數(shù)字科技館展品個(gè)性化推薦系統(tǒng)設(shè)計(jì)

趙智 姚爽 韓丹

摘要：隨著科技館行業(yè)的蓬勃發(fā)展，在互聯(lián)網(wǎng)技術(shù)的推動(dòng)下，數(shù)字科技館應(yīng)運(yùn)而生。但國內(nèi)外科技館的種類、數(shù)量眾多，展品數(shù)量更是不計(jì)其數(shù)，因此用戶很難從大量的展品信息中快速搜索到自己需要的信息。本文分析了原有的協(xié)同過濾（CF）算法，指出了兩種CF算法存在的不足之處，在此基礎(chǔ)上進(jìn)行了修正，提出了一種改進(jìn)的基于相關(guān)相似性的CF算法，并設(shè)計(jì)了一套具有推薦功能的數(shù)字科技館展品個(gè)性化推薦系統(tǒng)。

關(guān)鍵詞：數(shù)字科技館；協(xié)同過濾技術(shù)；MAE；個(gè)性化推薦系統(tǒng)

引言

2021年12月，中國科學(xué)技術(shù)協(xié)會(huì)印發(fā)《現(xiàn)代科技館體系發(fā)展“十四五”規(guī)劃（2021—2025年）》，其中對(duì)全國科技館智慧化建設(shè)以及利用信息化手段促進(jìn)科技館體系協(xié)同聯(lián)動(dòng)發(fā)展做出了明確說明[1]。因此，為全面提高公眾科學(xué)素質(zhì)，滿足新時(shí)代公眾對(duì)科普服務(wù)的新需求，我國科技館行業(yè)實(shí)現(xiàn)了線上線下相結(jié)合，線上虛擬科技館、網(wǎng)上虛擬瀏覽，網(wǎng)上互動(dòng)展品展示等基于互聯(lián)網(wǎng)的新型數(shù)字科技館。然而各類科技館眾多，館內(nèi)展品的種類和數(shù)量也是不計(jì)其數(shù)，面對(duì)海量展品數(shù)據(jù)人們很難快速搜索到自己需要的信息。針對(duì)這一難題，開發(fā)一款個(gè)性化推薦系統(tǒng)為用戶推薦其感興趣的展品信息勢(shì)在必行[2]。

個(gè)性化推薦可以實(shí)現(xiàn)根據(jù)不同用戶的需求量身定制個(gè)性化的服務(wù)?？v觀已有的個(gè)性化推薦系統(tǒng)，主要存在以下問題：

（1）缺乏有效數(shù)據(jù)

在收集用戶有效信息時(shí)，大多數(shù)推薦系統(tǒng)都是要求用戶在瀏覽網(wǎng)頁時(shí)通過調(diào)查問卷的形式對(duì)所關(guān)注的商品進(jìn)行評(píng)價(jià)，這很容易引起用戶的反感，因此無法保證數(shù)據(jù)的真實(shí)性、準(zhǔn)確性，導(dǎo)致新用戶的推薦信息匱乏，降低了系統(tǒng)的推薦精度。

（2）計(jì)算效率問題

針對(duì)一個(gè)用戶，以往的推薦系統(tǒng)可以實(shí)現(xiàn)實(shí)時(shí)查找其上萬個(gè)鄰居，但實(shí)際應(yīng)用時(shí)同時(shí)瀏覽網(wǎng)頁的用戶不計(jì)其數(shù)，算法的計(jì)算復(fù)雜度高，推薦系統(tǒng)的實(shí)時(shí)推薦效率低。

1. 數(shù)字科技館展品推薦系統(tǒng)的關(guān)鍵技術(shù)

1.1 核心工作原理

本文所設(shè)計(jì)的科技館展品推薦系統(tǒng)，算法的計(jì)算過程如下：

將輸入數(shù)據(jù)表述為一個(gè)i*j的用戶－展品評(píng)價(jià)矩陣R，矩陣元素ri，j表示第i個(gè)用戶對(duì)第j個(gè)展品的評(píng)分值。

第一步：輸入為評(píng)價(jià)矩陣R，即用戶－展品評(píng)價(jià)矩陣，表述為i*j。i是原用戶數(shù)，j是用戶瀏覽的展品數(shù)。矩陣元素ri，j表示第i個(gè)用戶對(duì)第j個(gè)展品的評(píng)分值。

用戶已評(píng)分的展品信息數(shù)目用|Ii|表示，即用戶i評(píng)分向量的長度。

通過上式計(jì)算出原用戶對(duì)其所有瀏覽過的展品信息的平均打分。

第二步：預(yù)測新用戶對(duì)其未瀏覽展品的預(yù)測值。這一步關(guān)鍵是計(jì)算與新用戶興趣度相似的N個(gè)原用戶，即最近鄰用戶。根據(jù)其最近鄰用戶對(duì)展品信息的評(píng)價(jià)預(yù)測新用戶對(duì)相同展品的評(píng)價(jià)值paj。在該算法中，只有與用戶相似的N個(gè)鄰居參與計(jì)算。因此算法的核心是計(jì)算用戶a與用戶i的興趣相似度sim（a，b）。

1.2 原有相似性算法分析

余弦相似性度量方法：

在余弦相似性度量方法中，將新用戶沒有評(píng)分的項(xiàng)目的評(píng)分均假設(shè)為0，這樣可以有效提高計(jì)算性能。但在展品信息量巨大，而用戶評(píng)價(jià)信息極少的情況下，這種假設(shè)的可信度不高。因?yàn)閷?shí)際應(yīng)用中龐大的用戶喜好千差萬別，不可能全部一樣。這樣的假設(shè)會(huì)導(dǎo)致推薦質(zhì)量下降。

相關(guān)相似性的度量方法：

在相關(guān)相似性的度量方法中，所選用的數(shù)據(jù)是兩用戶共同評(píng)分的項(xiàng)目，保證了參與計(jì)算的數(shù)據(jù)都是真實(shí)數(shù)據(jù)。但實(shí)際情況是，在大多數(shù)情況下兩用戶共同評(píng)價(jià)的展品少之又少，并且很難找到。因此，僅憑兩用戶對(duì)幾項(xiàng)展品有相同的興趣就判斷兩用戶為相似用戶，將原有用戶的所有瀏覽展項(xiàng)都推送給新用戶，這種推薦質(zhì)量是極低的。

綜上，在相似度的計(jì)算中，首先，要保證參與計(jì)算的評(píng)分?jǐn)?shù)據(jù)都是真實(shí)數(shù)據(jù)，不能一概假設(shè)為0，從而滿足推薦精度；其次，在數(shù)據(jù)選擇上要選取共同評(píng)分?jǐn)?shù)量較多的兩用戶才能成為最近鄰居，同時(shí)對(duì)項(xiàng)目評(píng)分較少的用戶不能考慮；最后，實(shí)現(xiàn)實(shí)時(shí)推送就要降低算法的計(jì)算復(fù)雜度從而提高算法的計(jì)算效率。

1.3 基于相關(guān)相似性的CF算法改進(jìn)

基于以上分析的三點(diǎn)，我們對(duì)原有基于相關(guān)相似性的計(jì)算方法做了兩點(diǎn)改進(jìn)，設(shè)計(jì)了一種新的度量方法：

第一，將用戶a和用戶b共同評(píng)分的項(xiàng)目數(shù)量與用戶a選擇的項(xiàng)目總數(shù)的比值作為調(diào)節(jié)系數(shù)，即S=∩（a，b）/∪（a）（比值公式：將用戶a和用戶b共同評(píng)分的項(xiàng)目數(shù)量與用戶a選擇的項(xiàng)目總數(shù)的比值作為調(diào)節(jié)系數(shù)）。從該式中可以看出，當(dāng)原用戶與新用戶共同評(píng)分的展品數(shù)目較多時(shí)，S值偏大；反之則較小。由此可以控制共同評(píng)分?jǐn)?shù)量較多的兩用戶才能成為最近鄰居，從而提高推薦精度。

第二，在實(shí)驗(yàn)中發(fā)現(xiàn)，最終結(jié)果會(huì)受raj和ra及rbj和rb差值符號(hào)的影響。若raj 和 rbj一個(gè)大于其均值，另一個(gè)小于均值，那么其乘積結(jié)果為負(fù)數(shù)，導(dǎo)致計(jì)算后得出的相似度值為負(fù)數(shù)，造成新用戶對(duì)其未評(píng)分的展品信息的推薦分?jǐn)?shù)明顯偏小，最終影響推薦結(jié)果。因此，為了保證相似度結(jié)果為正數(shù)，我們將raj和ra及rbj和rb差值的乘積加絕對(duì)值。糾正因計(jì)算結(jié)果負(fù)數(shù)帶來的誤差。

上式為最終改進(jìn)的相似度計(jì)算方法。從式中可以看出，此計(jì)算結(jié)果可以保證大量參與評(píng)分，且評(píng)分項(xiàng)目種類大致相同的用戶才能成為最近鄰。

2. 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)選用MovieLens數(shù)據(jù)集。我們抽取了943位用戶對(duì)1682部電影的評(píng)價(jià)數(shù)據(jù)共10萬個(gè)。評(píng)價(jià)數(shù)據(jù)為1到5，5分為評(píng)價(jià)數(shù)據(jù)最高值，其余依次降低。

本文選用統(tǒng)計(jì)精度度量方法。MAE值越小，預(yù)測的準(zhǔn)確度越高。

{p1，p2， …， pN}表示預(yù)測的用戶評(píng)分集合， {q1，q2， …，qN}為對(duì)應(yīng)的實(shí)際用戶評(píng)分集合，則平均絕對(duì)偏差MAE 表示為：

我們分別計(jì)算了原有的兩種相似性MAE值和在相關(guān)相似性基礎(chǔ)上進(jìn)行改進(jìn)的MAE值。

鄰居集中鄰居個(gè)數(shù)逐步增加，從而查看最近鄰居集數(shù)量對(duì)預(yù)測效果的影響，實(shí)驗(yàn)結(jié)果如表1所示。

實(shí)驗(yàn)表明：本文提出的改進(jìn)算法鄰居集從5到40個(gè)絕對(duì)偏差由0.87到0.64逐漸降低，同原有基于余弦相似性和基于相關(guān)相似性算法相比，MAE值明顯變小，取得較好效果，如圖1所示。

3. 科技館展品推薦系統(tǒng)工作流程設(shè)計(jì)

3.1 構(gòu)造用戶興趣集

科技館展品推薦系統(tǒng)中自動(dòng)分析數(shù)據(jù)庫中存入的用戶個(gè)人信息。用戶信息可以通過以下三種方式獲?。?/p>

（1）邀請(qǐng)用戶注冊(cè)。在注冊(cè)過程中，直接收集用戶的喜好，這種方式收集到的興趣信息直接且準(zhǔn)確。

（2）隱式搜索用戶信息。對(duì)于沒有注冊(cè)的用戶，則采用跟蹤用戶瀏覽展品信息的行為進(jìn)行興趣的收集，如瀏覽展品的頻次、下載展品的類型、檢索、收藏等信息。這種方法收集到的信息會(huì)存在“雜音”，需要在后臺(tái)進(jìn)行修正和篩選，從而不斷完善用戶的興趣信息。

3.2 構(gòu)造展品資源集

收集各科技館的展品信息，將展品數(shù)字化，構(gòu)建展品信息庫。

3.3 構(gòu)造用戶——展品評(píng)價(jià)矩陣

根據(jù)收集的用戶興趣集合展品信息集建立用戶——展品評(píng)價(jià)矩陣。

3.4 計(jì)算用戶之間的相似度，找出最近鄰居

根據(jù)用戶之間的共同喜好，計(jì)算最近鄰的相似度。算法采用改進(jìn)的基于相關(guān)相似性的相似性度量方法。

3.5 計(jì)算推薦集，產(chǎn)生推薦

根據(jù)計(jì)算出來的用戶相似度計(jì)算推薦結(jié)果，預(yù)測新用戶對(duì)其未瀏覽展品的預(yù)測值，產(chǎn)生新用戶推薦。

結(jié)語

實(shí)體科技館在其數(shù)字化演進(jìn)的過程中，逐步由“解釋它們是誰”變成“與它們的公眾之間建立對(duì)話關(guān)系”，科技館再也不僅僅是展品的“儲(chǔ)藏室”，而是與用戶進(jìn)行社交互動(dòng)的平臺(tái)[3]。利用人工智能，通過數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)展品信息的個(gè)性化推薦勢(shì)在必行。

本文主要針對(duì)個(gè)性化推薦系統(tǒng)中協(xié)同過濾算法進(jìn)行了分析和研究。在分析過程中，發(fā)現(xiàn)了原有相似性度量方法中存在的問題，并對(duì)其進(jìn)行了兩點(diǎn)改進(jìn)：引入調(diào)節(jié)系數(shù) S=∩（a，b）/∪（a），保證共同評(píng)分較多的兩用戶成為最近鄰居；糾正了相關(guān)相似性取值正負(fù)的問題。實(shí)驗(yàn)證明，該算法同傳統(tǒng)CF算法相比能顯著提高推薦精度。最后基于改進(jìn)的算法，設(shè)計(jì)了數(shù)字科技館展品個(gè)性化推薦系統(tǒng)的工作流程。在展品推薦系統(tǒng)的工作流程中，展品資源的完善是我們需要努力解決的問題。將展品轉(zhuǎn)化為可以利用的數(shù)字資源，集合整理國內(nèi)外數(shù)字展品信息構(gòu)造展品資源集是我們今后努力的方向。

參考文獻(xiàn)：

[1]任賀春，趙錚.智慧服務(wù)智慧管理智慧共享——數(shù)字科技館轉(zhuǎn)型升級(jí)促進(jìn)科技館體系智慧化發(fā)展[J].自然科學(xué)博物館研究，2022，7（1）：58-63，113.

[2]馬宇罡，莫小丹，苑楠，等.中國特色現(xiàn)代科技館體系建設(shè)：歷史、現(xiàn)狀、未來[J].科技導(dǎo)報(bào)2021，39（10）：34-47.

[3]何如珍.干部在線學(xué)習(xí)資源個(gè)性化推薦系統(tǒng)研究[J].電子技術(shù)與軟件工程，2022，（13）：259-262.

作者簡介：趙智，碩士研究生，高級(jí)工程師，研究方向：人工智能與數(shù)據(jù)挖掘。