基于社會(huì)媒體挖掘的推薦系統(tǒng)

摘要：隨著互聯(lián)網(wǎng)的出現(xiàn)，大數(shù)據(jù)時(shí)代迅速發(fā)展，用戶(hù)在上網(wǎng)的過(guò)程中可以滿(mǎn)足對(duì)各類(lèi)信息檢索的需要。但隨著網(wǎng)絡(luò)技術(shù)不斷發(fā)展，信息數(shù)據(jù)量日益龐大，信息超載的現(xiàn)象隨之而來(lái)。推薦系統(tǒng)通過(guò)統(tǒng)計(jì)分析用戶(hù)的歷史瀏覽記錄挖掘用戶(hù)在不同情況下的喜好，從數(shù)據(jù)庫(kù)中檢索與其匹配的內(nèi)容，將相關(guān)內(nèi)容推薦給用戶(hù)，這是減少信息超載現(xiàn)象出現(xiàn)的高效辦法。本文介紹了推薦系統(tǒng)后運(yùn)用的各類(lèi)推薦算法，將算法的原理及優(yōu)缺點(diǎn)進(jìn)行了相關(guān)的闡述和解析。

關(guān)鍵詞：推薦系統(tǒng);推薦算法;信息過(guò)濾;個(gè)性化推薦

中圖分類(lèi)號(hào)：TP391.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-9129（2020）06-0080-01

Abstract：withtheemergenceoftheInternetandtherapiddevelopmentofbigdataera，userscanmeettheneedsofvariousinformationretrievalintheprocessofsurfingtheInternet.However，withthecontinuousdevelopmentofnetworktechnology，theamountofinformationdataisincreasing，andthephenomenonofinformationoverloadfollows.Recommendationsystemthroughstatisticalanalysisofusers'historicalbrowsingrecords，miningusers'preferencesindifferentsituations，retrievingthematchingcontentfromthedatabase，andrecommendingtherelevantcontenttousers，whichisanefficientwaytoreducethephenomenonofinformationoverload.Thispaperintroducesthevariousrecommendationalgorithmsusedaftertherecommendationsystem，andexpoundsandanalyzestheprinciples，advantagesanddisadvantagesofthealgorithms.

Keywords：recommendationsystem;recommendationalgorithm;informationfiltering;personalizedrecommendation

1推薦系統(tǒng)及其作用

在網(wǎng)頁(yè)上，很容易檢索到關(guān)于推薦系統(tǒng)的解釋?zhuān)菏且环N可以根據(jù)用戶(hù)喜好將各類(lèi)實(shí)物推薦給使用者的應(yīng)用。推薦系統(tǒng)根據(jù)用戶(hù)歷史瀏覽的記錄，通過(guò)各類(lèi)推薦算法，得出相應(yīng)的用戶(hù)評(píng)價(jià)矩陣，利用機(jī)器學(xué)習(xí)所生成的算法產(chǎn)生針對(duì)某一用戶(hù)的個(gè)性化推薦內(nèi)容，并適時(shí)根據(jù)用戶(hù)最終點(diǎn)擊量調(diào)整推薦商品，從而使結(jié)果與用戶(hù)喜好更加貼合。使得購(gòu)物網(wǎng)站可以將商品精準(zhǔn)推薦給購(gòu)物者，提高商品的銷(xiāo)售量，有助于用戶(hù)快速找到適合自己的商品。

推薦系統(tǒng)具有以下表現(xiàn)形式：（1）用戶(hù)在對(duì)應(yīng)網(wǎng)站的檢索框輸入自己的檢索需求，推薦系統(tǒng)根據(jù)輸入關(guān)鍵詞產(chǎn)生推薦結(jié)果;（2）用戶(hù)在將意向購(gòu)置商品加入收藏夾或者購(gòu)物車(chē)后，推薦系統(tǒng)在數(shù)據(jù)庫(kù)中自動(dòng)匹配同種類(lèi)的商品并將其推薦給用戶(hù);（3）用戶(hù)在網(wǎng)站注冊(cè)登錄后，推薦系統(tǒng)利用電子郵件等通訊方式將用戶(hù)可能喜好的商品信息發(fā)送給用戶(hù);（4）用戶(hù)瀏覽一件商品后，推薦系統(tǒng)將其他用戶(hù)對(duì)同件商品的等級(jí)評(píng)語(yǔ)推薦給用戶(hù)，以供用戶(hù)進(jìn)行多角度選擇。

推薦系統(tǒng)的數(shù)據(jù)分類(lèi)有兩種：顯式分類(lèi)根據(jù)用戶(hù)的收藏，評(píng)價(jià)等，精準(zhǔn)表現(xiàn)用戶(hù)對(duì)產(chǎn)品的愛(ài)好程度;隱式分類(lèi)根據(jù)對(duì)用戶(hù)歷史瀏覽頁(yè)面，網(wǎng)頁(yè)停留時(shí)間，對(duì)商品查看次數(shù)的分析，得出用戶(hù)喜好的推薦。

2推薦系統(tǒng)背后的各類(lèi)推薦算法

基于內(nèi)容的推薦是針對(duì)信息過(guò)濾而實(shí)現(xiàn)的延續(xù)和發(fā)展，不需要利用每一個(gè)用戶(hù)對(duì)產(chǎn)品的評(píng)論觀點(diǎn)，而是通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練的算法，從各類(lèi)信息內(nèi)容中提取特征，描述事例，得出用戶(hù)的興趣喜好。基于內(nèi)容的推薦是對(duì)已有信息過(guò)濾技術(shù)的一種延續(xù)，這種推薦方法不需要研究每個(gè)用戶(hù)對(duì)商品的評(píng)價(jià)和態(tài)度，只需要根據(jù)產(chǎn)品的各類(lèi)信息來(lái)進(jìn)行計(jì)算，用機(jī)器學(xué)習(xí)的方法從研究結(jié)果中找到用戶(hù)的樂(lè)趣愛(ài)好。在這種推薦方法中，機(jī)器學(xué)習(xí)的方法很大程度上決定了最終得出的用戶(hù)喜好模型，經(jīng)常使用的有決策樹(shù)、神經(jīng)網(wǎng)絡(luò)和基于向量的表示方法等。但是，基于內(nèi)容的推薦需要內(nèi)容具有一些易分辨的特征，整體上有較合適的結(jié)構(gòu)性，用戶(hù)樂(lè)趣喜好可以用一些特征形式表現(xiàn)出來(lái)。

協(xié)同過(guò)濾推薦是目前推薦系統(tǒng)中應(yīng)用比較普遍的技術(shù)，通過(guò)分析用戶(hù)的歷史瀏覽記錄來(lái)計(jì)算得出用戶(hù)之間的距離，將最近的鄰居用戶(hù)對(duì)商品的喜好評(píng)分進(jìn)行加權(quán)計(jì)算，從而產(chǎn)生預(yù)測(cè)結(jié)果并將其推薦給其他用戶(hù)。這種過(guò)濾技術(shù)不需要對(duì)推薦對(duì)象做出要求，推薦系統(tǒng)自動(dòng)從用戶(hù)歷史行為中得出推薦內(nèi)容，不需要用戶(hù)對(duì)其進(jìn)行配合，較為簡(jiǎn)單方便。這種方法可以篩選出機(jī)器難以自動(dòng)進(jìn)行分析的一些信息，比如說(shuō)文化，書(shū)法等;可以共享其他用戶(hù)的經(jīng)驗(yàn)，使得內(nèi)容分析更加精確;可以精準(zhǔn)根據(jù)其他用戶(hù)對(duì)某一商品最終是否選擇購(gòu)買(mǎi)的行為，提高推薦內(nèi)容的精準(zhǔn)性和可靠性;能夠檢測(cè)到內(nèi)容中完全不會(huì)匹配的信息，具有推薦新信息的能力。盡管協(xié)同過(guò)濾這種過(guò)濾方法是一種典型且目前較為成功應(yīng)用的推薦技術(shù)，但稀疏問(wèn)題和可擴(kuò)展問(wèn)題仍然有待進(jìn)一步解決。

基于關(guān)聯(lián)規(guī)則的推薦是對(duì)不同種類(lèi)，甚至看上去毫無(wú)聯(lián)系商品之間的關(guān)聯(lián)規(guī)則進(jìn)行挖掘，尋找出不同商品在用戶(hù)實(shí)際瀏覽或購(gòu)買(mǎi)過(guò)程中的相關(guān)性，即在購(gòu)買(mǎi)商品A的人中，統(tǒng)計(jì)購(gòu)買(mǎi)商品B的人的比例，例如在超市統(tǒng)計(jì)購(gòu)買(mǎi)紙尿褲的人中，有多少人會(huì)去購(gòu)買(mǎi)啤酒。目前看來(lái)，關(guān)聯(lián)規(guī)則的尋找和商品名稱(chēng)同義性仍然是有待提升的難點(diǎn)。

基于效用的推薦是由推薦系統(tǒng)首先為用戶(hù)產(chǎn)生一個(gè)效用函數(shù)，函數(shù)對(duì)用戶(hù)實(shí)際消費(fèi)過(guò)程中的效用和用戶(hù)最終購(gòu)買(mǎi)的商品組合形成比例數(shù)據(jù)關(guān)系，從而衡量用戶(hù)在推薦內(nèi)容中獲得滿(mǎn)足感的程度，從而展現(xiàn)推薦的精準(zhǔn)程度。這個(gè)效用函數(shù)用來(lái)決定針對(duì)用戶(hù)推薦商品的推薦算法模型，效用函數(shù)的確定是效用推薦技術(shù)的一個(gè)核心問(wèn)題。采用這種推薦方法的優(yōu)點(diǎn)是可以將一些非產(chǎn)品的屬性，例如提供商的可靠性以及商品的可得性等難以估量的屬性考慮到效用計(jì)算中。

由于上述介紹的各類(lèi)推薦方法都存在其優(yōu)缺點(diǎn)，在實(shí)際算法中，我們常希望將各類(lèi)推薦算法的優(yōu)點(diǎn)進(jìn)行匯集，缺點(diǎn)進(jìn)行避免，也就產(chǎn)生了組合推薦的推薦方法。推薦系統(tǒng)背后所使用的推薦方法多種多樣，各種算法的組合形式更是不計(jì)其數(shù)，但在實(shí)際情況中，各類(lèi)組合方法在運(yùn)用中并不一定全部有效，我們通常將基于內(nèi)容的推薦和協(xié)同過(guò)濾推薦兩種方法進(jìn)行組合，產(chǎn)生合理準(zhǔn)確的推薦預(yù)測(cè)結(jié)果。

3結(jié)語(yǔ)

當(dāng)前，大數(shù)據(jù)時(shí)代迅速發(fā)展，為減少信息增益，科研人員對(duì)推薦系統(tǒng)的研究逐步深入，推薦技術(shù)也取得了一定的發(fā)展成果。推薦系統(tǒng)通過(guò)統(tǒng)計(jì)分析用戶(hù)檢索瀏覽過(guò)的信息，用戶(hù)的歷史記錄，挖掘用戶(hù)在不同情況下的喜好，將相關(guān)內(nèi)容推薦給用戶(hù)，為用戶(hù)帶來(lái)了極大的方便。以上對(duì)推薦系統(tǒng)的各類(lèi)推薦方法作了全方位的論述和多視角的分析。近年來(lái)，推薦系統(tǒng)在理論的深入和實(shí)際運(yùn)用都有了極大程度上的飛躍，但很多問(wèn)題還有待我們進(jìn)一步去探索。在未來(lái)，推薦系統(tǒng)會(huì)給我們的購(gòu)物及生活方式帶來(lái)極大的便利，其發(fā)展前景充滿(mǎn)希望。

參考文獻(xiàn)：

[1]Liu，Huan.Communitydetectionandmininginsocialmedia[M].

[2]李濤.推薦系統(tǒng)中若干關(guān)鍵問(wèn)題研究[D].南京航空航天大學(xué)，2009.

[3]JannachD，ZankerM.推薦系統(tǒng)[M].9787115310699.人民郵電出版社，2013.

[4]王國(guó)霞，劉賀平.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（7）：66-76.

作者簡(jiǎn)介：劉昕雨，女，漢族，1999年生，山西大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院本科在讀。