基于用戶群體興趣變化的個(gè)性化推薦算法研究

徐健雄，何先波，何清玉

(西華師范大學(xué) a.計(jì)算機(jī)學(xué)院，b.地理科學(xué)學(xué)院，四川 南充 637009)

推薦系統(tǒng)自誕生起就受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。對(duì)于購(gòu)物網(wǎng)站和視頻網(wǎng)站而言，推薦系統(tǒng)能否根據(jù)用戶的喜好進(jìn)行個(gè)性化推薦，會(huì)在很大程度上影響公司的收益。早在2003年，亞馬遜購(gòu)物網(wǎng)站應(yīng)用Lindan等設(shè)計(jì)的基于物品的協(xié)同過(guò)濾算法，將其銷售額提升了30%。因此，捕捉用戶喜好對(duì)于推薦系統(tǒng)而言至關(guān)重要。

早期，基于用戶的協(xié)同過(guò)濾算法[1]和基于物品的協(xié)同過(guò)濾算法[2]應(yīng)用較廣泛，它們能很好地利用用戶和物品間的聯(lián)系實(shí)現(xiàn)推薦，但這些算法的構(gòu)建不夠靈活。而后基于矩陣分解的推薦算法[3]可使推薦系統(tǒng)的構(gòu)造變得更加靈活便捷，但卻難以解決數(shù)據(jù)稀疏性問(wèn)題，且不夠個(gè)性化。為了解決上述問(wèn)題，基于馬爾科夫鏈的推薦算法[4-5]被提出，該算法能一定程度捕捉用戶的興趣變化。但利用馬爾科夫鏈為每一用戶隨著時(shí)間構(gòu)建轉(zhuǎn)移矩陣，會(huì)使工作量和成本變得難以負(fù)擔(dān)。深度學(xué)習(xí)的方法，如Wide & Deep[6]，能很好地?cái)M合用戶的興趣特征，并能將更多維的用戶特征信息組合起來(lái)，但卻難以捕捉用戶的喜好變化。受益于Attention網(wǎng)絡(luò)在自然語(yǔ)言處理等領(lǐng)域的出色效果[7]，利用Attention網(wǎng)絡(luò)捕捉用戶興趣偏好的方式被廣泛應(yīng)用于推薦系統(tǒng)中，如DIN[8]、DSIN[9]等，但其開銷往往較大。

用戶個(gè)體的喜好往往是不斷變化和難以捕捉的，但用戶群體的喜好變化則穩(wěn)定得多。如男性和女性兩個(gè)群體，不但可以從過(guò)往兩個(gè)群體的信息中得到其對(duì)運(yùn)動(dòng)、電影一類話題不同的關(guān)注度，還可以根據(jù)奧運(yùn)會(huì)、奧斯卡和一些其他的新聞事件預(yù)測(cè)兩個(gè)群體接下來(lái)一段時(shí)間更有可能關(guān)注的話題。為此，本文構(gòu)建了一種基于用戶群體興趣變化的個(gè)性化推薦算法，該算法利用馬爾科夫鏈、K均值聚類和多層神經(jīng)網(wǎng)絡(luò)的方式來(lái)捕捉用戶群體的興趣變化，并據(jù)此對(duì)用戶進(jìn)行個(gè)性化推薦。通過(guò)在MovieLens數(shù)據(jù)集上同多個(gè)流行算法的對(duì)比試驗(yàn)表明，本文提出的算法在多個(gè)評(píng)價(jià)指標(biāo)上優(yōu)于對(duì)比算法。

1 相關(guān)工作

1.1 個(gè)性化推薦算法

非個(gè)性化推薦算法往往利用物品的流行度對(duì)用戶進(jìn)行推薦，如一些電影網(wǎng)站根據(jù)電影的觀看量多少給用戶推送；而個(gè)性化推薦算法，則通過(guò)捕捉用戶的興趣偏好進(jìn)行推薦，用戶的興趣偏好不但包括他的歷史行為記錄，還和其基本信息等相聯(lián)系。除了各種協(xié)同過(guò)濾算法外，越來(lái)越多的深度學(xué)習(xí)算法被用來(lái)捕捉用戶的興趣偏好，進(jìn)行個(gè)性化推薦，如DeepFM[10]、NCF[11]等。DeepFM通過(guò)構(gòu)建線性和非線性的兩個(gè)部分，同時(shí)學(xué)習(xí)用戶高階和低階的興趣特征，之后通過(guò)多層神經(jīng)網(wǎng)絡(luò)將兩部分特征組合，聯(lián)合訓(xùn)練出最后的結(jié)果。NCF則通過(guò)將用戶的歷史行為信息分為長(zhǎng)期和短期兩個(gè)部分進(jìn)行學(xué)習(xí)，利用矩陣分解和多層神經(jīng)網(wǎng)絡(luò)的方式模擬用戶兩個(gè)不同時(shí)期的興趣變化，最后利用多層神經(jīng)網(wǎng)絡(luò)將兩部分結(jié)合在一起，訓(xùn)練出最后的結(jié)果。

多層神經(jīng)網(wǎng)絡(luò)在上述算法中得到了廣泛的應(yīng)用，本文將利用多層神經(jīng)網(wǎng)絡(luò)的方法來(lái)捕捉用戶的興趣變化，其優(yōu)秀的記憶能力和擬合能力，能有效學(xué)習(xí)用戶的興趣特征，且具有開銷小、運(yùn)行快的優(yōu)點(diǎn)。

1.2 用戶群體喜好和用戶喜好的聯(lián)系

單個(gè)用戶的喜好和其所在群體的喜好有很大的關(guān)聯(lián)。如對(duì)于大學(xué)生群體而言，向其推送兼職、考研一類的信息往往能得到回應(yīng)，而向其推送房產(chǎn)、養(yǎng)老一類的信息則難以得到回復(fù)。一些基于聚類的推薦算法一定程度上利用了這種聯(lián)系，如將用戶和物品分為不同類別，通過(guò)類別間聯(lián)系進(jìn)行推薦的Coculstering[12]算法，但該算法難以捕捉用戶群體的興趣變化。對(duì)于用戶群體而言，他們的喜好隨著時(shí)間變化。如對(duì)男性群體而言，在世界杯期間，整個(gè)群體關(guān)注世界杯相關(guān)新聞的比重上升；而在世界杯結(jié)束后，其他類別的新聞?dòng)謺?huì)重新占據(jù)男性群體更多的關(guān)注。本文利用聚類的方式將用戶劃分為不同的群體，并利用馬爾科夫鏈的方式捕捉不同用戶群體喜好的變化。

2 基于用戶群體興趣變化的個(gè)性化推薦算法

2.1 總體架構(gòu)

相對(duì)于用戶的興趣變化，用戶群體的興趣變化更加容易捕捉和有跡可循。通過(guò)捕捉用戶群體的興趣變化，可以更好地對(duì)用戶進(jìn)行推薦。為此本文提出了一種基于用戶群體興趣變化的個(gè)性化推薦算法。

設(shè)U={u1,u2,…,un}為用戶集合，I={i1,i2,…,in}為物品集合。首先使用用戶的所有基本信息，利用K均值聚類算法將用戶劃分為k個(gè)用戶群體，之后劃分T個(gè)時(shí)段，用馬爾科夫鏈的方式得到不同的用戶群體在不同時(shí)段上對(duì)每個(gè)物品的點(diǎn)擊概率β。之后利用多層神經(jīng)網(wǎng)絡(luò)的方法，得到用戶對(duì)每個(gè)物品的點(diǎn)擊概率p，讓兩個(gè)點(diǎn)擊概率p與β相加，得到用戶對(duì)每個(gè)物品最終的點(diǎn)擊概率pfinal，最后按照這個(gè)概率的高低排序，取前N個(gè)最高點(diǎn)擊概率且用戶未交互過(guò)的物品，作為最終的用戶推薦列表。

2.2 用K均值聚類算法劃分用戶群體

用戶群體的劃分對(duì)于基于用戶群體興趣變化的個(gè)性化推薦算法至關(guān)重要。簡(jiǎn)單地按照用戶的某一項(xiàng)信息(如性別或年齡)劃分用戶群體，不但不能很好地利用用戶的其他信息，而且劃分的結(jié)果也過(guò)于寬泛。如豆瓣網(wǎng)上的用戶對(duì)電影的評(píng)分和其觀影數(shù)量就呈現(xiàn)明顯的正態(tài)分布，如果簡(jiǎn)單地將所有看電影多的人劃分為電影愛(ài)好者一個(gè)群體，那么，毫無(wú)疑問(wèn)會(huì)造成推薦系統(tǒng)性能的缺失。為此，本算法引入K均值聚類算法進(jìn)行用戶群體的劃分。該算法適用于事先不知道具體劃分多少類別數(shù)的問(wèn)題，且在數(shù)據(jù)量較大的時(shí)候收斂速度快，效果良好，利用用戶的所有基本信息，將用戶劃分為k個(gè)用戶群體。

(1)

(2)

利用式(1)，可以找到第k類用戶群體Gk的聚類質(zhì)心ek，將得到的質(zhì)心ek帶入到式(2)中，可以計(jì)算出每一個(gè)用戶u距不同用戶群體質(zhì)心ek的距離，從而將用戶分配到離其最近的用戶群體，之后隨著每次訓(xùn)練，不斷更新這兩個(gè)公式，可以將每一個(gè)用戶分配到最適合的用戶群體中去。

為了衡量將用戶劃分為多少個(gè)用戶群體合適，引入CH(Calinski-Harabaz Index)和輪廓系數(shù)(Silhouette Coefficient)來(lái)衡量最佳的用戶群體數(shù)k。

(3)

(4)

式(3)中s(k)代表CH的計(jì)算結(jié)果，tr代表矩陣的跡，Bk是類別間的協(xié)方差矩陣，Wk是類別內(nèi)部協(xié)方差矩陣。CH代表用戶與其所在用戶群體的分離度與緊密度的比值，其值越大，代表每一個(gè)用戶群體自身越緊密，用戶群體之間差別越明顯，聚類效果越好。式(4)中s代表輪廓系數(shù)的計(jì)算結(jié)果，a代表了用戶群體內(nèi)部用戶與其他用戶的平均距離，b代表用戶群體內(nèi)部用戶到最相鄰的不同用戶間的平均距離。輪廓系數(shù)值越大，代表聚類效果越好。通過(guò)使用這兩個(gè)指標(biāo)，可以衡量得出用戶群體最合適的劃分?jǐn)?shù)k。如表1所示，對(duì)于MovieLens數(shù)據(jù)集，取CH與輪廓系數(shù)皆不為負(fù)且最大時(shí)的k值為最合適的用戶群體劃分?jǐn)?shù)，因此取k=8。

表1 MovieLens數(shù)據(jù)集上，不同k下的CH與輪廓系數(shù)值

2.3 馬爾科夫鏈模擬用戶群體喜好變化

本算法采用馬爾科夫鏈的方式來(lái)模擬這種用戶群體的喜好變化。將所有訓(xùn)練集的數(shù)據(jù)按照時(shí)間先后順序劃分為等長(zhǎng)的T個(gè)時(shí)段，為了避免數(shù)據(jù)過(guò)于稀疏和時(shí)間劃分跨度過(guò)大，導(dǎo)致馬爾科夫鏈的學(xué)習(xí)變的不準(zhǔn)確，這里按照月份將訓(xùn)練數(shù)據(jù)集進(jìn)行劃分，將某些數(shù)據(jù)量十分少的月份的數(shù)據(jù)等比例并入其上一個(gè)月和下一個(gè)月的數(shù)據(jù)中去。記錄每個(gè)用戶群體Gk對(duì)不同物品i在時(shí)段T上的交互信息，存在與物品i交互的記做1，未交互的記做0，如圖1所示。

對(duì)于一個(gè)用戶群體G，假設(shè)其在t1，t2，t3時(shí)刻上，對(duì)物品i1，i2，i3的點(diǎn)擊概率如圖2矩陣1所示，從矩陣1中可以得到用戶群體G在t1->t2時(shí)刻存在(i1，i2，i3)->(i2，i3)，在t2->t3時(shí)刻存在(i2，i3)->(i1，i2)。則對(duì)于用戶群體G，上一時(shí)刻選了i2下一時(shí)刻選擇i1的概率為0.5(存在(i2，i3)->(i1，i2))，選擇i2的概率為1(存在(i1，i2，i3)->(i2，i3)，(i2，i3)->(i1，i2))，選擇i3的概率為0.5(存在(i1，i2，i3)->(i2，i3))，從而可以構(gòu)建如圖2的矩陣2。

進(jìn)一步可以由圖2矩陣2得到下一個(gè)未知時(shí)刻t4時(shí)，用戶群體G選擇i1的可能性為0.25=0.5*0+0.5*0.5(存在(i1，i2)->(i1))。則對(duì)于T=n，可以由公式(5)得到用戶群體G對(duì)下一時(shí)刻交互物品i的預(yù)測(cè)概率β，t代表不同的時(shí)段。

(5)

2.4 多層神經(jīng)網(wǎng)絡(luò)進(jìn)行用戶建模

本算法利用多層神經(jīng)網(wǎng)絡(luò)的方式，進(jìn)行用戶建模，得到用戶對(duì)所有未交互商品的點(diǎn)擊概率。其建模結(jié)構(gòu)如圖3所示。將用戶特征和物品特征嵌入多維的Embedding層，通過(guò)將Embedding層提取的用戶特征和物品相互連接，作為多層網(wǎng)絡(luò)的輸入，從而擬合出用戶對(duì)未交互商品的預(yù)測(cè)點(diǎn)擊概率p。整個(gè)結(jié)構(gòu)嵌套四層網(wǎng)絡(luò)，每一層網(wǎng)絡(luò)使用relu作為激活函數(shù)。

(6)

其中，σ是最后輸出層的激活函數(shù)softmax，hn代表整個(gè)網(wǎng)絡(luò)的隱藏層狀態(tài)，w和b為多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)。整個(gè)網(wǎng)絡(luò)利用交叉熵?fù)p失作為損失函數(shù)，如公式(7)所示，逐個(gè)帶入真實(shí)值y和預(yù)測(cè)值p進(jìn)行計(jì)算，從而可以衡量出每次預(yù)測(cè)結(jié)果的好壞，并由此更新整個(gè)網(wǎng)絡(luò)。

(7)

2.5 構(gòu)建用戶的推薦列表

將通過(guò)馬爾科夫鏈方式得到的用戶群體對(duì)未交互商品的預(yù)測(cè)點(diǎn)擊概率β，與多層神經(jīng)網(wǎng)絡(luò)得到的用戶對(duì)未交互商品的預(yù)測(cè)點(diǎn)擊概率p相加，從而可以得到最終用戶對(duì)未交互商品的點(diǎn)擊概率pfinal。公式為：

pfinal=p+β。

(8)

這種結(jié)合方式耗資源少，且能保留更多的信息。通過(guò)將用戶對(duì)所有未交互商品的點(diǎn)擊概率pfinal從大到小排列，將最高的前N個(gè)取出來(lái)，構(gòu)成對(duì)用戶的最終推薦列表。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 數(shù)據(jù)集

實(shí)驗(yàn)數(shù)據(jù)集為MovieLens-1M數(shù)據(jù)集。其每一條數(shù)據(jù)由用戶ID，物品ID，用戶對(duì)物品的評(píng)分和評(píng)分時(shí)間組成。每個(gè)用戶都至少擁有20條評(píng)分?jǐn)?shù)據(jù)，評(píng)分區(qū)間為1～5。共由6040個(gè)用戶，3952部電影和1 000 209條評(píng)分?jǐn)?shù)據(jù)構(gòu)成。用戶信息包括性別、年齡、郵件地址，物品信息包括電影名、電影類型、電影導(dǎo)演、電影演員和發(fā)布時(shí)間。

3.2 評(píng)價(jià)指標(biāo)

3.2.1 數(shù)據(jù)集劃分

將數(shù)據(jù)集按照8∶2的比例劃分為訓(xùn)練集和測(cè)試集。對(duì)于訓(xùn)練集，將所有與用戶有交互的物品項(xiàng)取作正樣本；隨機(jī)抽取跟正樣本數(shù)量相同的且與用戶無(wú)交互的物品項(xiàng)作為負(fù)樣本。對(duì)于測(cè)試集，將所有與用戶有交互的物品項(xiàng)取做正樣本；隨機(jī)抽取跟正樣本數(shù)量相同的與用戶無(wú)交互且不存在于訓(xùn)練集上的物品項(xiàng)作為負(fù)樣本。

3.2.2 準(zhǔn)確率

準(zhǔn)確率(Precision)描述的是最終推薦列表中發(fā)生過(guò)的用戶-物品評(píng)分記錄的比例，其值越高，代表最終推薦效果越好，如式(9)所示，T(u)表示用戶在測(cè)試集上的正樣本集合，R(u)表示推薦系統(tǒng)返回的推薦列表：

(9)

3.2.3 召回率

召回率(Recall)描述的是最終推薦列表中發(fā)生過(guò)的用戶-物品評(píng)分記錄在測(cè)試集正樣本集合上的比例，其值越高，代表最終的推薦效果越好，如式(10)所示：

(10)

3.3 對(duì)比算法介紹

本算法使用了多層神經(jīng)網(wǎng)絡(luò)的方式捕捉用戶興趣變化，并使用了聚類的算法劃分用戶群體，因此選取一個(gè)聚類的算法CoClustering和一個(gè)多層神經(jīng)網(wǎng)絡(luò)的方法Deep-FM作為對(duì)比算法，同時(shí)選取兩個(gè)經(jīng)典的推薦算法UCF和MF用于衡量本算法的有效性。

1)UCF：基于用戶的協(xié)同過(guò)濾算法，利用用戶間的相似性，將相似用戶喜好的物品推薦給用戶[1]。

2)CoClustering：一種利用用戶間和物品間的相似性進(jìn)行推薦的聚類推薦算法[12]。

3)MF：通過(guò)將用戶物品的交互矩陣劃分為p*k,q*k兩個(gè)矩陣，利用這兩個(gè)矩陣相乘得到預(yù)測(cè)結(jié)果[3]。

4)Deep-FM：將用戶和物品等多維特征，通過(guò)FM和深層網(wǎng)絡(luò)兩個(gè)部分分別進(jìn)行學(xué)習(xí)，用多層神經(jīng)網(wǎng)絡(luò)將兩部分的值結(jié)合到一起，擬合出最后的結(jié)果[10]。

3.4 對(duì)比試驗(yàn)

為了探究本算法的有效性，本文在MovieLens-1M數(shù)據(jù)集上，將上述算法同本算法進(jìn)行了對(duì)比試驗(yàn),結(jié)果如表3所示，TOP-N代表按照用戶對(duì)未交互物品點(diǎn)擊概率從低到高排序，返回的前N個(gè)作為推薦列表的物品。從表3中可以看出，隨著TOP-N的N值增大，所有算法的準(zhǔn)確率降低，召回率提升?；诰垲惖腃oclustering算法效果好于傳統(tǒng)的基于用戶的協(xié)同過(guò)濾算法，表明聚類算法能有效捕捉用戶間聯(lián)系。本算法利用聚類算法將用戶劃分入不同的用戶群體。

表3 不同TOP-N下不同算法的準(zhǔn)確率與召回率

矩陣分解算法MF效果良好，說(shuō)明了組合用戶物品信息進(jìn)行推薦的意義。利用多層神經(jīng)網(wǎng)絡(luò)方法的Deep-FM算法效果明顯好于MF和CoClustering算法，體現(xiàn)了多層神經(jīng)網(wǎng)絡(luò)在擬合用戶興趣方面的強(qiáng)大能力。本算法利用多層神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)用戶對(duì)所有未交互物品的點(diǎn)擊概率。無(wú)論TOP-N值如何變化，本算法都始終優(yōu)于上述對(duì)比算法。

3.5 用戶群體興趣變化對(duì)用戶個(gè)性化推薦的效果

接下來(lái)進(jìn)一步討論基于用戶群體興趣變化的個(gè)性化推薦算法中，用戶群體興趣變化對(duì)用戶個(gè)性化推薦的效果。為此進(jìn)行了如圖4所示的試驗(yàn)，探究是否加入用戶群體對(duì)物品點(diǎn)擊概率β對(duì)兩個(gè)評(píng)價(jià)指標(biāo)的影響。從圖4中可以看出，加入用戶群體對(duì)物品點(diǎn)擊概率β后，基于用戶群體興趣變化的個(gè)性化推薦算法在召回率和準(zhǔn)確率上都有明顯提升，這表明了本文捕捉用戶群體興趣變化方法的有效性，以及用戶群體興趣變化對(duì)用戶個(gè)性化推薦的正面影響。