基于協(xié)同過濾推薦的社交網(wǎng)絡(luò)行為推斷方法

王慧穎，王文樂

(1. 江西科技師范大學(xué)理工學(xué)院，江西 南昌 330100；2. 江西師范大學(xué)軟件學(xué)院，江西 南昌 330022)

1 引言

作為社會(huì)化媒體的關(guān)鍵平臺(tái)，社交網(wǎng)絡(luò)的應(yīng)用量一直呈大幅度上漲趨勢(shì)[1]，當(dāng)前的國(guó)內(nèi)社交網(wǎng)絡(luò)用戶數(shù)量總和已經(jīng)突破9億人次，且活躍用戶占據(jù)較大比例，其中，用戶主體多為影響力極大的高校學(xué)生、白領(lǐng)等社會(huì)群體。社交網(wǎng)絡(luò)的普及基于信息傳播技術(shù)的根本改變，轉(zhuǎn)變了人們生活、工作、交往以及思維的方式，并對(duì)社會(huì)的各行各業(yè)與人類發(fā)展產(chǎn)生了深遠(yuǎn)影響。社交網(wǎng)絡(luò)的用戶行為特征研究，既有助于營(yíng)銷推廣企業(yè)所提供的服務(wù)與產(chǎn)品，還為相關(guān)部門合理監(jiān)控、干預(yù)網(wǎng)絡(luò)輿論給予理論支撐。

文獻(xiàn)[2]圍繞人類動(dòng)力學(xué)研究視角，研究網(wǎng)絡(luò)輿論生態(tài)環(huán)境的構(gòu)建要素，對(duì)在線社交用戶信息傳播行為特征進(jìn)行了實(shí)證分析，為網(wǎng)絡(luò)輿情生態(tài)環(huán)境的完善提供參考，但是其推斷結(jié)果誤差較大。文獻(xiàn)[3]提出一種融合用戶信任關(guān)系及詞相關(guān)關(guān)系的詞特征重建方法，在新浪微博和Twitter的四組數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，取得較好的詞特征重建結(jié)果，但是在劃分用戶行為時(shí)參考指標(biāo)單一。文獻(xiàn)[4]構(gòu)建融合多源異構(gòu)數(shù)據(jù)混合推薦模型，取前N個(gè)商家推薦給用戶，利用機(jī)器學(xué)習(xí)方法，預(yù)測(cè)用戶對(duì)商家的評(píng)分并對(duì)商家進(jìn)行排序，依據(jù)排序結(jié)果，可更全面地反映用戶個(gè)人偏好，但是其計(jì)算量較大，推斷結(jié)果得不到保證。

對(duì)此，本文提出一種基于協(xié)同過濾推薦的社交網(wǎng)絡(luò)行為推斷方法，創(chuàng)新依據(jù)行為序列的時(shí)效影響者選擇、社交影響時(shí)效偏好選擇以及偏好領(lǐng)域內(nèi)時(shí)效物品選取，得到行為事件的發(fā)生概率，通過降序排列候選物品采集概率，完成社交網(wǎng)絡(luò)行為推斷。

2 協(xié)同過濾推薦方法

社交網(wǎng)絡(luò)推薦共分三種：標(biāo)簽推薦、人物推薦以及諸如視頻、新聞以及博客等內(nèi)容信息推薦。在用戶社交網(wǎng)絡(luò)信任關(guān)系的推薦里，將用戶間的社交網(wǎng)絡(luò)關(guān)系看成圖1所示的關(guān)系圖，框中為用戶，數(shù)字表示用戶間信任關(guān)系的強(qiáng)弱度，箭頭指代的是好友關(guān)注形式。

圖1 用戶社交網(wǎng)絡(luò)關(guān)系示意圖

根據(jù)圖1，依據(jù)社交網(wǎng)絡(luò)關(guān)系圖對(duì)用戶間的信任關(guān)系進(jìn)行估算，將所得信任值作為用戶相似度后，采用協(xié)同過濾法求取推薦結(jié)果。信任值估算方法的目的是推斷出源用戶對(duì)目標(biāo)用戶的信任值。

協(xié)同過濾推薦算法的核心理念為基于鄰近用戶間的交互信息，完成信任值的估算，采用加權(quán)平均法對(duì)非鄰域用戶間的信任值進(jìn)行遞歸運(yùn)算。通過轉(zhuǎn)換信任值為相似度，利用協(xié)同過濾理念實(shí)現(xiàn)最終推薦，信任用戶集合的協(xié)同過濾算法表達(dá)式如下所示

(1)

假設(shè)某社交網(wǎng)絡(luò)平臺(tái)的普通用戶集合為U，明星賬戶集合為C，則普通用戶對(duì)明星賬戶的關(guān)注數(shù)據(jù)，可以應(yīng)用下列表達(dá)式進(jìn)行描述

R=|U|×|C|

(2)

如果用戶u∈U，項(xiàng)目i∈C，評(píng)價(jià)矩陣為R，那么，用戶u對(duì)項(xiàng)目i的標(biāo)注表示為rui∈{-1，0，1}，其中，“-1”說明用戶u拒絕關(guān)注項(xiàng)目i，“0”表明用戶還未標(biāo)注過項(xiàng)目，“1”則表示用戶對(duì)項(xiàng)目已經(jīng)關(guān)注。已知社交網(wǎng)絡(luò)平臺(tái)的名人候選集合列表為L(zhǎng)，如下式所示

(3)

依據(jù)P(u，i)得到用戶u對(duì)項(xiàng)目i的偏好程度，通過偏好程度實(shí)施候選列表項(xiàng)目的排序，從中選取最高得分的前N個(gè)項(xiàng)目Su當(dāng)成用戶推薦。

依據(jù)一定的相似度模型對(duì)指定用戶鄰居集合進(jìn)行計(jì)算，以使噪音得到抑制，提升推薦準(zhǔn)確性，采取相似度加權(quán)平均鄰居集合的用戶標(biāo)注，推算出最終預(yù)測(cè)結(jié)果。用戶的社交網(wǎng)絡(luò)信息通常由內(nèi)容、社交關(guān)系網(wǎng)以及社交活動(dòng)構(gòu)成，利用線性融合方法結(jié)合三種信息，創(chuàng)建用戶相似度模型，表達(dá)式如下所示

social_sim(u，v)

=α*simc(u，v)+β*simn(u，v)+γ*simα(u，v)

(4)

式中，社交網(wǎng)絡(luò)內(nèi)容的用戶相似度為simc(u，v)，社交網(wǎng)絡(luò)關(guān)系的用戶相似度為simn(u，v)，社交網(wǎng)絡(luò)活動(dòng)的用戶相似度為simα(u，v)，相似度占據(jù)的對(duì)應(yīng)權(quán)值分別是α、β和γ。

1)社交網(wǎng)絡(luò)內(nèi)容相似度：在社交網(wǎng)絡(luò)平臺(tái)上抽取段時(shí)間內(nèi)關(guān)鍵詞[5]，進(jìn)行整合后得到一個(gè)字典W，若其中所含詞匯量是n，已知一個(gè)用戶u，則采用下列表達(dá)式表示該用戶的檔案矢量

profile(u)=〈vu(w1)，vu(w2)，…，vu(wn)〉

(5)

式中，wi∈W，用戶u檔案矢量?jī)?nèi)第i個(gè)關(guān)鍵詞的權(quán)值為vu(wi)，用于描述用戶u對(duì)wi的偏好程度。

關(guān)鍵詞處理過程中，詞匯重要程度的評(píng)估指標(biāo)為tfidf，即詞頻-反文檔頻率，一個(gè)詞在文件中出現(xiàn)的次數(shù)越多，重要性越強(qiáng)。通過下列各式完成詞頻-反文檔頻率指標(biāo)界定

(6)

(7)

Rtfidf(t，d，D)=tf(t，d)×idf(t，D)

(8)

式中，詞匯表示為t，文檔為d，詞匯t的反文檔頻率是Ridf(t，D)，詞匯t在文檔d里出現(xiàn)的次數(shù)，即初始頻率，為f(t，D)。

同理，采用詞頻-反用戶頻率(即tfiuf)評(píng)價(jià)用戶對(duì)關(guān)鍵詞的偏好程度，其界定公式如下所示

(9)

(10)

Rtfiuf(t，u，U)=Rtf(t，u)×Ridf(t，U)

(11)

式中，用戶發(fā)布的社交網(wǎng)絡(luò)內(nèi)容為d(u)，用戶集合為U，詞匯t在用戶u社交網(wǎng)絡(luò)內(nèi)容中的出現(xiàn)頻率為Rtf(t，u)，詞匯t反用戶頻率為Ridf(t，U)，詞匯t在d(u)內(nèi)的出現(xiàn)頻率為f(t，d(u))。

解得用戶檔案矢量的詞匯權(quán)值，通過各矢量間的余弦相似度[6]，評(píng)估用戶偏好相似度。下式所示為矢量V1與V2的余弦相似度

(12)

從而推導(dǎo)出下列用戶u與用戶a的偏好相似度表達(dá)式

simc(u，a)=cosine(profile(u)，profile(a))

(13)

2)社交關(guān)系網(wǎng)相似度：一般通過下列表達(dá)式對(duì)關(guān)系網(wǎng)的非對(duì)稱關(guān)系進(jìn)行描述：

(14)

3)社交網(wǎng)絡(luò)活動(dòng)相似度：依據(jù)提及、轉(zhuǎn)發(fā)以及評(píng)論三種交互形式的頻繁程度，衡量用戶間的偏好相似性。該相似度的構(gòu)建通過下列公式得以實(shí)現(xiàn)：

(15)

式中，與用戶u有過交互的用戶集合為Au，用戶之間提及、回復(fù)以及評(píng)論過的總次數(shù)分別為Pmenuv、Prepuv和Pcomuv。分母作為歸一化因子，指代的是用戶之間的交互次數(shù)極大值。

依據(jù)社交網(wǎng)絡(luò)信息與評(píng)價(jià)矩陣信息，架構(gòu)變權(quán)值杰卡德相似度模型與社交網(wǎng)絡(luò)信息用戶相似度模型，兩者所選的鄰居集合與控制閾值都各不相同。

已知待預(yù)測(cè)標(biāo)注rui，評(píng)價(jià)矩陣信息的鄰居選取由下列公式完成

Tu={v|v∈U∧rating_sim(u，v)>φ}

(16)

式中，評(píng)價(jià)矩陣信息鄰居集合為Tu，相似度閾值為φ，變權(quán)值的杰卡德相似度為rating_sim。

而社交網(wǎng)絡(luò)信息的鄰居選取則通過下列公式達(dá)成

Su={v|v∈U∧social·sim(u，v)>η}

(17)

式中，社交網(wǎng)絡(luò)信息鄰居集合為Su，相似度閾值為η，社交網(wǎng)絡(luò)信息用戶相似度為social_sim。在為活躍用戶提供推薦信息的過程中，評(píng)價(jià)矩陣信息密度將大幅度提升，降低了無法搜索鄰居集合的概率。

3 基于協(xié)同過濾推薦的社交網(wǎng)絡(luò)行為推斷方法

已知一次物品采集行為是B(U=u，V=v，A，t)，該事件中的行為序列A共含有以下三種潛在行為：

1)時(shí)效影響者選擇：對(duì)該事件的行為影響者f進(jìn)行選取，表示為aINF(u→f;t)；

()基于社交影響的時(shí)效偏好選擇：以影響者f的興趣偏好為參考標(biāo)準(zhǔn)，對(duì)某個(gè)喜好領(lǐng)域z實(shí)施選擇，該選取階段用aINT(f→z;t)表示；

3)偏好領(lǐng)域內(nèi)時(shí)效物品選?。涸谒x的喜好領(lǐng)域z里挑選一個(gè)物品v，標(biāo)記為aITM(z→v;t)。

因此，推導(dǎo)出下列用戶行為序列表達(dá)式

A=[aINF(u→f;t)，aINT(f→z;t)，aITM(z→v;t)]

(18)

假設(shè)Φ={Φα，Φβ，Φγ}為三種潛在行為相關(guān)的動(dòng)態(tài)偏好空間與行為推斷的參數(shù)集合[7-8]，則用戶u在t時(shí)刻對(duì)物品v進(jìn)行采集的行為產(chǎn)生概率如下

(19)

由于推斷階段的行為事件B為可見數(shù)據(jù)，而影響者f與偏好領(lǐng)域z均是不可見數(shù)據(jù)，所以，根據(jù)已知參數(shù)Φ，采用下列公式對(duì)行為事件B的對(duì)數(shù)似然函數(shù)進(jìn)行描述，依據(jù)已知的用戶u與時(shí)刻t，對(duì)一組候選物品集合進(jìn)行推導(dǎo)，得到V′?V，關(guān)于集合中的所有候選物品v∈V′，均通過下列公式完成該物品用戶采集概率的求解：

P(v|u;t，Φ)

(20)

按照降序?qū)⒂?jì)算得到的各候選物品采集概率進(jìn)行排列，生成采集可能性較高的物品集合，該集合即為發(fā)生可能性最大的用戶行為。

同理，可以得出時(shí)間段中行為發(fā)生概率。假定時(shí)間段[ts，te]的開始、結(jié)束時(shí)間分別是ts和te，那么，用戶u在[ts，te]時(shí)間段中物品采集行為的事件發(fā)生概率，采用下列計(jì)算公式求取

(21)

4 仿真研究

4.1 仿真環(huán)境

仿真環(huán)境的計(jì)算機(jī)配置為Windows10操作系統(tǒng)，8GB運(yùn)行內(nèi)存，英特爾酷睿i5-3579處理器，軟件部分采用Matlab R2012a版本。

測(cè)試集數(shù)據(jù)采集了1500個(gè)用戶的社交網(wǎng)絡(luò)信息，男女比例為4：6，單個(gè)用戶評(píng)論數(shù)量多達(dá)上萬條，少則幾十條，平均評(píng)論數(shù)量約為800條。

4.2 交互時(shí)間長(zhǎng)度

將1500個(gè)用戶的社交網(wǎng)絡(luò)信息分為30組，每組包括50個(gè)用戶，形成信息集，以此進(jìn)行交互時(shí)間長(zhǎng)度即用戶持續(xù)使用時(shí)間測(cè)試，測(cè)試結(jié)果如圖2所示。

圖2

由圖2可知，與其它方法相比，本文方法在不同的在線時(shí)間驗(yàn)證內(nèi)，可以有效擬合理想用戶持續(xù)使用時(shí)間，擬合程度高達(dá)92%，說明其減少監(jiān)控和統(tǒng)計(jì)過程的數(shù)據(jù)量計(jì)算，為社交網(wǎng)絡(luò)行為推斷提供便利。

4.3 精準(zhǔn)率與召回率

針對(duì)已知的用戶集U={(x1，y1)，…，(xm，ym)}，依據(jù)真實(shí)結(jié)果與學(xué)習(xí)器預(yù)測(cè)推斷結(jié)果，分類成TP、FP、TN以及FN四種情況，TP表示實(shí)際正確且推斷也正確的真正例，同理，F(xiàn)P、TN以及FN分別為假正例、真反例與假反例。

推斷方法的性能可以由精準(zhǔn)率P與召回率R兩個(gè)參數(shù)指標(biāo)進(jìn)行評(píng)估，表達(dá)式如下所示

(22)

(23)

將兩指標(biāo)融合得到F1度量方法，以提升評(píng)估準(zhǔn)確性，度量法公式如下

(24)

為了驗(yàn)證本文方法的有效性與適用性，分別采用文獻(xiàn)[2]、文獻(xiàn)[3]和文獻(xiàn)[4]方法與本文方法，對(duì)兩個(gè)不同的社交網(wǎng)絡(luò)平臺(tái)(微信和微博)用戶進(jìn)行行為推斷，得到各平臺(tái)對(duì)應(yīng)的推斷性能對(duì)比圖。

圖3 各平臺(tái)性能對(duì)比圖

通過圖3可以看出，其它文獻(xiàn)方法的度量系數(shù)較低，且增加幅度極小，相比之下，本文方法的度量系數(shù)平均在0.97左右，最低數(shù)值低于0.9，其它平臺(tái)都相對(duì)更高，最高數(shù)值甚至趨近于1。從兩種方法的度量系數(shù)曲線走勢(shì)能夠發(fā)現(xiàn)，本文方法始終有上升趨勢(shì)，且明顯高于傳統(tǒng)方法數(shù)值，性能優(yōu)勢(shì)顯著。

5 結(jié)論

1)架構(gòu)一種基于協(xié)同過濾推薦的社交網(wǎng)絡(luò)行為推斷方法。以社交網(wǎng)絡(luò)內(nèi)容、社交關(guān)系網(wǎng)以及社交網(wǎng)絡(luò)活動(dòng)的相似度模型，對(duì)候選物品的采集行為發(fā)生概率進(jìn)行計(jì)算，通過降序排序使用戶行為推斷得以實(shí)現(xiàn)。

2)通過所建簡(jiǎn)化用戶的社交網(wǎng)絡(luò)行為，生成物品采集行為事件，根據(jù)行為序列的時(shí)效影響者、時(shí)效偏好選擇和時(shí)效物品選取潛在行為，最終交互時(shí)間長(zhǎng)度與實(shí)際擬合度為92%。

3)該方法在微博和微信上的推斷性能得到驗(yàn)證，其度量系數(shù)平均在0.97左右，為后續(xù)研究奠定了夯實(shí)的理論基礎(chǔ)，具有重要的現(xiàn)實(shí)意義與實(shí)踐價(jià)值。