楊紫曦，徐建良
　?。ㄖ袊Ｑ蟠髮W 信息科學與工程學院，山東 青島 266100）

       摘要：針對當前高校科研管理實際，研究對比了多種主流數(shù)據(jù)挖掘推薦算法的適用性，挑選出適合設(shè)備數(shù)據(jù)條件的推薦算法，并進行算法實際使用分析。最后，將基于內(nèi)容過濾的推薦算法、基于用戶的協(xié)同過濾的推薦算法和基于條目的Slope One算法結(jié)合使用，互相補充，實現(xiàn)算法各性能的提高，完成高質(zhì)量的推薦。
　　關(guān)鍵詞：推薦算法；數(shù)據(jù)挖掘；設(shè)備推薦　　

0引言
　　近年來國內(nèi)高校信息技術(shù)的應(yīng)用發(fā)展迅速，對高校的科研管理的要求越來越高。為了更有效地管理和規(guī)范高?？蒲匈Y源，實現(xiàn)教師和專家的有效、便捷使用，助力科研水平的提升，信息技術(shù)在高校科研管理中充當非常重要的作用。
　　教師和專家根據(jù)項目需求進行設(shè)備申購采備時，需要花大量的時間和精力來進行設(shè)備挑選工作。對比各種相似設(shè)備的區(qū)別和各項指標，斟其利弊，才能決定所要購買的設(shè)備，大大延誤了科研時間。
　　因此，本文比較各種推薦算法的優(yōu)勢、劣勢、可行性并結(jié)合專家設(shè)備系統(tǒng)的特性進行選擇，最終確定將三種過濾算法結(jié)合使用，同時進行算法實際使用的分析。
1數(shù)據(jù)挖掘與推薦系統(tǒng)
　　1.1數(shù)據(jù)挖掘
　　數(shù)據(jù)挖掘(Date Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道但又是潛在有用的并最終可理解的信息和知識的非平凡過程［1］。這些知識中包含了概念、規(guī)則等內(nèi)容。數(shù)據(jù)挖掘是一門綜合性的技術(shù)，它包括了機器學習、數(shù)據(jù)庫、統(tǒng)計學、數(shù)據(jù)可視化等多個研究領(lǐng)域。數(shù)據(jù)挖掘從海量數(shù)據(jù)中獲取有用的知識，其處理的數(shù)據(jù)各不相同，可能有確定格式，或者是無確切格式。例如，處理數(shù)據(jù)庫中的數(shù)據(jù)時，數(shù)據(jù)是有條理有格式的，而網(wǎng)絡(luò)上的文章、音樂、視頻卻是格式各異、無確定形式的。因此需要使用不同的解決方式。數(shù)據(jù)挖掘涉及各種領(lǐng)域的科學方法，如聚類方法、關(guān)聯(lián)分析、協(xié)同過濾、神經(jīng)網(wǎng)絡(luò)等。所以，數(shù)據(jù)挖掘是在大量模糊數(shù)據(jù)但是蘊含一定真實知識數(shù)據(jù)的基礎(chǔ)上，排除其模糊、干擾，從中提取出有用且確切的知識數(shù)據(jù)的過程［2］。
　　1.2推薦系統(tǒng)
　　推薦系統(tǒng)是使用數(shù)據(jù)挖掘的良好實踐，是針對用戶的有針對性挖掘。推薦系統(tǒng)通過處理用戶的行為數(shù)據(jù)、推測用戶的行為習慣、歷史偏好，依據(jù)一定的約定與規(guī)律，將待推薦條目推薦給用戶。因為這種行為是系統(tǒng)主動發(fā)起的，不需要用戶自己輸入關(guān)鍵詞，所以與傳統(tǒng)搜索系統(tǒng)大不相同。系統(tǒng)通過不斷的信息收納與機器學習，建立算法推薦模型，然后利用這個模型來推測用戶的興趣偏好，從而在已有的條目中選擇偏好程度較高的若干條目推薦給用戶。評分推薦是一種比較可靠的推薦模式，個性化定制推薦可以概括成對用戶未評分過的條目的評分估計問題，最終得出的推薦列表是一個以系統(tǒng)評估分數(shù)排序的條目集合。對于那些沒有考慮評分的系統(tǒng)，系統(tǒng)會根據(jù)用戶信息、用戶歷史行為痕跡來推測用戶興趣偏好較高的多個條目，最終產(chǎn)生一個推薦結(jié)果。
　　不同推薦系統(tǒng)的推薦過程是不一樣的，它們會采取不同的處理方式來處理不同的數(shù)據(jù)源信息，推薦系統(tǒng)產(chǎn)生推薦結(jié)果后，利用各種形式展現(xiàn)給用戶，如果用戶滿意度比較高，大大便利了用戶的使用，則用戶會非常樂意使用這個系統(tǒng)，時間一長會對系統(tǒng)產(chǎn)生使用慣性，產(chǎn)生良好的使用效果。
2高?？蒲行畔⒐芾碇性O(shè)備推薦系統(tǒng)算法分析
　　2.1數(shù)據(jù)規(guī)模與算法依據(jù)分析
　　高?？蒲性O(shè)備管理系統(tǒng)數(shù)據(jù)結(jié)構(gòu)不同于網(wǎng)上購物平臺。我校設(shè)備管理系統(tǒng)中存在4 000多個教師用戶，以及近三萬條設(shè)備申購記錄和相關(guān)信息（包括千余個設(shè)備、設(shè)備參數(shù)、供應(yīng)商等），并涉及9 000多個項目信息。關(guān)聯(lián)的科技處管理系統(tǒng)里還有教師成果如論文、專利在內(nèi)的近萬條數(shù)據(jù)可供使用。數(shù)據(jù)庫中有超過460 MB的信息。
　　所有的設(shè)備申購記錄中存在這樣的特點：（1）設(shè)備的特殊性，設(shè)備不同于商品，購買量和價格普遍高于網(wǎng)絡(luò)購物平臺的商品，購買原因不只是愛好更是因為項目需求以及工作需要，所以應(yīng)該另行分析。（2）數(shù)據(jù)稀疏性問題，各專家申購數(shù)量差距較大，部分教師只有極少的申購數(shù)量甚至沒有申購。（3）專家差異性，各專家教師所屬學科背景差異較大，所申購的設(shè)備可能毫無共性和推薦價值。所以，在推薦算法的選取中必須結(jié)合高校設(shè)備管理系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)特點來做針對性的推薦。
　　以下對各種算法的可行性和適應(yīng)性進行分析。
　　使用基于關(guān)聯(lián)規(guī)則的推薦算法時，由于數(shù)據(jù)量的不足，系統(tǒng)通過數(shù)據(jù)分析后難以準確得出專家對設(shè)備的關(guān)聯(lián)興趣結(jié)果，關(guān)聯(lián)規(guī)則集合R完成度低。由于最小支持度和最小置信度的限制，部分較冷門設(shè)備不能進入關(guān)聯(lián)規(guī)則集，限制了推薦的召回率?；陉P(guān)聯(lián)規(guī)則的推薦對專家之間和設(shè)備之間的關(guān)系分析較少，推薦的針對性不足。
　　基于內(nèi)容過濾的推薦需要從基礎(chǔ)數(shù)據(jù)中挖掘出設(shè)備的相似度。由于科研系統(tǒng)中設(shè)備跨度小，屬于同一范疇的設(shè)備較多，所以那些與專家用戶興趣偏好相似的設(shè)備很容易就出現(xiàn)在推薦列表中，而且大部分專家用戶的興趣偏好比較穩(wěn)定，具有明確的設(shè)備申購方向，推薦效果會非常出色，能夠起到很好的個性化推薦的作用，所以本文的設(shè)備推薦系統(tǒng)將會應(yīng)用基于內(nèi)容過濾的推薦方法。
　　在高校設(shè)備管理系統(tǒng)實際使用中，經(jīng)常會有這樣的情況：部分專家用戶的申購可能會出現(xiàn)與已購設(shè)備相差較大的設(shè)備，其興趣遍布較廣，不局限于某幾種類型。這種情況使用基于內(nèi)容過濾推薦將無法完成較好的推薦。所以，增加基于協(xié)同過濾的推薦算法將會產(chǎn)生很好的效果。
　　基于協(xié)同過濾的推薦算法根據(jù)挖掘的數(shù)據(jù)信息并有效利用專家與專家、設(shè)備與設(shè)備之間的聯(lián)系進行推薦。
　　通過基于用戶的協(xié)同過濾挖掘?qū)＜遗c專家之間的相似性，找到興趣相似的專家用戶群，利用近鄰的興趣偏好進行推薦，成功解決部分專家興趣遍布廣泛問題，為專家推薦新設(shè)備。
　　引入基于條目的協(xié)同過濾算法能挖掘出各設(shè)備與設(shè)備的潛在關(guān)聯(lián)，不僅計算效率高,也能解決稀疏性和冷啟動的問題。
　　2.2各算法實際使用分析
　　2.2.1基于關(guān)鍵詞的內(nèi)容過濾設(shè)備推薦算法
　　基于關(guān)鍵詞內(nèi)容過濾算法，首先需要建立專家興趣模型，對專家的興趣進行數(shù)據(jù)量化。本文進行內(nèi)容過濾推薦使用基于關(guān)鍵詞的用戶興趣模型方法：即基于加權(quán)關(guān)鍵詞的矢量表示法。專家和設(shè)備的對應(yīng)用一個多維特征向量n來表述，n的每個維度對應(yīng)描述專家和設(shè)備的關(guān)鍵詞權(quán)重，關(guān)鍵詞反映了專家的興趣愛好和設(shè)備的特征，權(quán)重值反映該特征對專家和設(shè)備的代表性強弱。后續(xù)計算只需對特征向量進行分析即可得出專家和設(shè)備的相似程度和興趣值，用以推薦。
　　專家和設(shè)備使用相同的詞庫，各自對應(yīng)多個關(guān)鍵詞，專家的興趣關(guān)鍵詞和設(shè)備的特征關(guān)鍵詞之間的相似度是該算法的關(guān)鍵。關(guān)鍵詞模型舉例如圖1所示。

　　圖1中，“化學”、“實驗”關(guān)鍵詞通過設(shè)備的特征信息或者專家的基本信息獲取，也有部分來自于專家或者管理員的手動標記。設(shè)備“ 梨形分液漏斗”的關(guān)鍵詞為“化學”、“實驗”?！袄嫘畏忠郝┒贰北弧盎瘜W”標記過兩次，與兩個“化學”關(guān)鍵詞相連。劉老師被三個關(guān)鍵詞標記過：“化學”、“實驗”、“計量”各一次。
　　標注的次數(shù)之和為各關(guān)鍵詞的權(quán)重分值。可知，“梨形分液漏斗”的關(guān)鍵詞“化學”、“實驗”其權(quán)重為2和1。專家劉老師的三個關(guān)鍵詞“化學”、“實驗”、“計量”權(quán)重都為1。
　　對上述分析進行數(shù)學抽象：
　　E={J1,J2…,Jn}
　　D={K1,K2…,Kn}
　　在上述公式中，E和D分別為專家特征向量和設(shè)備特征向量。Ki為關(guān)鍵詞的權(quán)重分值。
　　得到專家和設(shè)備的特征向量之后，需要求得之間的相似關(guān)系，可利用余弦公式：
　　

　　得出相似關(guān)系，將相似度最高的TopN作為推薦結(jié)果，完成基于內(nèi)容過濾的設(shè)備推薦。
　　2.2.2基于專家用戶的協(xié)同過濾設(shè)備推薦算法
　　基于用戶的協(xié)同過濾的核心依據(jù)是：某一部分愛好相同的用戶有很大可能性對其他東西興趣偏好也類似。
　　基于專家用戶的協(xié)同過濾推薦算法步驟為：通過最近鄰查詢找到專家的相似專家群，利用相似專家群的評價來推測該專家的評價，對最近鄰集合進行改進，得出的結(jié)果由后續(xù)Slope One算法使用。
　　基于用戶的協(xié)同過濾推薦算法的主要目標包括：用戶數(shù)據(jù)建模、用戶相似度計算及專家相似群的歸類和評價的推測。
　　（1）專家設(shè)備評價矩陣的生成
　　具體實現(xiàn)步驟如下：
　?、購臄?shù)據(jù)庫ExpertDeviceCount表中獲取單個專家的申購數(shù)，將申購數(shù)轉(zhuǎn)化為評分值，建立用戶的設(shè)備評分偏好特征向量，評分計算公式如式（2）所示：
　　

　　式（2）中，Score(e,d)為評分函數(shù)，即為專家e對設(shè)備d的評分。Be,d為專家e對設(shè)備d的申購量。
　?、谥貜蜕鲜霾襟E，計算每個專家的設(shè)備評分偏好特征向量。
　?、垡悦恳粋€設(shè)備評分偏好特征向量為行構(gòu)建設(shè)備評分矩陣。
　?。?）用戶相似度計算和專家相似群歸類
　　具體實驗步驟如下：
　　①從專家設(shè)備評分矩陣中每一行取出得到專家的設(shè)備興趣偏向評分特征向量。
　　②將當前專家的設(shè)備評分特征向量與同一聚類中所有其他專家的評分特征向量求相似，利用余弦公式（1），得到當前專家與聚類中所有專家的相似度。
　?、蹖⒕垲愔兴袑＜野雌渑c當前專家的相似度高低從大到小排序。
　?、軓呐判蛄斜碇腥〕銮癗名專家作為最近鄰專家群。
　?。?）改進生成最近鄰集合
　　具體實驗步驟如下：
　?、賹㈨椖砍晒麉⑴c矩陣每一行取出，表示專家項目成果參與向量。
　　②遍歷計算聚類中其余所有專家項目成果參與向量與當前專家的相似度。相似度計算參照公式（1）。
　　③將結(jié)果按相似度大小排序。
　　④取出前N位加入最近鄰集合中。
　　2.2.3基于設(shè)備條目的協(xié)同過濾設(shè)備推薦Slope One算法
　　利用基于專家用戶的協(xié)同過濾，得出最近鄰集合，在給出一個初步推薦后，將利用Slope One算法給出最終推薦。
　　(1)得到初步推薦結(jié)果
　　采用基于用戶的協(xié)同過濾算法，得到初步推薦結(jié)果。
　　預測公式如式(3)。其中， re-表示專家e申購過的設(shè)備的平均數(shù)量， rv,p表示近鄰專家 v對設(shè)備d的購買量，rv-表示近鄰專家的平均購買量，sim表示用戶相似度。
　　

　　(2)計算近鄰用戶平均相似性
　　因為后續(xù)計算將專家的相似值與Slope One算法融合計算，所以需要計算最近鄰集合中用戶與當前用戶的平均相似度，生成“用戶-項目”相似度矩陣。計算公式如式（4）所示：
　　

　　其中v表示除了專家e以外的其他申購過設(shè)備d的專家；sim(e,v)表示專家e與專家v的相似度；Ud表示所有申購過設(shè)備d的用戶數(shù)。由于Ud中包括當前專家e，因此減去1。
　　(3)計算項目平均偏差矩陣
　　要運用Slope One算法還需知道設(shè)備之間的平均偏差，構(gòu)建平均偏差矩陣。平均偏差計算公式如式（5）所示：
　　

　　其中，ej、ei表示專家e對設(shè)備j和設(shè)備i的購買次數(shù)，Sj,i(x)表申購過設(shè)備i、j的專家集合，card(Sj,i(x))表示專家集合數(shù)量。
　　設(shè)備平均偏差描述的是同時申購過這一設(shè)備的兩專家的數(shù)量偏差，偏差越小，表明兩專家對這一設(shè)備的需求量越接近。
　　(4)預測用戶對目標項目的評分
　　求出設(shè)備間的平均偏差之后，根據(jù)加權(quán)Slope One算法公式可以對專家進行當前設(shè)備的評分預測。
　　加權(quán)Slope One算法的出發(fā)點是以共同申購過兩個設(shè)備的專家數(shù)量作為權(quán)重，雖有一定的精確度提高，但是忽略了專家用戶的相似度。下面分析專家用戶的相似度對Slope One算法預測結(jié)果影響。
　　假如同時有40個專家對設(shè)備i和設(shè)備j購買數(shù)相同，用專家集cij表示，同樣，也有40名專家對項目i和q購買數(shù)量相同，用cik表示。這種情況下，使用加權(quán)Slope One算法預測購買數(shù)是相同的。但是cij和cik的平均相似度不相等，若cij大于cik很多的話，其參考意義更大［3］。
　　所以本文加入專家相似度的影響，綜合Slope One算法來給出最終預測。利用之前所計算的設(shè)備評分偏差和專家平均相似性，由式（6）得到基于協(xié)同過濾設(shè)備的推薦結(jié)果，即評分值：
　　

　　其中,S(e,i)表示專家間的平均相似度。
　　2.3生成推薦結(jié)果
　　上述各步驟給出了加入專家相似度的加權(quán)Slope One算法推薦設(shè)備評分，將按照評分給出基于兩種協(xié)同過濾推薦算法的結(jié)合推薦結(jié)果。
　　使用TopN方法，根據(jù)預測評分將設(shè)備進行排序，選擇評分最高的前N臺設(shè)備加入最終推薦列表。
　　2.4對推薦結(jié)果進行匯總
　　最終的推薦列表包括基于關(guān)鍵詞內(nèi)容過濾的推薦結(jié)果和基于兩種協(xié)同過濾設(shè)備推薦的推薦結(jié)果。基于關(guān)鍵詞內(nèi)容過濾的算法結(jié)果為專家與設(shè)備的相似度值sime,d(e,d)，基于協(xié)同過濾的推薦算法結(jié)果為評分值p(e)j。為得到最終匯總結(jié)果，需再進行一次關(guān)于設(shè)備專家相似度的結(jié)合。如式（7）所示：
　　p(e,d)j=sime,j(e,j)×p(e)j(7)
　　其中p(e)j為基于協(xié)同過濾算法得出的當前專家對設(shè)備j的評分。
　　按照p(e,d)j的大小從高到低進行排序，最終得到輸出給專家的推薦結(jié)果列表。
3結(jié)論
　　基于內(nèi)容過濾的推薦需要從基礎(chǔ)數(shù)據(jù)中挖掘出設(shè)備的相似度，由于科研系統(tǒng)中設(shè)備跨度小，屬于同一范疇的設(shè)備較多，因此那些與專家用戶興趣偏好相似的設(shè)備很容易就出現(xiàn)在推薦列表中，而且大部分專家用戶的興趣偏好比較穩(wěn)定，具有明確的設(shè)備申購方向，推薦效果會非常出色，能夠很好地起到個性化推薦的作用
　　高校設(shè)備管理系統(tǒng)整體購買量較大，設(shè)備數(shù)據(jù)量較大，直接使用基于設(shè)備條目的協(xié)同過濾遍歷整個申購數(shù)據(jù)計算量過大，效率很低，所以本文先基于專家用戶的協(xié)同過濾思想尋找專家之間關(guān)聯(lián)，找到最近鄰關(guān)系，再對最近鄰結(jié)果進行基于設(shè)備條目的協(xié)同過濾分析，大大優(yōu)化了計算復雜性。
　　三種算法的結(jié)合使用，在準確率和召回率方面都對推薦引擎性能有較大的提高。
　　參考文獻
　?。?］ 林德軍. 基于Slope One改進算法推薦模型的設(shè)計與實現(xiàn)［D］. 北京：北京郵電大學, 2012.
　?。?］ 范永健. 基于數(shù)據(jù)挖掘的電子商務(wù)推薦系統(tǒng)模型研究［D］.邯鄲： 河北工程大學，2009.
　　［3］ 朱建平, 范霄文, 張志強. 數(shù)據(jù)挖掘的技術(shù)與商業(yè)定義及其研究對象［J］. 統(tǒng)計教育， 2004(1)：710.