時間上下文優(yōu)化的協(xié)同過濾圖書推薦*

梁思怡，彭星亮，秦 斌，林偉明，胡振寧

0 導(dǎo)言

個性化圖書推薦是高校圖書館開展精準(zhǔn)服務(wù)、提升圖書使用效益的重要舉措。近十年來，越來越多的高校在重視經(jīng)典推薦、新書推薦和熱書推薦的同時，也開始重視挖掘圖書館自動化系統(tǒng)里蘊藏的讀者借閱行為數(shù)據(jù)，通過分析歷史借閱數(shù)據(jù)判斷讀者潛在的興趣和愛好，預(yù)測其未來可能借閱的圖書，有針對性地向讀者提供圖書列表，幫助讀者快速獲取有價值的圖書目錄。從文獻(xiàn)看，高校圖書館個性化圖書推薦服務(wù)主要面向?qū)W生群體，多數(shù)研究基于協(xié)同過濾技術(shù)(Collaborative Filtering，CF)，并針對評分?jǐn)?shù)據(jù)稀疏、閱讀興趣變化等問題改進(jìn)協(xié)同過濾經(jīng)典算法。這些研究雖然各有成效，但總體來說，高校圖書館關(guān)于個性化圖書推薦技術(shù)的研究和應(yīng)用還不深入，還有較大的提升空間。

本文以現(xiàn)有研究和實踐為基礎(chǔ)，分析協(xié)同過濾推薦技術(shù)在高校圖書館圖書推薦方面所面臨的場景和困難，提出一套基于時間上下文優(yōu)化協(xié)同過濾的算法ICBO UserCF(Interest Caputure-Based Optimization UserCF)，并利用深圳大學(xué)圖書館的實際借閱數(shù)據(jù)進(jìn)行驗證和比較。ICBO UserCF考慮了圖書推薦的三個要素，即讀者閱讀行為評分、時間上下文和內(nèi)容興趣變遷，分別構(gòu)建了閱讀興趣評分模型(Interest Rating Model，IRM)、時間衰減模型(Time Decay Model，TDM)和內(nèi)容興趣捕捉模型(Interest Capture Model，ICM)，其中IRM模型用于提煉用戶評分?jǐn)?shù)據(jù)，TDM和ICM模型用于緩解數(shù)據(jù)稀疏問題和捕捉用戶內(nèi)容興趣，更好地反映用戶興趣變化，提高推薦準(zhǔn)確度。

1 研究綜述

1.1 協(xié)同過濾算法簡述

協(xié)同過濾算法作為應(yīng)用最廣泛的推薦算法之一，能在用戶沒有明確表明需求的情況下，根據(jù)用戶行為向用戶推薦[1]，其中基于用戶的協(xié)同過濾(User-based CF，UserCF)算法適用于用戶數(shù)量較少的場合。高校圖書館館藏圖書數(shù)量一般在百萬冊以上，讀者數(shù)量相對較少，因此可選用UserCF作為個性化推薦的基礎(chǔ)模型。UserCF的原理是基于當(dāng)前用戶偏好信息(一般為評分)，通過相似度計算來尋找到其相似用戶(鄰居用戶)，然后將鄰居的偏好物品推薦給當(dāng)前用戶。UserCF的主要過程包括相似度計算、尋找最近鄰、評分預(yù)測和推薦TOP N。

(1)相似度計算。相似度計算是影響推薦算法性能的關(guān)鍵步驟。相似度計算方法多，其中余弦相似度算法最經(jīng)典，特別適用于數(shù)據(jù)稀疏情況，因此本文選用余弦相似度算法來計算用戶之間的相似度。對用戶u和v，余弦相似度計算方法見式(1)。

其中，Iu、Iv分別指用戶u、v的興趣集合，Iuv為用戶u、v的共同興趣集，rui、rvi分別為用戶u和v對項目i的評分。simuv值域為[0，1]，其值越大，證明兩者越相似。

(2)尋找最近鄰。尋找最近鄰常用的方法包括K最近鄰方法(K Nearest Neighbors，KNN)和閾值法。本文選用K最近鄰方法，取相似度最高的K位用戶作為當(dāng)前用戶的最近鄰。

(3)評分預(yù)測。在確定最近鄰后，根據(jù)鄰居集用戶已有的評分對目標(biāo)用戶未評分項(召回集)進(jìn)行預(yù)測評分。常用的計算方法如式(2)所示。

其中，r?ui指的是用戶u對未評分項i的預(yù)測評分，rvi指的是用戶v對項目i的評分，simuv為用戶u和v之間的相似度，Ni(u)指用戶u的鄰居集合。

1.2 高校館場景下協(xié)同過濾圖書推薦技術(shù)應(yīng)用

協(xié)同過濾技術(shù)在電子商務(wù)系統(tǒng)運用較為成功，電商可根據(jù)海量的訂單數(shù)據(jù)、商品評價數(shù)據(jù)有針對性地為潛在用戶推薦商品。高校圖書館圖書個性化推薦服務(wù)面臨著和電商推薦不同的場景，如學(xué)生更青睞數(shù)字資源和數(shù)字閱讀，紙質(zhì)圖書借閱量明顯下降；圖書流通系統(tǒng)缺少顯式反饋，讀者借閱興趣難以把握等。因此，運用協(xié)同過濾技術(shù)開展個性化圖書推薦面臨3個難題：(1)評分機制缺乏，難以捕捉讀者對借閱過圖書的真實興趣值；(2)借閱行為較少，存在“數(shù)據(jù)稀疏”和“冷啟動”問題，即：一方面，由于大多數(shù)用戶只對極少量的圖書有過借閱行為，使得形成的“用戶-圖書-評分”借閱矩陣中絕大多數(shù)數(shù)值為缺失值；另一方面，在新生入學(xué)或新書到館的情況下，存在無借閱行為的新用戶或者無被借閱過的新書籍，因而無法得知這些新用戶的喜好和新書籍的偏好群體；(3)閱讀興趣變遷，高校學(xué)生隨著年級提升其借閱興趣會發(fā)生較大變化。

針對以上問題，許多研究從不同角度探索改進(jìn)UserCF經(jīng)典算法并應(yīng)用于圖書推薦領(lǐng)域。比如，在缺乏顯式反饋的情況下，林曉霞等[2]通過借閱時長、借閱方式兩者之和構(gòu)建“用戶-圖書”評分矩陣。面對數(shù)據(jù)稀疏問題，宋楚平[3]利用讀者借閱方式、借閱時間對用戶評價矩陣進(jìn)行優(yōu)化，根據(jù)讀者特征及圖書特征進(jìn)行讀者相似度計算，在一定程度上豐富了矩陣數(shù)據(jù)。李澎林等[4]建立讀者興趣度模型來模擬讀者圖書偏好程度，并使用類型因子作為圖書相似性權(quán)重來填補興趣度矩陣中缺失的興趣度值。為解決興趣變遷問題，李杰等[5]考慮時間動態(tài)性和商品熱度系數(shù)，采用新的用戶興趣相似度計算方法，并利用亞馬遜圖書評分真實數(shù)據(jù)進(jìn)行測試和驗證。孫彥超等[6]引入用戶興趣隨時間的變化函數(shù)來修正用戶評價矩陣，提高了推薦準(zhǔn)確度。李丹等[7]在設(shè)計基于特征的讀者行為個性化推薦策略時，引入時間衰減因子，進(jìn)行不同相似度算法下查準(zhǔn)率、召回率的對比。這些研究從不同方面推進(jìn)了圖書推薦技術(shù)的應(yīng)用，具有參考價值。

1.3 基于現(xiàn)狀研究的改進(jìn)方案

本文根據(jù)高校圖書館流通服務(wù)場景，在分析圖書個性化推薦三要素和研究現(xiàn)有成果的基礎(chǔ)上，提出一套新的基于時間上下文優(yōu)化的協(xié)同過濾算法ICBO UserCF，從4 個方面改進(jìn)經(jīng)典UserCF技術(shù)的應(yīng)用，提升圖書推薦精準(zhǔn)度。

(1)改善評分辦法。多篇文獻(xiàn)以借閱時長作為主要因素衡量讀者對該書興趣度，這并不是非常合理的評分辦法，比如匆匆還書，可能因為根本不感興趣，也可能因為被圖書吸引而一口氣讀完；超期借閱，可能因為忘記了還書時間，也可能是抽不出時間去圖書館還書，甚至是“惡意”超期[8]。為證實以上看法，筆者對部分讀者和館員進(jìn)行了訪談，多數(shù)人認(rèn)為借閱時長可不作為閱讀興趣的指標(biāo)，而讀者借閱行為更具客觀性，可對不同借閱操作進(jìn)行細(xì)分，賦予不同權(quán)重值，構(gòu)建閱讀興趣IRM模型。這種基于借閱行為的評分辦法可減少借閱時長帶來的信息噪音，所產(chǎn)生的評分?jǐn)?shù)據(jù)更具真實度。

(2)優(yōu)化評分矩陣。為構(gòu)建更為合理的評分矩陣，可采用三種方法進(jìn)行優(yōu)化：①IRM模型運用網(wǎng)格搜索(Grid Search)方法，通過窮舉搜索以獲取最佳行為興趣參數(shù)，貼近用戶的真實興趣值。②采用興趣值標(biāo)準(zhǔn)化方法，消減評分?jǐn)?shù)值過大或過小所造成的“馬太效應(yīng)”影響，提高推薦精準(zhǔn)程度。③TDM模型基于時間上下文對評分矩陣進(jìn)行優(yōu)化，將讀者近期借閱的書籍興趣度評分賦予較高的權(quán)重值，對讀者較久遠(yuǎn)以前借閱圖書的興趣度評分進(jìn)行懲罰，反映興趣變遷情況。

(3)緩解數(shù)據(jù)稀疏現(xiàn)象。針對數(shù)據(jù)稀疏問題，根據(jù)前人研究并結(jié)合實地場景數(shù)據(jù)分析，采用興趣捕捉模型(ICM)來描述讀者對圖書內(nèi)容類型的偏好，通過中圖法相近類目對圖書進(jìn)行聚類，并采用“召回-排序”方式對結(jié)果進(jìn)行優(yōu)化，豐富了推薦模式，有效緩解數(shù)據(jù)稀疏問題，并進(jìn)一步提高推薦效果。

(4)創(chuàng)新時間衰減函數(shù)。相比其他引入圖書內(nèi)容興趣的研究，特別考慮了包含由于用戶興趣變化和物品生命周期等引起時間效應(yīng)的時間上下文信息，并基于時間上下文的內(nèi)容興趣變遷問題，借鑒了前人相關(guān)研究，構(gòu)造了一種新的時間衰減函數(shù)。基于該函數(shù)建立的TDM 模型和ICM 模型，可以更精準(zhǔn)地捕捉讀者當(dāng)前的閱讀興趣，產(chǎn)生更準(zhǔn)確的推薦列表。

2 基于時間上下文優(yōu)化的UserCF算法

結(jié)合前文關(guān)于高校圖書館場景下協(xié)同過濾算法的探討，本文對圖書個性化推薦的解決思路如下：在協(xié)同過濾的數(shù)據(jù)準(zhǔn)備階段，采用基于用戶借閱操作的IRM構(gòu)建評分矩陣，解決了高校圖書館評分缺失問題；在推薦召回階段，采用TDM對IRM生成的評分矩陣進(jìn)行優(yōu)化，即針對時間效應(yīng)特性對較久遠(yuǎn)的書籍評分進(jìn)行弱化，捕捉用戶近期偏好；在推薦排序階段，采用ICM對召回結(jié)果進(jìn)行精排序，增加近期喜好的圖書類別特征，應(yīng)對興趣變遷影響，并在一定程度上降低了數(shù)據(jù)稀疏度。三個模型以串聯(lián)的方式一步步疊加，根本目的是為了更加貼近用戶喜好，提高推薦效果。優(yōu)化后的UserCF算法稱之為ICBO UserCF算法，具體流程見圖1。

圖1 ICBO UserCF流程圖

2.1 閱讀興趣評分模型

協(xié)同過濾算法基于“用戶-項目-評分”來進(jìn)行推薦，但高校圖書館普遍未組織圖書評分活動。為解決評分缺失問題，可通過圖書借閱數(shù)據(jù)的分析，構(gòu)建基于讀者“借閱”“續(xù)借”及“預(yù)約”行為的興趣評分模型，包含興趣值計算規(guī)則及標(biāo)準(zhǔn)化函數(shù)設(shè)計。

(1)閱讀興趣值計算規(guī)則設(shè)計。讀者“借閱”“續(xù)借”和“預(yù)約”三種借書行為源于用戶自身操作需要，代表著讀者對某種圖書不同程度的閱讀興趣，因此IRM 選用這三種讀者行為并賦予相應(yīng)興趣值，再進(jìn)行轉(zhuǎn)化得到“用戶-項目-評分”矩陣。多數(shù)研究[2-4]對不同的借閱行為賦予固定的興趣值，忽略了不同行為的興趣差別。IRM 則對不同讀者行為進(jìn)行細(xì)分，并賦予不同的權(quán)值，如“首次借閱”是所有借閱行為中頻率最高的，可設(shè)置為興趣基準(zhǔn)值；“借過再借”表達(dá)了對該圖書有重讀一遍的興致；“網(wǎng)上續(xù)借”表示愿意花更多的時間去閱讀；“借預(yù)約書”意味著終于等到心儀的圖書；“未借預(yù)約”說明興趣已過。在實際處理中，為使評分矩陣分值分布盡可能處于業(yè)界常用的[0，5]分布區(qū)間，將“首次借閱(? u，1)”的興趣值valu，1定義為1.5，其它借閱操作的興趣度值(? u，2-? u，5)與首次借閱的興趣值(? u，1)關(guān)系見表1。通過設(shè)置不同借閱行為的權(quán)值系數(shù)，優(yōu)化了興趣值計算方案，提高了評分的客觀性。

表1 興趣值計算方案

其中，curNum代表讀者已借閱該圖書次數(shù)。a1、a2、a3、a4分別表示相關(guān)借閱行為的興趣系數(shù)，通過網(wǎng)格搜索方法可推算出各系數(shù)最優(yōu)的取值。

綜上，讀者u對圖書i的興趣度總值S?u，i通過? u，1-?u，5對無權(quán)重求和得出，表達(dá)式見式(3)。

(2)興趣值標(biāo)準(zhǔn)化。按照式(3)的計算規(guī)則，如果一個讀者多次“借過再借”同一本書，那么對這本書的借閱興趣值必然會大于5，而超出所期望的[0，5]分布區(qū)間，這樣不利于使用余弦相似度算法計算讀者之間的相似度，因此需引入受限Tanh函數(shù)對S ? u，i進(jìn)行標(biāo)準(zhǔn)化，興趣值標(biāo)準(zhǔn)化函數(shù)表達(dá)式見式(4)。借鑒Tanh函數(shù)的原因在于其具備獨特的數(shù)學(xué)性質(zhì)，具體的表現(xiàn)為[0，+∞]在區(qū)間內(nèi)一階導(dǎo)數(shù)恒大于零、二階導(dǎo)數(shù)恒小于零、且取值范圍為[0，1)。Tanh 函數(shù)的表達(dá)式如式(5)，其在[0，+∞]的取值范圍見式(6)(7)。

式(4)中，p(x)的x值即為興趣總值S ? u，i，參數(shù)α為評分上限，參數(shù)β用于調(diào)控p(x)增速。根據(jù)鏈?zhǔn)角髮?dǎo)法則可知，當(dāng)α，β都取正值時，p(x)具備與Tanh函數(shù)相同的一二階導(dǎo)數(shù)性質(zhì)，即α，β只影響p(x)一二級導(dǎo)數(shù)的值的大小，不影響其正負(fù)，故而該興趣值標(biāo)準(zhǔn)化函數(shù)可達(dá)到數(shù)值標(biāo)準(zhǔn)化的需求。為保證興趣標(biāo)準(zhǔn)化后評分在[0，α]取值區(qū)間內(nèi)能有一個較好的區(qū)分度，需尋找適合的α，β值。p(x)函數(shù)在不同α，β值下的函數(shù)走勢見圖2。由圖2(a-d)可知，p(x)隨著用戶興趣值x的增大而增大，并逐漸趨向于α 值，同時p(n+1)與p(n)的差值隨著n的增大而逐漸變小，且其變小的速度隨著β的增大而減小。

圖2 p(x)函數(shù)在不同α、 β 值下的函數(shù)走勢

為使用戶評分值處于[0，5]的取值區(qū)間，設(shè)置p(x)的α 為5。同時在觀察圖2中p(x)函數(shù)在不同α、β值下的函數(shù)走勢后，為使標(biāo)準(zhǔn)化后的興趣值區(qū)分度較好，將參數(shù)β設(shè)置為4。此時，當(dāng)兩個讀者對某書籍的興趣值為較大值時(比如7與8)，模型認(rèn)為這兩位用戶對此書的興趣度都較高，但是興趣度相差不會很大(標(biāo)準(zhǔn)化后的興趣值分別為4.7與4.8，逼近評分上限值5)，而當(dāng)兩位讀者對同一本書的興趣值為較小值(如2與3)時，模型則會認(rèn)為這兩位讀者對該書的興趣值相差較大(標(biāo)準(zhǔn)化后的興趣值分別為2.3與3.1)。此時標(biāo)準(zhǔn)化函數(shù)如式(8)所示、標(biāo)準(zhǔn)化函數(shù)的走勢可見圖2(c)。

綜上所述，通過IRM得到“用戶-圖書-評分矩陣”，計算步驟見表2。

表2 IRM計算步驟

2.2 時間衰減模型

時間衰減模型的提出主要是源于研究場景中用戶借閱行為軌跡易發(fā)生變遷這一特點，通過對興趣評分模型生成的“用戶-圖書-評分”矩陣進(jìn)行優(yōu)化，將讀者近期借閱的圖書賦予更高的評分值，同時在評分值上對讀者較久遠(yuǎn)借閱的圖書進(jìn)行懲罰。經(jīng)典的時間衰減函數(shù)的表達(dá)式見式(9)。

其中，α 表示時間衰減因子；T表示當(dāng)前時間；t表示圖書被借閱的時間；T-t表示時間差，單位為天。時間衰減因子α決定著f(t)的衰減速率，f(t)隨著時間差的增長而減小，取值范圍為[0-1]。

除經(jīng)典的時間衰減函數(shù)，學(xué)者們還提出了許多其他形式的時間衰減函數(shù)。比如，有學(xué)者[9]提出線性時間衰減函數(shù)，但這種線性衰減特性與人類遺忘特性不符，不太適用于該場景。有些學(xué)者[6，10-11]提出以e或其他常數(shù)為底的指數(shù)型時間衰減函數(shù)，與式(9)類似，呈現(xiàn)了非線性特征，具有較好的興趣變遷表征能力。借鑒上述成果，構(gòu)造了新的非線性時間衰減函數(shù)，記作RETD(Ratio Exponential Time-Decay Function)，其表達(dá)式見式(10)。基于RETD的模型記作TDM-RETD，表達(dá)式見式(11)。

其中，Tui指的是在當(dāng)前借閱記錄中用戶u對圖書i操作的最后時間，rui指的是用戶u對圖書i的興趣評分，T1表示測試集起始日期，T0表示借閱記錄中所有用戶最早借閱日期。α 為時間衰減因子，用于控制f(Tui)隨-(T1-T0)/(T1-Tui)值遞減時的衰減速度，bias為偏置量，用于防止出現(xiàn)T1-Tui=0算術(shù)運算錯誤，在計算時會設(shè)置為一個非常小的值。

由于f(Tui，rui)中的rui在實際計算時為一常量，因此f(Tui，rui)的走勢可通過分析f(Tui)完成。由于bias為非常小的偏置項，當(dāng)Tui趨向于T0時，T1-Tui近似等于T1-Tui+bias，故而在式(10)中以e為底的指數(shù)項可近似等于-1/α。當(dāng)Tui趨向于T1時，-(T1-T0)/(α×(T1-Tui+bias))趨向于負(fù)無窮，故而式(10)結(jié)果趨向于1。綜上，f(Tui)及f(Tui，rui)的取值范圍求解見式(12)(13)(14)(15)。

對f(Tui)進(jìn)行分析后，易知整個模型的衰減速度主要受α與T1-T0的取值影響，其中T1-T0在訓(xùn)練集及測試集選定好時便可確定，α 則需要根據(jù)T1-T0值與T1-Tui取值范圍來選定。在實際使用時，可以采用網(wǎng)格搜索來獲得α的最佳取值。

2.3 內(nèi)容興趣捕捉模型

對經(jīng)典UserCF來說，對召回集項目的評分預(yù)測后，取評分最高的N個項目即完成推薦。高校圖書館場景下存在用戶借閱行為較少、用戶-項目矩陣稀疏且借閱興趣隨時間變化產(chǎn)生較大波動等問題，會造成UserCF推薦列表不夠精準(zhǔn)現(xiàn)象。為解決該問題，ICBO UserCF借鑒研究[12-13]成果，構(gòu)建內(nèi)容捕捉模型ICM，表達(dá)式見式(16)。在TDM-RETD基礎(chǔ)上，ICM對召回集按照圖書分類號進(jìn)行精排序，按分類號最細(xì)一級進(jìn)行內(nèi)容聚類，對召回集重構(gòu)評分矩陣，降低了數(shù)據(jù)稀疏度。同時ICM加入時間衰減函數(shù)，應(yīng)對興趣變遷影響。經(jīng)過ICM優(yōu)化處理后的召回集，大大提高了推薦列表TOP N的準(zhǔn)確性。

式(16)與式(11)在表達(dá)形式上基本相同，最大的不同是式(11)中f(Tui，ruij)的Tui指的是用戶u借閱某本圖書i的時間，rui指的是用戶u借閱某本圖書i的興趣評分值。式(11)中R(Tui，ruij)的Tui指的是用戶u借閱某個圖書類別i的最后時間，ruij指的是用戶u對召回項目中i類圖書j的預(yù)測評分值，式(11)其它T1、T0、α、bias四個參數(shù)的意義與式(11)中的一致。

綜上所述，ICBO UserCF算法計算步驟見表3，輸入“用戶-圖書-評分矩陣”R1由上文IRM得出。

表3 ICBO UserCF算法計算步驟

3 實驗結(jié)果及分析

3.1 數(shù)據(jù)集

實驗數(shù)據(jù)來源于深圳大學(xué)圖書館2017級學(xué)生2017-2019年2年間的借閱日志，包括讀者借閱記錄表和讀者預(yù)約記錄表，涉及字段見表4。實驗將數(shù)據(jù)切分為訓(xùn)練集與測試集，訓(xùn)練集用于分析讀者行為并給出推薦結(jié)果，測試集用于驗證訓(xùn)練集推薦結(jié)果的準(zhǔn)確度。訓(xùn)練集包括2017年9月6 日至2019 年5 月31 日之間的讀者行為記錄，涉及讀者4，286人、圖書34，419冊、借閱事務(wù)總計51，637次。測試集包括2019年6月1-30日產(chǎn)生的借閱記錄，涉及讀者892人、圖書2，341冊，借閱事務(wù)總計2，595次。

表4 借閱日志字段

3.2 實驗設(shè)計

實驗以UserCF算法為基準(zhǔn)，用戶相似度計算方法采用式(1)的余弦相似度計算法、尋找最近鄰使用K最近鄰法(K值不設(shè)上線)、預(yù)測評分采用式2的加權(quán)計算法。實驗內(nèi)容主要包括設(shè)定模型參數(shù)和驗證模型性能。首先采用網(wǎng)格檢索方法，根據(jù)推薦F值來尋找和確定最優(yōu)參數(shù)值，然后通過兩組實驗對模型各要素及RETD時間衰減函數(shù)的有效性和性能進(jìn)行驗證。

第一組實驗是驗證本文提出的ICBO UserCF算法所涉及到的IRM、TDM和ICM三個模型的性能。第二組實驗是對比RETD時間衰減函數(shù)的性能優(yōu)勢，具體實驗設(shè)計如下：將推薦書目N設(shè)定為20，根據(jù)表3的計算步驟，將TDM和ICM模型中的RETD函數(shù)替換為經(jīng)典時間衰減函數(shù)(common)，即在其他條件不變的情況下將式(11)和式(16)中f(Tui)的變?yōu)槭?9)的經(jīng)典時間衰減函數(shù)。

計數(shù)統(tǒng)計法計算用戶評分矩陣的方法如下：記讀者對某圖書的“借閱次數(shù)”為num1、“續(xù)借次數(shù)”為num2、“預(yù)約次數(shù)”為num3，則用戶對該圖書的評分值val如式(17)。

為評估算法性能，采用準(zhǔn)確率(Precision)、召回率(Recall)、F值(F-Measure)和覆蓋度(Coverage)來評估算法的推薦效果，詳見式(18)(19)(20)(21)：

其中，U代表用戶集合，I代表書目集合，R(u)代表根據(jù)用戶在訓(xùn)練集上的行為給用戶做出的推薦列表，T(u)代表用戶在測試集上的行為列表。由于準(zhǔn)確率和召回率是既矛盾又統(tǒng)一的兩個指標(biāo)，而F值將準(zhǔn)確率和召回率進(jìn)行了加權(quán)調(diào)和平均，能夠綜合評定準(zhǔn)確率和召回率的效果。

3.3 實驗過程與結(jié)果分析

3.3.1 模型參數(shù)設(shè)定

模型參數(shù)主要包括IRM中各行為興趣值權(quán)重和TDM、ICM中RETD函數(shù)α值。

基于IRM計算評分矩陣的方法及步驟見表2。IRM 涉及到的興趣系數(shù)α1、α2、α3、α4的取值，通過網(wǎng)格檢索方法并經(jīng)過多次實驗后發(fā)現(xiàn)，當(dāng)α1、α2、α3、α4分別取值為0.7、0.4、1.2、0.4時，采用UserCF 算法計算出來的推薦結(jié)果最佳。通過該結(jié)果，可以猜想興趣系數(shù)可能與時間成本和讀者借閱心理需求相關(guān)，在其他條件相同的情況下，“借預(yù)約書”代表這本書對讀者具有一定的價值，對圖書的了解程度也相對最深，值得用戶經(jīng)過長時間等待依然愿意借閱該書，故而興趣系數(shù)最大，“借過再借”其次，而“預(yù)約未借”和“網(wǎng)上續(xù)借”僅需在線上操作即可，所以興趣值權(quán)重最小。

基于RETD函數(shù)的TDM和ICM具體的方法及步驟見表3，分類號可從讀者借閱記錄表中的“callno”字段取出。在涉及到的TDM和ICM公式中，參數(shù)T1-T0由訓(xùn)練集起止時間算出為881，偏置量bias取一較小值0.001。兩者的α 值則由網(wǎng)格檢索求出。實驗中設(shè)TDM 的α 值為α1，ICM的α值為α2。經(jīng)過多次試驗，實驗將檢索范圍設(shè)定在[6，18]，步長為2，觀察不同α 值對應(yīng)Top5～30(步長為5)推薦F值總值情況，最終選定衰減參數(shù)α1取值為16，α2為6。此時TDM 和ICM 的表達(dá)式見式(22)(23)，對應(yīng)RETD 函數(shù)走勢見圖3。由結(jié)果看出，在α1＞α2情況下的推薦效果較優(yōu)，表明相較于讀者對某本書的興趣度流失速度，讀者對于圖書類別的興趣度流失速度要慢得多，且基本是以年為轉(zhuǎn)折，這預(yù)示著高校學(xué)生隨著年級增長，涉獵的圖書類別會有較大差異，但同年級期間學(xué)生對于圖書類別的興趣變化幅度稍小。

圖3 α1=16、α2=6時f(Tui)的函數(shù)圖像

3.3.2 模型性能驗證

為驗證基于行為評分、時間上下文和內(nèi)容興趣要素疊加改進(jìn)而成的ICBO UserCF算法以及RETD時間衰減函數(shù)的有效性，按照實驗設(shè)計，進(jìn)行兩組實驗。

第一組實驗以基于計數(shù)統(tǒng)計法構(gòu)建評分矩陣的UserCF 算法作為基準(zhǔn)，記為“USERCF@計數(shù)統(tǒng)計法”；以基于IRM 模型構(gòu)建評分矩陣的UserCF算法，記為“USERCF@IRM”；在IRM基礎(chǔ)上加入基于RETD函數(shù)的TDM模型優(yōu)化評分矩陣的UserCF 算法，記為“USERCF@IRM_TDM-RETD”；在通過TDM-RETD模型優(yōu)化評分矩陣得到召回集的基礎(chǔ)上，運用ICM模型對召回結(jié)果進(jìn)行排序得到的UserCF算法，為本文最終提出的算法，記為“ICBO UserCF”。最終通過實驗，分別得到當(dāng)推薦書目N為5、10、20、30時的推薦列表，推薦效果對比結(jié)果見表5。

表5 ICBO UserCF算法性能評估

由表5看出，在為測試集用戶推薦5～30本書籍時，ICBO UserCF算法在準(zhǔn)確率、召回率、F值、覆蓋度均有所提升，驗證了有效性：(1)驗證了行為評分模型IRM的有效性。由表5可知，基于IRM 的UserCF 相較于計數(shù)統(tǒng)計法F值提升0.41%～0.51%，覆蓋度提升2.03%～9.64%，說明IRM更接近于用戶的真實興趣值，更具客觀性且推薦書目覆蓋更廣。(2)驗證了時間上下文模型TDM的有效性。在IRM基礎(chǔ)上疊加TDM-RETD，相比于只有IRM 的F值提升1.99%～2.92%，覆蓋度提升0.69%～1.27%，表明用戶的借閱興趣存在時間效應(yīng)，加入TDM能有效捕捉用戶的近期興趣。(3)驗證了內(nèi)容興趣模型ICM的有效性。在前兩者的基礎(chǔ)上加入ICM，F(xiàn)值相比單引入TDM-RETD和IRM優(yōu)化提升了1.66%～2.26%，相較最初基于計數(shù)統(tǒng)計法的UserCF提升了4.16%～5.62%，其中Top5的F值提升增幅最高，達(dá)141%。由此說明，ICM模型使算法性能有顯著的提升效果，能體現(xiàn)高校圖書館場景下讀者興趣變遷的特性。因此，ICBO UserCF算法可有效地基于時間上下文捕捉用戶的借閱興趣，達(dá)到提高推薦效果的目的。

第二組實驗為驗證本文提出的RETD時間衰減函數(shù)有效性，將RETD函數(shù)與經(jīng)典的時間衰減函數(shù)做對比，觀察兩者的推薦效果，結(jié)果見表6。由表6看出，使用RETD時間衰減模型進(jìn)行推薦時，推薦準(zhǔn)確率、召回率和F值均有一定程度的提升。因此，RETD相較于經(jīng)典的時間衰減函數(shù)具有一定的優(yōu)勢。

表6 RETD有效性驗證

4 結(jié)論和展望

ICBO UserCF針對高校圖書館應(yīng)用UserCF開展個性化圖書推薦面臨的評分?jǐn)?shù)據(jù)缺乏問題，以借閱行為構(gòu)建IRM模型，評分機制具有客觀性和普適性；提出新的時間衰減函數(shù)RETD，應(yīng)用于TDM和ICM模型，對解決興趣變遷、數(shù)據(jù)稀疏等問題有明顯幫助，優(yōu)化了UserCF算法。在推薦相同數(shù)量的圖書時，相比傳統(tǒng)的協(xié)同過濾算法和經(jīng)典時間衰減函數(shù)，ICBO UserCF的準(zhǔn)確率、召回率和F值均有較顯著的提升。不足之處在于，一方面ICBO UserCF 和多數(shù)研究一樣，僅僅在已有的數(shù)據(jù)集進(jìn)行了測試，推薦效果并沒有在實際應(yīng)用中得到驗證。另外，雖然ICM興趣捕捉模型豐富了評分矩陣的數(shù)據(jù)，但用戶冷啟動和數(shù)據(jù)稀疏問題依然存在，影響了推薦效果。另一方面，本研究為實現(xiàn)高校圖書館的個性化推薦服務(wù)，主要針對推薦F值進(jìn)行了探究，而在推薦多樣性、新穎性和驚喜度方面沒有進(jìn)行探索，在實際推薦中，若僅針對用戶過去的喜好推薦圖書，可能會陷入“信息繭房”困境，故在實際上線推薦應(yīng)用時，可加入部分經(jīng)典推薦、新書推薦和熱書推薦欄目，增加推薦的多樣性。

關(guān)于ICBO UserCF 的深化研究計劃包括3個方面。首先是推廣應(yīng)用，將通過“我的圖書館”向?qū)W生進(jìn)行個性化TOP N圖書推薦，根據(jù)實際借書行為和讀者調(diào)查反饋情況來評估算法的準(zhǔn)確性，并改進(jìn)算法，提高實用能力。其次是加強對讀者及行為的研究，根據(jù)高校的特點，對學(xué)生按專業(yè)、年級、性別等特征進(jìn)行個別或團(tuán)體的畫像，將用戶畫像技術(shù)應(yīng)用于ICBO UserCF中，嘗試解決新生冷啟動問題；同時設(shè)立借閱評價功能，鼓勵學(xué)生對閱讀的圖書進(jìn)行評價，建立顯式評分機制。最后是深入研究圖書本身，通過內(nèi)容分析，建立館藏圖書和本科專業(yè)、博碩士學(xué)科點之間的有機聯(lián)系；通過使用分析，區(qū)分某種書或某類書的熱門或冷門程度等?？傊?，要在研究讀者和圖書的基礎(chǔ)上，不斷優(yōu)化ICBO UserCF，提升基于用戶的協(xié)同過濾圖書推薦技術(shù)的準(zhǔn)確性和實用性，提高圖書館的精準(zhǔn)服務(wù)水平。