楊紫曦，徐建良
?。ㄖ袊?guó)海洋大學(xué) 信息科學(xué)與工程學(xué)院，山東 青島 266100）
摘要：針對(duì)當(dāng)前高?？蒲泄芾韺?shí)際，研究對(duì)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(jìn)行算法實(shí)際使用分析。最后，將基于內(nèi)容過(guò)濾的推薦算法、基于用戶的協(xié)同過(guò)濾的推薦算法和基于條目的Slope One算法結(jié)合使用，互相補(bǔ)充，實(shí)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(lái)國(guó)內(nèi)高校信息技術(shù)的應(yīng)用發(fā)展迅速，對(duì)高校的科研管理的要求越來(lái)越高。為了更有效地管理和規(guī)范高?？蒲匈Y源，實(shí)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?？蒲泄芾碇谐洚?dāng)非常重要的作用。
教師和專家根據(jù)項(xiàng)目需求進(jìn)行設(shè)備申購(gòu)采備時(shí)，需要花大量的時(shí)間和精力來(lái)進(jìn)行設(shè)備挑選工作。對(duì)比各種相似設(shè)備的區(qū)別和各項(xiàng)指標(biāo)，斟其利弊，才能決定所要購(gòu)買的設(shè)備，大大延誤了科研時(shí)間。
因此，本文比較各種推薦算法的優(yōu)勢(shì)、劣勢(shì)、可行性并結(jié)合專家設(shè)備系統(tǒng)的特性進(jìn)行選擇，最終確定將三種過(guò)濾算法結(jié)合使用，同時(shí)進(jìn)行算法實(shí)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(jī)的實(shí)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(shí)的非平凡過(guò)程［1］。這些知識(shí)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(jī)器學(xué)習(xí)、數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、數(shù)據(jù)可視化等多個(gè)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(shí)，其處理的數(shù)據(jù)各不相同，可能有確定格式，或者是無(wú)確切格式。例如，處理數(shù)據(jù)庫(kù)中的數(shù)據(jù)時(shí)，數(shù)據(jù)是有條理有格式的，而網(wǎng)絡(luò)上的文章、音樂(lè)、視頻卻是格式各異、無(wú)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(xué)方法，如聚類方法、關(guān)聯(lián)分析、協(xié)同過(guò)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(yùn)含一定真實(shí)知識(shí)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(shí)數(shù)據(jù)的過(guò)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(shí)踐，是針對(duì)用戶的有針對(duì)性挖掘。推薦系統(tǒng)通過(guò)處理用戶的行為數(shù)據(jù)、推測(cè)用戶的行為習(xí)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?yàn)檫@種行為是系統(tǒng)主動(dòng)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(guò)不斷的信息收納與機(jī)器學(xué)習(xí)，建立算法推薦模型，然后利用這個(gè)模型來(lái)推測(cè)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(píng)分推薦是一種比較可靠的推薦模式，個(gè)性化定制推薦可以概括成對(duì)用戶未評(píng)分過(guò)的條目的評(píng)分估計(jì)問(wèn)題，最終得出的推薦列表是一個(gè)以系統(tǒng)評(píng)估分?jǐn)?shù)排序的條目集合。對(duì)于那些沒(méi)有考慮評(píng)分的系統(tǒng)，系統(tǒng)會(huì)根據(jù)用戶信息、用戶歷史行為痕跡來(lái)推測(cè)用戶興趣偏好較高的多個(gè)條目，最終產(chǎn)生一個(gè)推薦結(jié)果。
不同推薦系統(tǒng)的推薦過(guò)程是不一樣的，它們會(huì)采取不同的處理方式來(lái)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(huì)非常樂(lè)意使用這個(gè)系統(tǒng)，時(shí)間一長(zhǎng)會(huì)對(duì)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
高校科研設(shè)備管理系統(tǒng)數(shù)據(jù)結(jié)構(gòu)不同于網(wǎng)上購(gòu)物平臺(tái)。我校設(shè)備管理系統(tǒng)中存在4 000多個(gè)教師用戶，以及近三萬(wàn)條設(shè)備申購(gòu)記錄和相關(guān)信息（包括千余個(gè)設(shè)備、設(shè)備參數(shù)、供應(yīng)商等），并涉及9 000多個(gè)項(xiàng)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(wàn)條數(shù)據(jù)可供使用。數(shù)據(jù)庫(kù)中有超過(guò)460 MB的信息。
所有的設(shè)備申購(gòu)記錄中存在這樣的特點(diǎn)：（1）設(shè)備的特殊性，設(shè)備不同于商品，購(gòu)買量和價(jià)格普遍高于網(wǎng)絡(luò)購(gòu)物平臺(tái)的商品，購(gòu)買原因不只是愛(ài)好更是因?yàn)轫?xiàng)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(wèn)題，各專家申購(gòu)數(shù)量差距較大，部分教師只有極少的申購(gòu)數(shù)量甚至沒(méi)有申購(gòu)。（3）專家差異性，各專家教師所屬學(xué)科背景差異較大，所申購(gòu)的設(shè)備可能毫無(wú)共性和推薦價(jià)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(diǎn)來(lái)做針對(duì)性的推薦。
以下對(duì)各種算法的可行性和適應(yīng)性進(jìn)行分析。
使用基于關(guān)聯(lián)規(guī)則的推薦算法時(shí)，由于數(shù)據(jù)量的不足，系統(tǒng)通過(guò)數(shù)據(jù)分析后難以準(zhǔn)確得出專家對(duì)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(jìn)入關(guān)聯(lián)規(guī)則集，限制了推薦的召回率。基于關(guān)聯(lián)規(guī)則的推薦對(duì)專家之間和設(shè)備之間的關(guān)系分析較少，推薦的針對(duì)性不足。
基于內(nèi)容過(guò)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(gòu)方向，推薦效果會(huì)非常出色，能夠起到很好的個(gè)性化推薦的作用，所以本文的設(shè)備推薦系統(tǒng)將會(huì)應(yīng)用基于內(nèi)容過(guò)濾的推薦方法。
在高校設(shè)備管理系統(tǒng)實(shí)際使用中，經(jīng)常會(huì)有這樣的情況：部分專家用戶的申購(gòu)可能會(huì)出現(xiàn)與已購(gòu)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(guò)濾推薦將無(wú)法完成較好的推薦。所以，增加基于協(xié)同過(guò)濾的推薦算法將會(huì)產(chǎn)生很好的效果。
基于協(xié)同過(guò)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(jìn)行推薦。
通過(guò)基于用戶的協(xié)同過(guò)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(jìn)行推薦，成功解決部分專家興趣遍布廣泛?jiǎn)栴}，為專家推薦新設(shè)備。
引入基于條目的協(xié)同過(guò)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(jì)算效率高,也能解決稀疏性和冷啟動(dòng)的問(wèn)題。
2.2各算法實(shí)際使用分析
2.2.1基于關(guān)鍵詞的內(nèi)容過(guò)濾設(shè)備推薦算法
基于關(guān)鍵詞內(nèi)容過(guò)濾算法，首先需要建立專家興趣模型，對(duì)專家的興趣進(jìn)行數(shù)據(jù)量化。本文進(jìn)行內(nèi)容過(guò)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(duì)應(yīng)用一個(gè)多維特征向量n來(lái)表述，n的每個(gè)維度對(duì)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(ài)好和設(shè)備的特征，權(quán)重值反映該特征對(duì)專家和設(shè)備的代表性強(qiáng)弱。后續(xù)計(jì)算只需對(duì)特征向量進(jìn)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(kù)，各自對(duì)應(yīng)多個(gè)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(xué)”、“實(shí)驗(yàn)”關(guān)鍵詞通過(guò)設(shè)備的特征信息或者專家的基本信息獲取，也有部分來(lái)自于專家或者管理員的手動(dòng)標(biāo)記。設(shè)備“ 梨形分液漏斗”的關(guān)鍵詞為“化學(xué)”、“實(shí)驗(yàn)”。“梨形分液漏斗”被“化學(xué)”標(biāo)記過(guò)兩次，與兩個(gè)“化學(xué)”關(guān)鍵詞相連。劉老師被三個(gè)關(guān)鍵詞標(biāo)記過(guò)：“化學(xué)”、“實(shí)驗(yàn)”、“計(jì)量”各一次。
標(biāo)注的次數(shù)之和為各關(guān)鍵詞的權(quán)重分值?？芍?，“梨形分液漏斗”的關(guān)鍵詞“化學(xué)”、“實(shí)驗(yàn)”其權(quán)重為2和1。專家劉老師的三個(gè)關(guān)鍵詞“化學(xué)”、“實(shí)驗(yàn)”、“計(jì)量”權(quán)重都為1。
對(duì)上述分析進(jìn)行數(shù)學(xué)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TopN作為推薦結(jié)果，完成基于內(nèi)容過(guò)濾的設(shè)備推薦。
2.2.2基于專家用戶的協(xié)同過(guò)濾設(shè)備推薦算法
基于用戶的協(xié)同過(guò)濾的核心依據(jù)是：某一部分愛(ài)好相同的用戶有很大可能性對(duì)其他東西興趣偏好也類似。
基于專家用戶的協(xié)同過(guò)濾推薦算法步驟為：通過(guò)最近鄰查詢找到專家的相似專家群，利用相似專家群的評(píng)價(jià)來(lái)推測(cè)該專家的評(píng)價(jià)，對(duì)最近鄰集合進(jìn)行改進(jìn)，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(guò)濾推薦算法的主要目標(biāo)包括：用戶數(shù)據(jù)建模、用戶相似度計(jì)算及專家相似群的歸類和評(píng)價(jià)的推測(cè)。
?。?）專家設(shè)備評(píng)價(jià)矩陣的生成
具體實(shí)現(xiàn)步驟如下：
?、?gòu)臄?shù)據(jù)庫(kù)ExpertDeviceCount表中獲取單個(gè)專家的申購(gòu)數(shù)，將申購(gòu)數(shù)轉(zhuǎn)化為評(píng)分值，建立用戶的設(shè)備評(píng)分偏好特征向量，評(píng)分計(jì)算公式如式（2）所示：
式（2）中，Score(e,d)為評(píng)分函數(shù)，即為專家e對(duì)設(shè)備d的評(píng)分。Be,d為專家e對(duì)設(shè)備d的申購(gòu)量。
?、谥貜?fù)上述步驟，計(jì)算每個(gè)專家的設(shè)備評(píng)分偏好特征向量。
?、垡悦恳粋€(gè)設(shè)備評(píng)分偏好特征向量為行構(gòu)建設(shè)備評(píng)分矩陣。
?。?）用戶相似度計(jì)算和專家相似群歸類
具體實(shí)驗(yàn)步驟如下：
①?gòu)膶＜以O(shè)備評(píng)分矩陣中每一行取出得到專家的設(shè)備興趣偏向評(píng)分特征向量。
②將當(dāng)前專家的設(shè)備評(píng)分特征向量與同一聚類中所有其他專家的評(píng)分特征向量求相似，利用余弦公式（1），得到當(dāng)前專家與聚類中所有專家的相似度。
③將聚類中所有專家按其與當(dāng)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(jìn)生成最近鄰集合
具體實(shí)驗(yàn)步驟如下：
?、賹㈨?xiàng)目成果參與矩陣每一行取出，表示專家項(xiàng)目成果參與向量。
②遍歷計(jì)算聚類中其余所有專家項(xiàng)目成果參與向量與當(dāng)前專家的相似度。相似度計(jì)算參照公式（1）。
?、蹖⒔Y(jié)果按相似度大小排序。
?、苋〕銮癗位加入最近鄰集合中。
2.2.3基于設(shè)備條目的協(xié)同過(guò)濾設(shè)備推薦Slope One算法
利用基于專家用戶的協(xié)同過(guò)濾，得出最近鄰集合，在給出一個(gè)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(guò)濾算法，得到初步推薦結(jié)果。
預(yù)測(cè)公式如式(3)。其中， re-表示專家e申購(gòu)過(guò)的設(shè)備的平均數(shù)量， rv,p表示近鄰專家 v對(duì)設(shè)備d的購(gòu)買量，rv-表示近鄰專家的平均購(gòu)買量，sim表示用戶相似度。
(2)計(jì)算近鄰用戶平均相似性
因?yàn)楹罄m(xù)計(jì)算將專家的相似值與Slope One算法融合計(jì)算，所以需要計(jì)算最近鄰集合中用戶與當(dāng)前用戶的平均相似度，生成“用戶-項(xiàng)目”相似度矩陣。計(jì)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(gòu)過(guò)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(gòu)過(guò)設(shè)備d的用戶數(shù)。由于Ud中包括當(dāng)前專家e，因此減去1。
(3)計(jì)算項(xiàng)目平均偏差矩陣
要運(yùn)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(jì)算公式如式（5）所示：
其中，ej、ei表示專家e對(duì)設(shè)備j和設(shè)備i的購(gòu)買次數(shù)，Sj,i(x)表申購(gòu)過(guò)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(shí)申購(gòu)過(guò)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(duì)這一設(shè)備的需求量越接近。
(4)預(yù)測(cè)用戶對(duì)目標(biāo)項(xiàng)目的評(píng)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(duì)專家進(jìn)行當(dāng)前設(shè)備的評(píng)分預(yù)測(cè)。
加權(quán)Slope One算法的出發(fā)點(diǎn)是以共同申購(gòu)過(guò)兩個(gè)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(duì)Slope One算法預(yù)測(cè)結(jié)果影響。
假如同時(shí)有40個(gè)專家對(duì)設(shè)備i和設(shè)備j購(gòu)買數(shù)相同，用專家集cij表示，同樣，也有40名專家對(duì)項(xiàng)目i和q購(gòu)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(yù)測(cè)購(gòu)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(lái)給出最終預(yù)測(cè)。利用之前所計(jì)算的設(shè)備評(píng)分偏差和專家平均相似性，由式（6）得到基于協(xié)同過(guò)濾設(shè)備的推薦結(jié)果，即評(píng)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(píng)分，將按照評(píng)分給出基于兩種協(xié)同過(guò)濾推薦算法的結(jié)合推薦結(jié)果。
使用TopN方法，根據(jù)預(yù)測(cè)評(píng)分將設(shè)備進(jìn)行排序，選擇評(píng)分最高的前N臺(tái)設(shè)備加入最終推薦列表。
2.4對(duì)推薦結(jié)果進(jìn)行匯總
最終的推薦列表包括基于關(guān)鍵詞內(nèi)容過(guò)濾的推薦結(jié)果和基于兩種協(xié)同過(guò)濾設(shè)備推薦的推薦結(jié)果。基于關(guān)鍵詞內(nèi)容過(guò)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(guò)濾的推薦算法結(jié)果為評(píng)分值p(e)j。為得到最終匯總結(jié)果，需再進(jìn)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(guò)濾算法得出的當(dāng)前專家對(duì)設(shè)備j的評(píng)分。
按照p(e,d)j的大小從高到低進(jìn)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(guò)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(gòu)方向，推薦效果會(huì)非常出色，能夠很好地起到個(gè)性化推薦的作用
高校設(shè)備管理系統(tǒng)整體購(gòu)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(guò)濾遍歷整個(gè)申購(gòu)數(shù)據(jù)計(jì)算量過(guò)大，效率很低，所以本文先基于專家用戶的協(xié)同過(guò)濾思想尋找專家之間關(guān)聯(lián)，找到最近鄰關(guān)系，再對(duì)最近鄰結(jié)果進(jìn)行基于設(shè)備條目的協(xié)同過(guò)濾分析，大大優(yōu)化了計(jì)算復(fù)雜性。
三種算法的結(jié)合使用，在準(zhǔn)確率和召回率方面都對(duì)推薦引擎性能有較大的提高。
參考文獻(xiàn)
?。?］ 林德軍. 基于Slope One改進(jìn)算法推薦模型的設(shè)計(jì)與實(shí)現(xiàn)［D］. 北京：北京郵電大學(xué), 2012.
［2］ 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(xué)，2009.
?。?］ 朱建平, 范霄文, 張志強(qiáng). 數(shù)據(jù)挖掘的技術(shù)與商業(yè)定義及其研究對(duì)象［J］. 統(tǒng)計(jì)教育， 2004(1)：710.