(jìn)行評(píng)分，項(xiàng)目也只能得到有限用戶的評(píng)分，評(píng)分?jǐn)?shù)據(jù)變得越來越稀疏[3]，嚴(yán)重影響了推薦算法的準(zhǔn)確性。在數(shù)據(jù)稀疏的情形下真正具有相似興趣的用戶也不能被有效提取出來。

針對(duì)上述問題，專家學(xué)者提出了一系列的解決辦法。李文海等[4]提出了用默認(rèn)值填充缺失數(shù)據(jù)的矩陣填充技術(shù)。韓亞楠等[5]提出采用用戶平均評(píng)分填充評(píng)分矩陣缺失值。李遠(yuǎn)博等[6]提出用PCA對(duì)評(píng)分矩陣降維，保留信息量最大的幾個(gè)特征，在保證不影響結(jié)果的提前下緩解數(shù)據(jù)稀疏性帶來的影響。鄧愛林等[7]通過基于項(xiàng)目的協(xié)同過濾算法對(duì)用戶未評(píng)分項(xiàng)目進(jìn)行評(píng)分預(yù)測(cè)，將評(píng)分預(yù)測(cè)值填充到評(píng)分稀疏矩陣中。陳宗言等[8]通過引入項(xiàng)目的特征，計(jì)算項(xiàng)目間特征的相似度，預(yù)測(cè)用戶對(duì)未評(píng)分項(xiàng)目的評(píng)分，填充稀疏矩陣。Elahi M等[9]提出了主動(dòng)學(xué)習(xí)，有選擇地選擇要呈現(xiàn)給用戶的項(xiàng)目以獲得其評(píng)分并最終提高推薦準(zhǔn)確性。Najafabadi M K等[10]引入用戶與項(xiàng)目的隱式交互記錄，計(jì)算基于特征的項(xiàng)目相似度實(shí)現(xiàn)推薦。王潘潘等[11]提出了一種改進(jìn)的加權(quán) Slope one 協(xié)同過濾推薦算法，計(jì)算相似度選擇最近鄰，用Slope one算法預(yù)測(cè)值填充用戶未評(píng)分項(xiàng)。Kim K等[12]通過社交網(wǎng)絡(luò)分析(SNA)和聚類技術(shù)來提高準(zhǔn)確性。Tong C等[13]結(jié)合時(shí)間對(duì)用戶和項(xiàng)目的影響，提出了TimeTrustSVD，一種集成時(shí)間信息、信任關(guān)系和評(píng)價(jià)得分的協(xié)同過濾模型。肖文強(qiáng)等[14]引入用戶共同評(píng)分權(quán)重、物品時(shí)間差因素以及流行物品權(quán)重，將興趣相似的用戶聚成一類，在類內(nèi)應(yīng)用推薦算法分別為用戶進(jìn)行推薦。孟桓羽等[15]通過建立基于圖的評(píng)分?jǐn)?shù)據(jù)模型，將傳統(tǒng)的協(xié)同過濾算法與圖計(jì)算及改進(jìn)的KNN算法相結(jié)合來提高推薦準(zhǔn)確度。張海霞等[16]引入加權(quán)異構(gòu)信息來緩解數(shù)據(jù)稀疏性造成的推薦不準(zhǔn)確問題。

上述學(xué)者提出的方法都可以在一定程度上緩解數(shù)據(jù)稀疏性問題，但都沒有考慮到項(xiàng)目間存在的相關(guān)性，或者僅考慮到兩個(gè)項(xiàng)目之間的關(guān)聯(lián)關(guān)系[17]。為了緩解稀疏性問題，本文提出了基于關(guān)聯(lián)規(guī)則的協(xié)同過濾改進(jìn)算法。即設(shè)置相似度閾值，選定目標(biāo)用戶的k個(gè)近鄰用戶，若選擇的k個(gè)近鄰與目標(biāo)用戶的相似度不小于閾值，則按協(xié)同過濾算法推薦，否則應(yīng)用關(guān)聯(lián)規(guī)則技術(shù)進(jìn)行推薦。協(xié)同過濾算法按照傳統(tǒng)的基于用戶的協(xié)同過濾算法進(jìn)行推薦，而用關(guān)聯(lián)規(guī)則技術(shù)進(jìn)行推薦則先應(yīng)用Apriori算法，挖掘出強(qiáng)關(guān)聯(lián)規(guī)則，從而發(fā)現(xiàn)項(xiàng)目間的關(guān)聯(lián)關(guān)系，以支持度和置信度的乘積作為推薦度進(jìn)行推薦。

1 基于用戶的協(xié)同過濾

基于用戶的協(xié)同過濾算法的推薦思想是：如果某些用戶評(píng)分高的項(xiàng)目重合度高，那么這些用戶是興趣度相似的用戶，對(duì)其他項(xiàng)目的評(píng)分也相似。該算法首先建立用戶項(xiàng)目評(píng)分矩陣，然后根據(jù)目標(biāo)用戶與其他用戶的共同評(píng)分項(xiàng)計(jì)算出目標(biāo)用戶與其他用戶之間的相似度，用相似度選取目標(biāo)用戶的近鄰，目標(biāo)用戶對(duì)未評(píng)分項(xiàng)目的評(píng)分依據(jù)近鄰用戶對(duì)該項(xiàng)目的評(píng)分進(jìn)行預(yù)測(cè)，最后選取評(píng)分高的項(xiàng)目進(jìn)行推薦。

1.1 相似度計(jì)算

評(píng)估相似度的方法有多種，如余弦相似度及調(diào)整的余弦相似度、皮爾遜相關(guān)系數(shù)(Pearson相關(guān)系數(shù))、Jaccard相似系數(shù)、Tanimoto系數(shù)(廣義Jaccard相似系數(shù))、對(duì)數(shù)似然相似度等。其中常用的3種相似度度量方法是：余弦相似度，修正的余弦相似度，Pearson相關(guān)系數(shù)。

要對(duì)目標(biāo)用戶進(jìn)行推薦首先要建立用戶評(píng)分矩陣，假設(shè)數(shù)據(jù)中有m個(gè)用戶n個(gè)項(xiàng)目，數(shù)據(jù)轉(zhuǎn)化的m行n列的評(píng)分矩陣見式(1)。其中：i行j列的元素Rij代表的是用戶i對(duì)項(xiàng)目j的評(píng)分；?代表的未評(píng)分或缺失值。

(1)

用戶i和j相似度的計(jì)算方法是：首先得到用戶i和用戶j共同評(píng)分的所有項(xiàng)目，然后通過相似度計(jì)算方法計(jì)算用戶i和j的相似度，記為sim(i,j)。

余弦相似度：用兩個(gè)向量的余弦值作為衡量相似度的標(biāo)準(zhǔn)，兩個(gè)向量夾角越小，相似度越強(qiáng)。設(shè)Iij是用戶i和j共同評(píng)分的項(xiàng)目集合，Ric是用戶i對(duì)項(xiàng)目c的評(píng)分，Rjc是用戶j對(duì)項(xiàng)目c的評(píng)分，則

(2)

(3)

(4)

考慮到用戶之間評(píng)分尺度不同這個(gè)重要因素，選擇修正余弦相似度和Pearson相似度。經(jīng)實(shí)驗(yàn)證明：Pearson相似度效果最好，本文選擇Pearson相似度計(jì)算方法。

1.2 鄰居集的選擇

根據(jù)上述選出的相似度計(jì)算方法計(jì)算目標(biāo)用戶與其他用戶的相似度，將相似度降序排序，選擇前k個(gè)作為該目標(biāo)用戶的鄰居集。

1.3 預(yù)測(cè)評(píng)分

選擇好目標(biāo)用戶i的最近鄰居集合為NBSi，根據(jù)鄰居集中鄰居對(duì)目標(biāo)用戶未評(píng)分項(xiàng)目的評(píng)分預(yù)測(cè)目標(biāo)用戶的評(píng)分。目標(biāo)用戶i對(duì)未評(píng)分項(xiàng)目c的預(yù)測(cè)評(píng)分計(jì)算公式為

(5)

1.4 傳統(tǒng)基于協(xié)同過濾算法不足分析

由于互聯(lián)網(wǎng)推動(dòng)的電子商務(wù)的發(fā)展，用戶數(shù)目和項(xiàng)目數(shù)目呈指數(shù)級(jí)增長(zhǎng)，而一個(gè)用戶對(duì)項(xiàng)目的購(gòu)買能力有限，只會(huì)購(gòu)買龐大項(xiàng)目中的少數(shù)項(xiàng)目而且用戶不一定對(duì)購(gòu)買過的項(xiàng)目都進(jìn)行評(píng)分，因而造成用戶評(píng)分?jǐn)?shù)據(jù)極度稀疏，某一個(gè)用戶的評(píng)分項(xiàng)目不及總項(xiàng)目的1%。相似度計(jì)算依靠的是用戶間的共同評(píng)分，數(shù)據(jù)稀疏情況下，相似度計(jì)算方法不能準(zhǔn)確計(jì)算用戶間的相似度，從而無法選擇和目標(biāo)用戶興趣品味相似的鄰居集，導(dǎo)致目標(biāo)用戶對(duì)未評(píng)分項(xiàng)目評(píng)分預(yù)測(cè)不準(zhǔn)確，影響推薦質(zhì)量。

為了降低數(shù)據(jù)稀疏性造成的推薦效果不佳的影響，本文在計(jì)算相似度時(shí)先統(tǒng)計(jì)用戶與鄰居的共同評(píng)分項(xiàng)目數(shù)，設(shè)置計(jì)算相似度的最小共同項(xiàng)目數(shù)，當(dāng)共同評(píng)分的項(xiàng)目數(shù)小于設(shè)置值時(shí)則將相似度設(shè)置為0。然后設(shè)置相似度閾值，若選擇的鄰居集中的用戶與目標(biāo)用戶的相似度都不小于閾值，則按協(xié)同過濾算法推薦，否則應(yīng)用關(guān)聯(lián)規(guī)則技術(shù)進(jìn)行推薦。

2 基于關(guān)聯(lián)規(guī)則的協(xié)同過濾改進(jìn)算法

關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘技術(shù)中挖掘項(xiàng)目相關(guān)性的一類規(guī)則，最早由Agrawal等于1993年提出[18]，能夠揭示項(xiàng)集之間的關(guān)聯(lián)。關(guān)聯(lián)規(guī)則技術(shù)最初應(yīng)用在零售業(yè)中，把具有相關(guān)性的商品進(jìn)行打包銷售?；陉P(guān)聯(lián)規(guī)則的推薦算法利用關(guān)聯(lián)規(guī)則挖掘出項(xiàng)目間的相關(guān)性，將用戶未購(gòu)買但與已購(gòu)買項(xiàng)目相關(guān)性大的項(xiàng)目推薦給用戶。其中Apriori算法[19]是最經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法。

2.1 關(guān)聯(lián)規(guī)則概述

關(guān)聯(lián)規(guī)則挖掘已經(jīng)被廣泛采用來提升推薦質(zhì)量，挖掘用戶的興趣度模式。關(guān)聯(lián)規(guī)則形如X={x1,x2,…,xm}?Y={y1,y2,…,yn}，意味著用戶購(gòu)買了X則很大程度上可能會(huì)購(gòu)買Y。其中，X和Y分別稱為關(guān)聯(lián)規(guī)則的前項(xiàng)和后項(xiàng)。常用的關(guān)聯(lián)規(guī)則挖掘算法有Apriori算法和FP-Growth算法兩種。本文選擇最為經(jīng)典的Apriori算法。以下是關(guān)聯(lián)規(guī)則相關(guān)概念。

定義1 項(xiàng)集： 項(xiàng)集是項(xiàng)的集合。一條購(gòu)買記錄中每一個(gè)item為一個(gè)項(xiàng)，包含k個(gè)項(xiàng)的項(xiàng)集稱為k項(xiàng)集。

定義2 支持度(support)：假設(shè)規(guī)則X?Y，支持度表示X作為前項(xiàng)Y作為后項(xiàng)在所有事務(wù)中同時(shí)出現(xiàn)的概率。最小支持度是X、Y同時(shí)出現(xiàn)的最小概率，是評(píng)估支持度的一個(gè)閾值。

(6)

定義3 置信度(confidence)：假設(shè)規(guī)則X?Y，置信度表示在購(gòu)買X的情況下購(gòu)買Y的概率。最小置信度是評(píng)估置信度可靠性的一個(gè)閾值，表示關(guān)聯(lián)規(guī)則的最低可靠性。

(7)

定義4 頻繁項(xiàng)：經(jīng)常出現(xiàn)在一塊的物品的集合。也就是關(guān)聯(lián)規(guī)則的支持度不低于最小支持度的前后項(xiàng)組成的項(xiàng)集稱為頻繁項(xiàng)，否則為非頻繁項(xiàng)。

定義5 強(qiáng)關(guān)聯(lián)規(guī)則：支持度不小于最小支持度且置信度不小于最小置信度的規(guī)則。

Apriori算法主要包含兩個(gè)步驟：首先找出事務(wù)數(shù)據(jù)庫(kù)中所有不小于用戶指定的最小支持度的數(shù)據(jù)項(xiàng)集(頻繁項(xiàng)集)；然后利用頻繁項(xiàng)集結(jié)合最小置信度生成強(qiáng)關(guān)聯(lián)規(guī)則。此算法基于性質(zhì)：若一個(gè)項(xiàng)集是非頻繁項(xiàng)集，則它的所有超集也是非頻繁項(xiàng)集。該算法有兩個(gè)關(guān)鍵步驟分別為連接步和剪枝步。

關(guān)聯(lián)規(guī)則挖掘所需的數(shù)據(jù)為事務(wù)型數(shù)據(jù)，一條事務(wù)型記錄代表一次交易(購(gòu)買)，所以需將數(shù)據(jù)轉(zhuǎn)化為事務(wù)型數(shù)據(jù)。

采用Apriori算法進(jìn)行數(shù)據(jù)挖掘，其輸入為：處理成事務(wù)型的數(shù)據(jù)集，最小支持度minSupport,最小置信度minConfidence；其輸出為：強(qiáng)關(guān)聯(lián)規(guī)則。具體步驟如下：

1) 掃描全部數(shù)據(jù)集，產(chǎn)生候選1-項(xiàng)集C1；

2) 根據(jù)最小支持度，由候選1-項(xiàng)集C1產(chǎn)生頻繁1-項(xiàng)集L1；

3) 對(duì)k>1，重復(fù)執(zhí)行步驟4)、5)、6)；

4)由Lk執(zhí)行連接和剪枝操作，產(chǎn)生候選(k+1)-項(xiàng)集C(k+1)；

5) 根據(jù)最小支持度，由候選(k+1)-項(xiàng)集C(k+1)，產(chǎn)生頻繁(k+1)-項(xiàng)集L(k+1)；

6) 若L不空，則k=k+1，轉(zhuǎn)步驟4)；否則，轉(zhuǎn)步驟7)；

7) 根據(jù)最小置信度，由頻繁項(xiàng)集過濾掉低于最小置信度的規(guī)則產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。

2.2 基于關(guān)聯(lián)規(guī)則的評(píng)分預(yù)測(cè)

協(xié)同過濾算法中計(jì)算相似度的方法是Pearson相關(guān)系數(shù)度量方法，依據(jù)的是用戶對(duì)項(xiàng)目的顯式評(píng)分，而在數(shù)據(jù)稀疏性的情況下，評(píng)分?jǐn)?shù)很少會(huì)導(dǎo)致相似度計(jì)算不準(zhǔn)確影響推薦精度。因此，對(duì)于由于共同評(píng)分?jǐn)?shù)目稀少而不能用傳統(tǒng)協(xié)同過濾算法準(zhǔn)確推薦的則用關(guān)聯(lián)規(guī)則進(jìn)行推薦，緩解數(shù)據(jù)稀疏造成的負(fù)面影響。

由上述Apriori算法得出的強(qiáng)關(guān)聯(lián)規(guī)則組成集合Rrules，本文對(duì)Rrules里的關(guān)聯(lián)規(guī)則進(jìn)行拆分，拆分為關(guān)聯(lián)規(guī)則后表示為只有一個(gè)項(xiàng)目的形式，即將關(guān)聯(lián)規(guī)則拆分成多對(duì)一或一對(duì)一的形式，拆分形式如下：

(8)

令S為規(guī)則的支持度，C為規(guī)則的置信度，recom為規(guī)則的推薦度，可得：

recom(X?Y)=S(X?Y)·C(X?Y)

(9)

本文結(jié)合項(xiàng)目間的關(guān)聯(lián)關(guān)系，利用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則技術(shù)緩解數(shù)據(jù)稀疏性對(duì)推薦質(zhì)量的影響?；陉P(guān)聯(lián)規(guī)則計(jì)算用戶對(duì)項(xiàng)目預(yù)測(cè)評(píng)分的公式為

(10)

MAI的形成：首先，找出后項(xiàng)為目標(biāo)項(xiàng)目的關(guān)聯(lián)規(guī)則；其次，將找到的關(guān)聯(lián)規(guī)則按推薦度值降序進(jìn)行排列；最后，設(shè)置推薦度閾值，提取不小于推薦度閾值的關(guān)聯(lián)規(guī)則，這些關(guān)聯(lián)規(guī)則的前項(xiàng)組成MAI。

2.3 基于關(guān)聯(lián)規(guī)則的改進(jìn)推薦算法

設(shè)置用戶間的相似度閾值為α，利用Pearson相關(guān)性度量方法計(jì)算目標(biāo)用戶i和其他用戶間的相似度，然后對(duì)相似度進(jìn)行降序排序，選擇前k個(gè)用戶作為目標(biāo)用戶的最近鄰，m為第k個(gè)用戶，則用戶i對(duì)項(xiàng)目c的預(yù)測(cè)評(píng)分值計(jì)算公式如下：

(11)

3 實(shí)驗(yàn)分析

首先介紹實(shí)驗(yàn)環(huán)境和所選用的數(shù)據(jù)集，然后介紹實(shí)驗(yàn)內(nèi)容，最后根據(jù)選用的數(shù)據(jù)集將本文算法與傳統(tǒng)算法相比較得出實(shí)驗(yàn)結(jié)果。

3.1 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)集

實(shí)驗(yàn)環(huán)境如下：筆記本，CPU為 @1.60 GHz 1.80 GHz，內(nèi)存8 GB，編程環(huán)境Anaconda-Spyder(python 3.6)。

實(shí)驗(yàn)數(shù)據(jù)集：美國(guó)明尼蘇達(dá)大學(xué)GroupLens小組給出的100k的movieLens 數(shù)據(jù)集。采用該數(shù)據(jù)集中的u.data，包含完整的用戶數(shù)據(jù)集，有943個(gè)用戶對(duì)1 682個(gè)項(xiàng)目的100 000個(gè)評(píng)分。每位用戶至少有20個(gè)評(píng)分?jǐn)?shù)據(jù)。用戶和項(xiàng)目從1開始連續(xù)編號(hào)，數(shù)據(jù)是隨機(jī)排列的。這個(gè)列表是以用戶id|項(xiàng)目id|時(shí)間戳分割的一個(gè)列表。評(píng)分集合為{1，2，3，4，5}，評(píng)分越大證明用戶對(duì)所評(píng)電影越滿意。實(shí)驗(yàn)中將數(shù)據(jù)隨機(jī)分成10份，一份作為測(cè)試集，其余作為訓(xùn)練集。

3.2 評(píng)價(jià)指標(biāo)

評(píng)估推薦系統(tǒng)性能的指標(biāo)有很多，如平均絕對(duì)誤差、均方根誤差、召回率、準(zhǔn)確率、覆蓋率、多樣性、流行度、F1指標(biāo)和AUC等。本文采用平均絕對(duì)誤差MAE(mean absolute error)和均方根誤差RMSE(root mean squared error)來評(píng)估推薦系統(tǒng)的性能。MAE、RMSE主要計(jì)算預(yù)測(cè)評(píng)分值與用戶真正評(píng)分值之間的誤差程度，MAE、RMSE值越小，推薦系統(tǒng)的推薦性能就越好。

(12)

(13)

其中：u為用戶；i為項(xiàng)目；T為測(cè)試集；rui為用戶u對(duì)用戶i的真實(shí)評(píng)分；為用戶u對(duì)用戶i的預(yù)測(cè)評(píng)分。

3.3 實(shí)驗(yàn)內(nèi)容與實(shí)驗(yàn)結(jié)果

本文將實(shí)驗(yàn)分為兩部分,首先是對(duì)影響關(guān)聯(lián)規(guī)則質(zhì)量的指標(biāo)最小支度、最小置信度進(jìn)行比較，選擇最佳值作為接下來實(shí)驗(yàn)的基礎(chǔ)；然后將本文提出的算法與傳統(tǒng)算法相比較，證明本文算法的有效性。

3.3.1選擇關(guān)聯(lián)規(guī)則最優(yōu)支持度、置信度的實(shí)驗(yàn)

在進(jìn)行關(guān)聯(lián)規(guī)則實(shí)驗(yàn)前，要對(duì)數(shù)據(jù)進(jìn)行處理。由于關(guān)聯(lián)規(guī)則挖掘輸入的是事務(wù)型數(shù)據(jù)，因此要將數(shù)據(jù)集的數(shù)據(jù)處理成事務(wù)型數(shù)據(jù)，再進(jìn)行實(shí)驗(yàn)。將評(píng)分不小于3的視為購(gòu)買，加入事務(wù)項(xiàng)，否則視為不購(gòu)買。

在關(guān)聯(lián)規(guī)則挖掘算法中，最小支持度和最小置信度是影響關(guān)聯(lián)規(guī)則的兩個(gè)主要因素。為了獲取關(guān)聯(lián)規(guī)則的最優(yōu)最小支持度、置信度，設(shè)計(jì)如下實(shí)驗(yàn)：通過設(shè)置一系列關(guān)聯(lián)規(guī)則推薦算法的最小支持度和最小置信度，觀察關(guān)聯(lián)規(guī)則數(shù)目隨最小支持度和最小置信度的變化規(guī)律。實(shí)驗(yàn)結(jié)果如圖1所示。考慮到數(shù)據(jù)量較大，設(shè)置的支持度范圍為15%～40%。實(shí)驗(yàn)首先將最小支持度設(shè)為15%，觀察最小置信度在20%～70%的MAE和RMSE的變化，找出最佳最小置信度。然后，設(shè)置最小置信度為找出的最佳最小置信度，觀察最小支持度在15%～40%的MAE和RMSE的變化，找出最佳最小支持度。實(shí)驗(yàn)結(jié)果如圖2、3所示。

圖1 最小支持度在不同置信度下與規(guī)則數(shù)目的關(guān)系

由圖1可以看出：在最小置信度一定的情況下，關(guān)聯(lián)規(guī)則推薦算法的規(guī)則數(shù)隨著最小支持度的增加不斷下降直至規(guī)則數(shù)為0，而在最小支持度一定的情況下，置信度越大，規(guī)則數(shù)目越少。由此可知，最小支持度、置信度太小，規(guī)則數(shù)太多，關(guān)聯(lián)規(guī)則質(zhì)量比較低；最小支持度、置信度太大，則會(huì)把有效規(guī)則過濾掉。因而，在合適的最小支持度、置信度時(shí)關(guān)聯(lián)規(guī)則質(zhì)量較高。

圖3 最小置信度為0.5，最小支持度與MAE、RMSE的關(guān)系

由圖2可知：在最小支持度設(shè)置為0.15，最小置信度在0.5時(shí)MAE、RSME最小，算法獲得最優(yōu)推薦質(zhì)量，最佳最小置信度為0.5。由圖3可知：在最佳最小置信度下，最小支持度為0.2時(shí)，MAE、RSME最小，算法獲得最優(yōu)推薦質(zhì)量。因此，當(dāng)最小支持度為0.2，最小置信度為0.5時(shí)，關(guān)聯(lián)規(guī)則推薦算法取得最優(yōu)推薦質(zhì)量。

3.3.2 本文算法有效性實(shí)驗(yàn)

為了驗(yàn)證本文提出的基于關(guān)聯(lián)規(guī)則的協(xié)同過濾改進(jìn)算法的有效性，在上述最佳最小支持度、置信度條件下，將基于關(guān)聯(lián)規(guī)則的協(xié)同過濾算法(ARCF)與傳統(tǒng)基于用戶的協(xié)同過濾算法(UCF)、基于用戶平均值填充的協(xié)同過濾算法(UACF)進(jìn)行對(duì)比實(shí)驗(yàn)。在測(cè)試數(shù)據(jù)集上，這些算法在不同最近鄰上的性能表現(xiàn)見圖4、5。

由圖4、5可以發(fā)現(xiàn)：本文提出的算法的MAE、RMSE平均都比傳統(tǒng)協(xié)同過濾算法小，即本文算法推薦的準(zhǔn)確度更高?？梢缘贸?，關(guān)聯(lián)規(guī)則技術(shù)的引入可以提高推薦準(zhǔn)確性，一定程度緩解數(shù)據(jù)稀疏性問題。當(dāng)近鄰數(shù)目為90時(shí)，基于關(guān)聯(lián)規(guī)則的協(xié)同過濾推薦算法推薦質(zhì)量最優(yōu)。

圖4 三種算法在不同鄰居數(shù)目下MAE的比較

圖5 三種算法在不同鄰居數(shù)目下RMSE的比較

4 結(jié)束語

協(xié)同過濾算法由于其簡(jiǎn)單、可實(shí)現(xiàn)跨項(xiàng)目推薦等優(yōu)點(diǎn)成為目前在推薦系統(tǒng)中應(yīng)用最廣泛、最成功的推薦算法，但是該算法的實(shí)現(xiàn)依賴用戶項(xiàng)目的顯式評(píng)分?jǐn)?shù)據(jù)。當(dāng)今互聯(lián)網(wǎng)行業(yè)蓬勃發(fā)展，各種線上網(wǎng)站發(fā)展迅速，用戶量和數(shù)據(jù)量急速上升，由于用戶購(gòu)買能力有限造成的評(píng)分?jǐn)?shù)據(jù)稀疏性越來越嚴(yán)重，因而協(xié)同過濾算法推薦效果不佳。針對(duì)數(shù)據(jù)稀疏性問題，本文考慮到項(xiàng)目間存在的關(guān)聯(lián)關(guān)系，提出了基于關(guān)聯(lián)規(guī)則的協(xié)同過濾改進(jìn)算法。設(shè)置相似度閾值，若選擇的鄰居集中的近鄰用戶與目標(biāo)用戶的相似度都不小于閾值，按協(xié)同過濾算法推薦，否則應(yīng)用關(guān)聯(lián)規(guī)則技術(shù)進(jìn)行推薦。經(jīng)過實(shí)驗(yàn)證明：基于關(guān)聯(lián)規(guī)則的協(xié)同過濾改進(jìn)算法在一定程度上緩解了數(shù)據(jù)稀疏性，提高了推薦精度。在基于關(guān)聯(lián)規(guī)則的推薦算法中,如果數(shù)據(jù)中具有關(guān)聯(lián)關(guān)系的項(xiàng)目較少，提取出來的強(qiáng)關(guān)聯(lián)規(guī)則就較少，關(guān)聯(lián)規(guī)則起不到應(yīng)有的推薦作用。解決此問題是下一步的研究工作。