基于屬性特征的個(gè)性化旅游推薦算法研究

丁 恒, 黃全舟

(西安石油大學(xué) 計(jì)算機(jī)學(xué)院， 西安 710065)

0 引 言

當(dāng)今正處在信息時(shí)代，每天都有各式各樣的信息不斷涌來(lái)，信息過(guò)載問(wèn)題日益嚴(yán)重。目前，個(gè)性化推薦技術(shù)[1]是解決這一問(wèn)題的有力工具。個(gè)性化推薦技術(shù)是建立在大量的用戶(hù)行為數(shù)據(jù)之上的，有了用戶(hù)行為數(shù)據(jù)的強(qiáng)力依托，其身影遍布于互聯(lián)網(wǎng)各類(lèi)網(wǎng)站中，并已在電影、電子商務(wù)、圖書(shū)、音樂(lè)等領(lǐng)域取得了顯著的成效。推薦算法種類(lèi)繁多，其中協(xié)同過(guò)濾推薦算法在個(gè)性化推薦中得到了更為廣泛的應(yīng)用[2]。

近年來(lái)，隨著旅游產(chǎn)業(yè)規(guī)模日漸龐大，大量旅游信息相繼產(chǎn)生，研究學(xué)界即已開(kāi)始將個(gè)性化推薦技術(shù)應(yīng)用于旅游行業(yè)。如何從海量數(shù)據(jù)中挖據(jù)出高質(zhì)量的旅游信息提供給用戶(hù)？協(xié)同過(guò)濾算法將是一個(gè)不錯(cuò)的選擇。本文在傳統(tǒng)協(xié)同過(guò)濾算法的基礎(chǔ)上，考慮了項(xiàng)目屬性對(duì)相似度計(jì)算的影響，提出了一種基于屬性特征的協(xié)同過(guò)濾算法，并將其應(yīng)用于個(gè)性化旅游推薦中，以提升旅游推薦的質(zhì)量。

1 協(xié)同過(guò)濾算法概述

協(xié)同過(guò)濾算法通過(guò)其它用戶(hù)的偏好，找出與目標(biāo)用戶(hù)興趣相似的用戶(hù)所喜好的物品，然后進(jìn)行推薦。協(xié)同過(guò)濾算法有基于記憶(內(nèi)存)的協(xié)同過(guò)濾和基于模型的協(xié)同過(guò)濾兩大類(lèi)。

1.1 協(xié)同過(guò)濾算法分類(lèi)

研究可知，基于記憶的協(xié)同過(guò)濾算法可分為：基于用戶(hù)的協(xié)同過(guò)濾算法和基于項(xiàng)目的協(xié)同過(guò)濾算法。本節(jié)也將對(duì)這2種協(xié)同過(guò)濾算法進(jìn)行概述分析。

(1)基于用戶(hù)的協(xié)同過(guò)濾算法。作為最基本的推薦算法，基于用戶(hù)的協(xié)同過(guò)濾算法最先被應(yīng)用于推薦系統(tǒng)中[3]?；谟脩?hù)的協(xié)同過(guò)濾算法由用戶(hù)的興趣產(chǎn)生推薦，其基本思想是依據(jù)用戶(hù)對(duì)物品的偏好找出與其興趣相似的鄰居用戶(hù)，再將鄰居用戶(hù)偏愛(ài)的、且目標(biāo)用戶(hù)不曾涉及到的物品推薦給目標(biāo)用戶(hù)。

(2)基于項(xiàng)目的協(xié)同過(guò)濾算法。該算法目前在互聯(lián)網(wǎng)行業(yè)的應(yīng)用很普及，Amazon、YouTube、Hulu的推薦算法都是由此演化而來(lái)。算法是依據(jù)項(xiàng)目之間的共性來(lái)進(jìn)行協(xié)同過(guò)濾，其基本思想是分析用戶(hù)的歷史偏好，將用戶(hù)以往所喜歡物品的相似物品推薦給用戶(hù)。

1.2 協(xié)同過(guò)濾算法存在的問(wèn)題

(1)精確性問(wèn)題。擁有高精確性的推薦算法能為用戶(hù)提供更加精準(zhǔn)的推薦，提升用戶(hù)滿(mǎn)意度?？煽康耐扑]結(jié)果是一個(gè)推薦系統(tǒng)賴(lài)以生存的關(guān)鍵。顯然，如果一個(gè)推薦系統(tǒng)不能產(chǎn)生優(yōu)質(zhì)的推薦，就會(huì)失去大量的用戶(hù)。

(2)數(shù)據(jù)稀疏性問(wèn)題。相似度的計(jì)算依賴(lài)于用戶(hù)-項(xiàng)目評(píng)分矩陣，然而用戶(hù)只是對(duì)少量的項(xiàng)目進(jìn)行了評(píng)分，相對(duì)比例僅為1% ～ 2%[4]。這就造成評(píng)分矩陣過(guò)于稀疏，用戶(hù)尋找相似鄰居成為難題，大大降低了推薦的質(zhì)量。

(3)冷啟動(dòng)問(wèn)題。隨著新用戶(hù)、新項(xiàng)目的不斷加入，但在此之前并沒(méi)有任何有關(guān)新加入用戶(hù)或是新加入項(xiàng)目的記錄，從而導(dǎo)致系統(tǒng)無(wú)法進(jìn)行推薦。

2 傳統(tǒng)協(xié)同過(guò)濾算法的步驟

2.1 建立評(píng)分矩陣

協(xié)同過(guò)濾算法所涉及的數(shù)據(jù)為用戶(hù)對(duì)項(xiàng)目的歷史評(píng)分?jǐn)?shù)據(jù)，可以將這些數(shù)據(jù)用m×n的評(píng)分矩陣R來(lái)表示，其中，m表示用戶(hù)數(shù)，n表示項(xiàng)目數(shù)，u表示用戶(hù)，i表示項(xiàng)目，rij表示用戶(hù)ui對(duì)項(xiàng)目ij的評(píng)分值，評(píng)分值一般用整數(shù)1～5來(lái)表示(0表示用戶(hù)未對(duì)該項(xiàng)目進(jìn)行評(píng)價(jià))，評(píng)分越高則用戶(hù)越喜歡。研究中給出了一個(gè)用戶(hù)-項(xiàng)目評(píng)分矩陣的樣例見(jiàn)表1。

表1 用戶(hù)-項(xiàng)目評(píng)分矩陣

2.2 選取最近鄰

最近鄰的選取是協(xié)同過(guò)濾算法中至關(guān)重要的一部分，并直接影響著預(yù)測(cè)的準(zhǔn)確度，下面，將基于用戶(hù)的協(xié)同過(guò)濾算法作為例子，對(duì)最近鄰集合的產(chǎn)生過(guò)程進(jìn)行論述。首先，通過(guò)有關(guān)公式計(jì)算出不同用戶(hù)與目標(biāo)用戶(hù)u的相似性，由此找出與u最為相似的k個(gè)最近鄰所組成的最近鄰集合Ku={u1,u2,...,uk}。常見(jiàn)的相似度計(jì)算方法有：余弦相似性、歐幾里得距離、Pearson相關(guān)相似性。本文僅選取同等條件下性能相對(duì)優(yōu)越的Pearson相關(guān)相似性進(jìn)行說(shuō)明[5]，Pearson相關(guān)相似性的數(shù)學(xué)定義即如式(1)所示：

(1)

2.3 預(yù)測(cè)評(píng)分并生成推薦

在得到k最近鄰集合后，可根據(jù)集合中相似用戶(hù)的數(shù)據(jù)對(duì)目標(biāo)用戶(hù)未評(píng)分的項(xiàng)目進(jìn)行評(píng)分預(yù)測(cè)，并將預(yù)測(cè)評(píng)分從高到低進(jìn)行排序，從而生成top-N推薦給目標(biāo)用戶(hù)進(jìn)行選擇。具體計(jì)算如表達(dá)式(2)所示：

(2)

其中，sim(x,u)是通過(guò)相似度計(jì)算公式所得出的兩用戶(hù)之間的相似性，ku表示用戶(hù)u的最近鄰集合。

基于項(xiàng)目的協(xié)同過(guò)濾算法預(yù)測(cè)和推薦過(guò)程與此基本類(lèi)似，這里，僅詳細(xì)探討闡述了基于用戶(hù)的協(xié)同過(guò)濾算法研究。

3 基于屬性特征的協(xié)同過(guò)濾算法

3.1 算法分析

傳統(tǒng)的協(xié)同過(guò)濾算法基于項(xiàng)目整體評(píng)分進(jìn)行相似度的計(jì)算，并沒(méi)有衡量項(xiàng)目各屬性對(duì)推薦結(jié)果的影響，這樣的推薦往往不夠準(zhǔn)確。結(jié)合屬性特征從多個(gè)維度進(jìn)行分析計(jì)算能提升整個(gè)算法的精度，使推薦的結(jié)果更能符合用戶(hù)需求。同時(shí)，結(jié)合屬性特征能夠很好地解釋用戶(hù)為什么喜歡這些項(xiàng)目，體現(xiàn)不同用戶(hù)所重視的不同方面，從而進(jìn)行個(gè)性化的推薦。

下面將結(jié)合旅游這一領(lǐng)域，通過(guò)2個(gè)具體的例子來(lái)進(jìn)行說(shuō)明，內(nèi)容表述詳見(jiàn)如下。

假設(shè)有3個(gè)用戶(hù)(u1,u2,u3)和4個(gè)景點(diǎn)(i1,i2,i3,i4)，其中有些景點(diǎn)評(píng)分已知，由此預(yù)測(cè)用戶(hù)u1對(duì)景點(diǎn)i4的評(píng)分。傳統(tǒng)協(xié)同過(guò)濾算法用戶(hù)-景點(diǎn)評(píng)分見(jiàn)表2。 通過(guò)表2中的數(shù)據(jù)進(jìn)行相似性計(jì)算發(fā)現(xiàn)u1和u2是相似用戶(hù)，從而得出用戶(hù)u1對(duì)景點(diǎn)i4的預(yù)測(cè)評(píng)分為5分。

在表2的基礎(chǔ)上，研究給出對(duì)各個(gè)景點(diǎn)的總體評(píng)分(總體評(píng)分為各屬性評(píng)分和的平均值)以及景點(diǎn)分別在美麗、人文、休閑、刺激、特色、浪漫六個(gè)屬性上的評(píng)分，評(píng)分結(jié)果見(jiàn)表3。其中，括號(hào)內(nèi)為各屬性的評(píng)分值。

表2 傳統(tǒng)協(xié)同過(guò)濾算法用戶(hù)-景點(diǎn)評(píng)分表

Tab. 2 Traditional collaborative filtering algorithm user-site rating table

UserItemi1i2i3i4u1543?u25435u32413

表3 多屬性用戶(hù)-景點(diǎn)評(píng)分表

由表3可知，根據(jù)以往單個(gè)評(píng)分的計(jì)算來(lái)看，用戶(hù)u1和用戶(hù)u3最為相似。但在引入多屬性的評(píng)分準(zhǔn)則后，則需要從多維度進(jìn)行考慮，從而找出相似用戶(hù)。這樣不僅體現(xiàn)了用戶(hù)不同的偏好，而且所得出的推薦結(jié)果會(huì)更加令人滿(mǎn)意。顯然，用戶(hù)u1和用戶(hù)u3在各屬性的評(píng)分值上存在較大偏差，用戶(hù)u2和用戶(hù)u3各屬性值更為相似，因此u2和u3為最相似用戶(hù)?？傮w評(píng)分的預(yù)測(cè)也應(yīng)該依據(jù)u2來(lái)決定。

由上述兩個(gè)例子可以看出，雖然總體的評(píng)分在一定程度上表達(dá)了用戶(hù)的喜愛(ài)程度，但多屬性的評(píng)分更能體現(xiàn)用戶(hù)對(duì)不同方面的偏好，很好地解釋了用戶(hù)喜愛(ài)的理由，使得推薦結(jié)果更加精確。因此，本文將采用基于屬性特征的方式來(lái)對(duì)傳統(tǒng)協(xié)同過(guò)濾算法進(jìn)行改進(jìn)，以求能夠提升推薦的質(zhì)量，得到更多用戶(hù)的滿(mǎn)意評(píng)價(jià)。

3.2 改進(jìn)后的相似性度量方法

在合理評(píng)分的前提下，景點(diǎn)的總體評(píng)分與各屬性評(píng)分之間存在一定的關(guān)聯(lián)性?？傮w評(píng)分的高低是用戶(hù)對(duì)各屬性特征滿(mǎn)意程度的體現(xiàn)，如果用戶(hù)對(duì)各個(gè)方面都不是很滿(mǎn)意，那么對(duì)于整體印象就會(huì)大打折扣，評(píng)分就會(huì)較低。只有在各方面都滿(mǎn)意的前提下，整體才會(huì)得到高分。因此，研究通過(guò)景點(diǎn)的多屬性特征評(píng)分來(lái)代替?zhèn)鹘y(tǒng)單一的總體評(píng)分計(jì)算各用戶(hù)之間的相似度，最終使得最近鄰集合更加準(zhǔn)確，提高推薦算法的精度。

(3)

假設(shè)用戶(hù)u和用戶(hù)v共同評(píng)分過(guò)的景點(diǎn)數(shù)目表示為I(u,v)，則可用如下公式計(jì)算兩用戶(hù)間的總體距離，其數(shù)學(xué)公式可表示為：

(4)

距離和相似度之間存在反比關(guān)系，因此在使用距離來(lái)代表用戶(hù)間的相似性時(shí)，擬用以下公式進(jìn)行轉(zhuǎn)換，其數(shù)學(xué)公式可表示為：

(5)

上述方法基于屬性特征，用多屬性評(píng)分的方式來(lái)代替?zhèn)鹘y(tǒng)單一的總體評(píng)分，從而改變了傳統(tǒng)協(xié)同過(guò)濾算法在相似度方面的計(jì)算方式。在下一節(jié)，將通過(guò)旅評(píng)網(wǎng)上的評(píng)分?jǐn)?shù)據(jù)進(jìn)行實(shí)驗(yàn)分析，來(lái)評(píng)估這種改進(jìn)方式是否能對(duì)傳統(tǒng)協(xié)同過(guò)濾算法在計(jì)算精度上有所提高，提升推薦的質(zhì)量。

3.3 算法描述

基于屬性特征的協(xié)同過(guò)濾算法的流程描述如下。

輸入：多屬性用戶(hù)-景點(diǎn)評(píng)分矩陣R，最近鄰個(gè)數(shù)k

輸出：用戶(hù)u所對(duì)應(yīng)的Top-N推薦列表

(1)利用構(gòu)建好的多屬性用戶(hù)-景點(diǎn)評(píng)分矩陣R，依據(jù)公式(3)～(5)計(jì)算出用戶(hù)間的相似度sim(u,v) ，并取最為相似的k個(gè)用戶(hù)組成最近鄰集合Ku={u1,u2,...,uk}。

(2)根據(jù)最近鄰ku集合中相似用戶(hù)的數(shù)據(jù)，利用公式(2)計(jì)算出用戶(hù)u未評(píng)分景點(diǎn)i的預(yù)測(cè)評(píng)分值pu,i。

(3)將預(yù)測(cè)評(píng)分值進(jìn)行降序排列后，產(chǎn)生Top-N推薦列表給用戶(hù)進(jìn)行選擇。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 數(shù)據(jù)來(lái)源

實(shí)驗(yàn)中的數(shù)據(jù)取自“旅評(píng)網(wǎng)”。該網(wǎng)站用戶(hù)量充足，可提供足夠多的景點(diǎn)評(píng)分?jǐn)?shù)據(jù)。對(duì)于景點(diǎn)的評(píng)定，用戶(hù)可分別從“美麗”、“人文”、“休閑”、“刺激”、“特色”、“浪漫”六個(gè)屬性特征進(jìn)行評(píng)分，評(píng)分值區(qū)間為1-5分。采用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)采集了5 216名注冊(cè)用戶(hù)對(duì)3 260個(gè)景點(diǎn)的23 563條評(píng)分?jǐn)?shù)據(jù)，將數(shù)據(jù)分為訓(xùn)練集和測(cè)試集兩部分，其中80%為訓(xùn)練集，其余20%為測(cè)試集。用戶(hù)評(píng)分的數(shù)據(jù)片段見(jiàn)表4。

對(duì)表4中數(shù)據(jù)進(jìn)行預(yù)處理后，構(gòu)建多屬性特征用戶(hù)-景點(diǎn)評(píng)分矩陣。

表4 用戶(hù)評(píng)分?jǐn)?shù)據(jù)片段

4.2 評(píng)價(jià)指標(biāo)

本文采用平均絕對(duì)誤差MAE作為評(píng)判推薦結(jié)果優(yōu)劣的標(biāo)準(zhǔn)[6]。MAE值越小，表示該推薦算法的推薦質(zhì)量就越高，相應(yīng)的計(jì)算公式為：

(6)

其中，pi是用戶(hù)真實(shí)的評(píng)分值；qi為該算法所預(yù)測(cè)的評(píng)分值；N為預(yù)測(cè)評(píng)分的總條目數(shù)。

4.3 結(jié)果及分析

為了檢驗(yàn)本文所提出算法的實(shí)際推薦效果，將其與傳統(tǒng)協(xié)同過(guò)濾算法在同一數(shù)據(jù)集上進(jìn)行了比較，結(jié)果如圖1所示。

圖1 推薦算法精度比較圖

由圖1可知，本文算法在相同鄰居數(shù)目的條件下有著更小的MAE值，推薦性能顯著優(yōu)于傳統(tǒng)方法。

5 結(jié)束語(yǔ)

本文針對(duì)傳統(tǒng)協(xié)同過(guò)濾算法采用單一評(píng)分，導(dǎo)致相似度計(jì)算存在偏差，影響整個(gè)算法的精確性。提出了一種基于屬性特征的協(xié)同過(guò)濾算法并應(yīng)用于個(gè)性化旅游推薦中，以景點(diǎn)多屬性評(píng)分代替單一評(píng)分來(lái)計(jì)算用戶(hù)間的相似性。實(shí)驗(yàn)結(jié)果表明，本文算法能夠解決推薦精確度的問(wèn)題，使推薦的質(zhì)量得到了一定程度的提升。