基于標(biāo)簽的在線學(xué)習(xí)資源推薦算法

文 謐，朱木清

（1 廣州應(yīng)用科技學(xué)院 廣州，511370；2 廣東工業(yè)大學(xué)華立學(xué)院，廣州 511325）

0 引言

在線學(xué)習(xí)為人們提供了一個(gè)靈活、便捷的學(xué)習(xí)方式，是傳統(tǒng)課堂學(xué)習(xí)之外獲取知識的最重要途徑。在線學(xué)習(xí)平臺可以給用戶提供優(yōu)質(zhì)的教育資源，滿足用戶個(gè)性化學(xué)習(xí)的需求，深受廣大學(xué)習(xí)者歡迎。然而，隨著在線學(xué)習(xí)課程資源的不斷豐富，互聯(lián)網(wǎng)學(xué)習(xí)資源信息過載問題，導(dǎo)致用戶從在線學(xué)習(xí)平臺的大量資源中找到需要的、滿意的學(xué)習(xí)資源非常困難。

目前，使用搜索引擎可以解決部分信息過載需求，但搜索結(jié)果較局限、無區(qū)別化。推薦系統(tǒng)通過分析和計(jì)算用戶的興趣模型，發(fā)現(xiàn)用戶難以表達(dá)的需求，更好滿足用戶全面的需求。可較好地解決如何準(zhǔn)確提供在線學(xué)習(xí)資源的問題。

用戶可以用標(biāo)簽標(biāo)注自己感興趣、關(guān)注或需求的學(xué)習(xí)資源［1］。這些標(biāo)簽作為用戶的元數(shù)據(jù)，為個(gè)性化推薦系統(tǒng)提供了十分重要的數(shù)據(jù)基礎(chǔ)。

1 基于標(biāo)簽的資源推薦算法

用戶與學(xué)習(xí)資源通過標(biāo)簽建立強(qiáng)聯(lián)系，基于標(biāo)簽的推薦可以更加個(gè)性化［2］。同時(shí)，針對推薦結(jié)果僅考慮相似性問題，提供結(jié)合知識圖譜技術(shù)進(jìn)一步拓展推薦結(jié)果，以滿足進(jìn)階等學(xué)習(xí)特點(diǎn)。

1.1 推薦算法基本思想

基于標(biāo)簽的學(xué)習(xí)資源推薦算法分為5 個(gè)環(huán)節(jié)：

（1）根據(jù)用戶標(biāo)簽建立用戶模型，計(jì)算用戶間學(xué)習(xí)偏好相似性并修正，找到最近的用戶鄰居。

（2）將最近鄰居的標(biāo)簽和用戶的標(biāo)簽對比，通過計(jì)算獲得與最近鄰居相關(guān)度大并且與用戶相關(guān)度小的價(jià)值標(biāo)簽。

（3）計(jì)算被價(jià)值標(biāo)簽標(biāo)注的權(quán)重高且與用戶暫無相關(guān)的資源，得到第一階段推薦結(jié)果。

（4）采用基于內(nèi)容的過濾方法，根據(jù)用戶學(xué)習(xí)偏好標(biāo)簽，對第一階段推薦結(jié)果進(jìn)行再次過濾，過濾掉無價(jià)值的學(xué)習(xí)資源，得到第二階段推薦結(jié)果。

（5）根據(jù)知識圖譜的關(guān)系，計(jì)算與第二階段推薦結(jié)果最相關(guān)的知識資源，兩者混合作為最終推薦結(jié)果。

推薦模型如圖1 所示。

圖1 基于標(biāo)簽的推薦系統(tǒng)模型Fig.1 Recommendation system model based on tags

1.2 用戶建模

在線學(xué)習(xí)資源推薦系統(tǒng)，要能夠向用戶提供個(gè)性化、準(zhǔn)確和高效的推薦結(jié)果，首先要獲取用戶全面的資源標(biāo)注信息，建立一個(gè)準(zhǔn)確的用戶模型。用戶模型的準(zhǔn)確性主要包括兩方面：準(zhǔn)確描述用戶需求偏好和區(qū)分用戶［3］。推薦系統(tǒng)將根據(jù)用戶模型，更好地完成推薦任務(wù)。

標(biāo)簽是用戶附加在資源上的關(guān)鍵詞，利用TFIDF 度量每個(gè)標(biāo)簽，再進(jìn)行用戶相似性計(jì)算，可以平衡熱門標(biāo)簽的權(quán)重，提高推薦結(jié)果的新穎性。

標(biāo)簽T對用戶U的權(quán)重用W（T，U）表示，采用TF－IDF 平衡熱門標(biāo)簽的權(quán)重。

其中，ni，j是標(biāo)簽Ti在用戶Uj中的使用次數(shù)，分母則是在用戶Uj中所有標(biāo)簽的使用次數(shù)和。計(jì)算每個(gè)標(biāo)簽對用戶的權(quán)重可以得到用戶與標(biāo)簽的權(quán)重?cái)?shù)據(jù)。

1.3 推薦對象建模模塊

標(biāo)簽是用來描述信息的關(guān)鍵詞，其特點(diǎn)為無層次結(jié)構(gòu)。學(xué)習(xí)資源等對象模型和用戶的需求偏好模型都可以采用標(biāo)簽的向量空間表示進(jìn)行描述。標(biāo)簽對學(xué)習(xí)資源的重要性也采用TF－IDF 表示，相應(yīng)模型如下所示。

1.4 推薦算法模塊

1.4.1 協(xié)同過濾推薦

完成用戶建模和推薦資源建模后，就可以對用戶間的相似程度，以及學(xué)習(xí)資源間的相似程度進(jìn)行計(jì)算。采取與用戶對推薦對象的標(biāo)簽平均權(quán)重差值方法，可以在一定程度上解決原方法中不同用戶可能有不同的標(biāo)簽權(quán)重問題。用Ii，j表示用戶i和用戶j共同使用的標(biāo)簽集合。Ii表示用戶i使用的標(biāo)簽集合，Ij表示用戶j使用的標(biāo)簽集合，則用戶i和用戶j之間的相似程度sim(i，j) 如式（6）所示：

其中，Wt，i表示用戶i使用的標(biāo)簽權(quán)重，分別表表示用戶i與用戶j使用的標(biāo)簽平均權(quán)重。

通過相似度度量方法計(jì)算出用戶之間的相似性后，可從用戶的鄰居中選擇與用戶相似性最高的那些鄰居。設(shè)用戶u的最近鄰居集合U?，記為：

1.4.2 基于內(nèi)容的推薦

根據(jù)用戶學(xué)習(xí)偏好標(biāo)簽，采用基于內(nèi)容的推薦方法，對第一階段推薦結(jié)果進(jìn)行過濾，過濾掉用戶不感興趣的學(xué)習(xí)資源，得到中間推薦結(jié)果。

過濾用戶不需要的學(xué)習(xí)資源方法，是在建模基礎(chǔ)上，計(jì)算中間推薦資源與用戶學(xué)習(xí)標(biāo)簽向量的相似性，得到第二階段推薦結(jié)果。計(jì)算公式如下：

其中，sim（i，j）是計(jì)算中間推薦結(jié)果的標(biāo)簽向量與用戶的興趣資源標(biāo)簽向量相似性的函數(shù)，而R?則是基于相似性的推薦結(jié)果。

1.4.3 混合推薦策略

在相似性推薦結(jié)果的基礎(chǔ)上，根據(jù)學(xué)科領(lǐng)域知識圖譜的邊權(quán)重大小，計(jì)算與相似性推薦結(jié)果資源最相關(guān)的知識資源，混合兩者作為最終推薦結(jié)果。例如：計(jì)算機(jī)學(xué)科課程知識圖譜的示意如圖2所示［4］。

圖2 計(jì)算機(jī)領(lǐng)域知識圖譜實(shí)例Fig.2 Examples of knowledge graphs in the computer domain

在圖2 中，“數(shù)據(jù)結(jié)構(gòu)”與“算法基礎(chǔ)”的邊權(quán)重相比“軟件工程”與“數(shù)據(jù)結(jié)構(gòu)”的邊權(quán)重大，說明“數(shù)據(jù)結(jié)構(gòu)”與“算法基礎(chǔ)”的相關(guān)度更高。對“數(shù)據(jù)結(jié)構(gòu)”學(xué)習(xí)資源感興趣的用戶，很可能也需要最相關(guān)的“算法基礎(chǔ)”學(xué)習(xí)資源。因此，將最相關(guān)的資源和R?混合推薦給用戶，使得推薦結(jié)果既有相似性又有擴(kuò)展性，更好滿足用戶需求。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文實(shí)驗(yàn)采用的數(shù)據(jù)集為Goodbooks－10k 和Delicious。首先，對于數(shù)據(jù)集的噪聲數(shù)據(jù)進(jìn)行預(yù)處理，刪除數(shù)據(jù)不完全的記錄和標(biāo)簽數(shù)較少的用戶數(shù)據(jù)，保證實(shí)驗(yàn)數(shù)據(jù)的合理性。

2.2 實(shí)驗(yàn)設(shè)計(jì)

基于以上實(shí)驗(yàn)數(shù)據(jù)，驗(yàn)證本文提出的基于標(biāo)簽的混合推薦算法是否更有效，結(jié)果對比協(xié)同過濾推薦算法。通過平均絕對誤差、平均平方誤差和標(biāo)準(zhǔn)平均誤差等典型指標(biāo)對準(zhǔn)確度進(jìn)行衡量［5］。

推薦資源對象列表中，用戶需要的標(biāo)簽與系統(tǒng)中用戶標(biāo)注的所有標(biāo)簽的比例，計(jì)算方法如式（10）所示。

推薦資源對象列表中，用戶需要的標(biāo)簽和所有被推薦標(biāo)簽的比例，計(jì)算方法如式（11）所示。

基于上述兩項(xiàng)計(jì)算，進(jìn)而計(jì)算推薦效率.計(jì)算方法如式（12）所示。

其中，Nrs為推薦列表中用戶需要的標(biāo)簽個(gè)數(shù)；Nr為用戶標(biāo)注的所有標(biāo)簽的個(gè)數(shù)；Ns為所有被推薦標(biāo)簽的個(gè)數(shù)。

2.3 實(shí)驗(yàn)結(jié)果分析

對兩個(gè)推薦算法進(jìn)行了運(yùn)算，并計(jì)算其準(zhǔn)確率以及推薦效率。采用本文提出的方法，基于標(biāo)簽進(jìn)行系列計(jì)算后，再根據(jù)知識圖譜的關(guān)系計(jì)算與相似性推薦結(jié)果最相關(guān)的知識資源，混合兩者作為最終推薦結(jié)果。兩個(gè)推薦算法的準(zhǔn)確率和推薦效率見表1，數(shù)據(jù)對應(yīng)曲線分別如圖3、圖4 所示。

圖4 推薦算法recall 比較Fig.4 Comparison of recommended algorithms recall

表1 不同推薦列表長度的數(shù)據(jù)參數(shù)Tab.1 Data parameters of different recommended list lengths

圖3 推薦算法的precision 比較Fig.3 Comparison of precision of recommended algorithms

由實(shí)驗(yàn)結(jié)果可以看出，基于標(biāo)簽的混合推薦算法具有較高的準(zhǔn)確率和召回率。由于進(jìn)行了平衡權(quán)重并修正，且結(jié)合知識圖譜完善推薦資源，使得計(jì)算結(jié)果更加準(zhǔn)確和全面。

3 結(jié)束語

推薦系統(tǒng)已經(jīng)成為有效解決信息嚴(yán)重過載問題的工具，而每種推薦方法各有優(yōu)缺點(diǎn)，將多種方法綜合起來使用，是推薦在線學(xué)習(xí)資源的一條有效的途徑。本文提出了一種基于標(biāo)簽內(nèi)容的推薦算法，采用TF－IDF 平衡熱門標(biāo)簽的權(quán)重，采用修正的余弦函數(shù)的弦相似性計(jì)算用戶與用戶之間的相似性、資源與資源之間的相似性，結(jié)合知識圖譜技術(shù)讓推薦結(jié)果在相似的基礎(chǔ)上增加擴(kuò)展性，滿足進(jìn)階學(xué)習(xí)特點(diǎn)，使其在準(zhǔn)確率和推薦效率上優(yōu)于傳統(tǒng)的協(xié)同過濾推薦算法，為解決同類問題提供了較強(qiáng)的參考意義。復(fù)雜網(wǎng)絡(luò)理論同協(xié)同推薦存在契合點(diǎn)，利用復(fù)雜網(wǎng)絡(luò)理論進(jìn)行推薦也是進(jìn)一步研究的方向。