基于用户部分特征的协同过滤算法

计算机系统应用　ｈｔｔｐ：ｌｌｗｗｗ．ｃ—ｓ—ａ．ｏｒｇ。ｃｎ　２０１７年第２６卷第３期　基于用户部分特征的协同过滤算法①　李永超，罗军　（国防科技大学计算机学院，长沙４１００７３）　摘要：协同过滤算法作为推荐系统中应用最广泛的算法之一，在大数据环境下面临严重的数据稀疏问题，使得　近邻选择的效果不佳，直接影响了算法的推荐性能．为了解决这一问题，本文提出了一种基于用户部分特征的协　同过滤算法（ＵＰＣＦ），该算法首先基于评分偏差和项目流行度进行矩阵缺失值填充，随后利用初始聚类中心优化　的Ｋ．ｍｅａｎｓ算法对该填充矩阵进行项目聚类，并利用用户在项目分类下的局部特征进行近邻集合构建，最终采用　基于用户的协同过滤算法获得推荐．我们采用流行的ＭＡＥ指标对算法在ＭｏｖｉｅＬｅｎｓ数据集上进行评测．实验表　明，与目前流行的协同过滤算法相比，提出的ＵＰＣＦ算法在没有增加算法复杂性的前提下，性能有近１０％的提升．　关键词：项目流行度；最近邻选择；项目聚类；协同过滤算法　Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｆｉｌｔｅｒｉｎｇ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｕｓｅｒ　Ｐａｒｔｉａｌ　Ｆｅａｔｕｒｅ　ＬＩ　Ｙｏｎｇ—Ｃｈａｏ，ＬＵＯ　Ｊｕｎ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｎａｔｉｏｎａｌ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｄｅｆｅｎｓｅ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ　４　１　００７３，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｗｉｄｅｌｙ　ｕｓｅｄ　ａｌｇｏｒｉｔｈｍｓ　ｉｎ　ｒｅｃｏｍｍｅｎｄｅｒ　ｓｙｓｔｅｍ，ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｆａｃｅｓ　ｓｅｒｉｏｕｓ　ｄａｔａ　ｓｐａｒｓｅｎｅｓｓ　ｐｒｏｂｌｅｍ　ｉｎ　ｔｈｅ　ｂｉｇ　ｄａｔａ　ｔｒｅｎｄ，ｗｈｉｃｈ　ｌｅａｄｓ　ｔｏ　ｔｈｅ　ｉｎｅｆｆｅｃｔｉｖｅ　ｉｎ　ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ｓｅｌｅｃｔｉｏｎ，ａｎｄ　ｒｅｓｔｒｉｃｔｓ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ．Ｔｏ　ａｄｄｒｅｓｓ　ｔｈｉｓ　ｐｒｏｂｌｅｍ，ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ａ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｉｆｌｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｕｓｅｒ　ｐａｒｔｉａｌ　ｆｅａｔｕｒｅ（ＵＰＣＦ）．Ｉｎ　ｏｕｒ　ｍｅｔｈｏｄ，ｉｔ　ｆｉｒｓｔ　ｒａｔｅｓ　ｔｈｅ　ｍｉｓｓｉｎｇ　ｖａｌｕｅｓ　ｂａｓｅｄ　ｏｎ　ｒａｔｉｎｇ　ｂｉａｓ　ａｎｄ　ｉｔｅｍ　ｐｏｐｕｌａｒｉｙ；ａｎｄ　ｔｔｈｅｎ　ｃｌｕｓｔｅｒｓ　ｔｈｅ　ｉｔｅｍｓ　ｉｎ　ｔｈｅ　ｆｉｌｌｅｄ　ｍａｔｒｉｘ　ｗｉｔｈ　ａ　Ｋ－ｍｅａｎｓ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｍｅｌｉｏｒａｔｅｄ　ｉｎｉｔｉａｌ　ｃｅｎｔｅｒ．Ａｔ　ｌａｓｔ，ｉｔ　ｕｓｅｓ　ｔｈｅ　ｕｓｅｒ－ｂａｓｅｄ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｗｉｔｈ　ｔｈｅ　ｕｓｅｒ　ｆｅａｔｕｒｅ　ｉｎ　ｉｔｅｍ　ｃｌａｓｓ　ｔｏ　ｇｅｔ　ｔｈｅ　ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ．Ｔｈｅ　ＭＡＥ　ｍｅａｓｕｒｅｓ　ｏｎ　ｔｈｅ　ＭｏｖｉｅＬｅｎｓ　ｄａｔａｓｅｔ　ｓｈｏｗｓ　ｔｈａｔ　ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｐｏｐｕｌａｒ　ａｌｇｏｒｉｔｈｍｓ，ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｏｕｒ　ＵＰＣＦ　ａｌｇｏｒｉｔｈｍ　ｉｍｐｒｏｖｅｓ　ａｂｏｕｔ　１　０％ｗｉｔｈｏｕｔ　ａｎｙ　ｉｎｃｒｅａｓｅ　ｏｆ　ａｌｇｏｒｉｔｈｍ　ｃｏｍｐｌｅｘｉｔｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｉｔｅｍ　ｐｏｐｕｌａｒｉｙ；ｎｅａｒｔｅｓｔ　ｎｅｉｇｈｂｏｒ　ｓｅｌｅｃｔｉｏｎ；ｉｔｅｍ　ｃｌｕｓｔｅｒｉｎｇ；ｃｏｌｌａｂｏｒａｔｉｖｅ　ｉｌｆｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　１　引言　随着互联网的兴起，互联网上的信息呈指数化增　荐系统．推荐技术在新闻领域更是产生了“今日头条”　这样的不生产内容，仅依靠推荐引擎便拥有３．５亿注　册用户，３５００万活跃用户的新兴科技媒体．　协同过滤作为推荐系统的主流技术之一，主要包　括基于用户的协同过滤推荐、基于项目的协同过滤推　荐和基于矩阵分解的协同过滤推荐【２　Ｊ．而其中基于用　户的协同过滤算法是目前在实际应用中最为成功的算　法．该算法首先通过用户间的共同评分项计算用户间　长，人类进入了信息爆炸的大数据时代．如何从浩瀚　的数据信息中获取自己感兴趣的信息，己成为人类面　临的巨大难题．于是无需用户提供明确需求，仅通过　用户历史行为主动帮助用户快速有效筛选信息的推荐　系统应运而生【１］．我们在互联网网站中看到的“猜你喜　欢”，“大家都在看”，“看过的也看”，“你可能会感兴趣”　等都是推荐技术的实际应用．据报道，早在２００２年，　在线购物企业Ａｍａｚｏｎ总销售额的２０％便源自它的推　的相似度，然后根据用户间的相似度选择目标用户的　近邻集合，最后根据用户近邻集合对目标用户进行推　①收稿时间：２０１６．０７　０１；收到修改稿时间：２０１６－０８－３１［ｄｏｉ：１０　１５８８８／ｊ．ｃｎｋｉ．ｃｓａ．００５７０４］　２０４软件技术・算法Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　２０１７年第２６卷第３期　ｈｔｔｐ：Ｎｗｗｗ．ｃ・Ｓ—ａ．ｏｒｇ．ｃｎ　计算机系统应用　荐．最近邻选择作为该算法中最关键的步骤，直接决　其中的元素　表示Ｕ中第ｉ个用户对　中第ｕ，个项目　的评分．基于用户的协同过滤算法主要包括以下三个　步骤．　２．１评分矩阵预处理　定了推荐的质量．然而在实际应用中由于数据集中项　目的维度巨大，大多数用户只会对极少数的项目进行　评价，从而导致用户评分数据的极端稀疏，不同用户问　的共同评分项极少，用户间相似性计算的可靠性和准　确性难以得到保证，推荐算法的效果大打折扣．　为了解决稀疏性问题，多种措施相继被提出．　由于在实际应用中，项目集，的维数ｎ很大，用户　只能对极少数项目进行评价，因此评分矩阵十分稀疏，　这对后面的相似性计算提出了很大的挑战．合理的矩　Ｕｎｇａｒ　ＬＨ等［３】首次提出基于用户聚类的协同过滤算法　（ＵＢＣＦ），通过用户聚类来降低最近邻搜索的数据规模，　阵缺失值预测填充可以从一定程度上缓解稀疏性问　题．　增加最近邻可靠性．黄裕洋等［４Ｊ根据评分数据的稀疏　性情况，提出了一种动态计算相似性的方法（ＨＣＦＲ）．　Ｘａｖｉｅｒ　Ａｍａｔｒｉａｉｎｔ　】等提出在提前构建的专家集合中寻　找用户近邻集合，以确保用户的近邻对待预测项目有　过评分记录．黄创光等【６】提出了一种不确定近邻的协　同过滤推荐算法（ＵＮＣＦ）．该算法通过不确定近邻因子　及调和参数去计算基于用户和产品的预测评分并产生　推荐．Ｋｏｒｅｎ　ｙｔ　通过将矩阵分解和最近邻算法相结合，　大大提高了算法的推荐性能．　以上方法虽然从一定程度上减弱了数据稀疏对近　邻选择带来的影响，提高了协同过滤的推荐质量和效　率，但在最近邻计算的过程中，对用户的相似性计算　仍基于全局相似性。没有充分考虑用户在不同项目类　别下的兴趣差异．正如世上没有完全相同的两片树叶　一样，在各个方面兴趣都相似的用户也难以寻找．大　多用户可能只在某个领域内兴趣相仿，在其他领域内　可能兴趣完全相悖．因此本文提出了一种基于用户部　分特征的协同过滤算法ＵＰＣＦ，该算法首先对填充矩　阵进行项目聚类，然后仅根据用户在该项目分类下的　所有评价进行相似度矩阵构建，降低数据维度的同时　提升了最近邻计算的可靠性，最后根据相似性矩阵进　行近邻集合构建，从而最终得到推荐结果．　２问题定义及基本方法　基于用户的协同过滤算法基于以下假设：如果用　户之间对一些项目的评分比较相似。则他们对其它项　目的评分也将会比较相似．协同过滤推荐系统首先搜　索目标用户的若干近邻。然后根据最近邻对项目的评　分去预测目标用户对项目的评分，从而产生推荐列表．　作为算法的输入，数据源Ｄ＝（ＵＡＲ），其中己　｛“Ｊ，“２，…，　Ｕ　｝是基本用户的集合，Ｉ　＝　；Ｉ＝｛ｉｌ，　，…，ｉｎ）是项目集　合，Ｉ卅＝　．ｍ　阶矩阵　是用户对各项目的评分矩阵，　目前常用的缺失值预测方法包括评分中值、众数、　用户评分均值、项目评分均值、采用奇异值分解填补　近邻评分缺失值　以及基于近似项目预测评分值【　】等．　２．２用户近邻集合构建　接下来，我们在预处理过的用户评分矩阵上采用　相似度计算方法，计算用户之间的相似度，形成用户　的相似度矩阵．协同过滤算法研究中最常用的相似度　计算方法是相关相似度、余弦相似度和修正的余弦相　似度，它们的计算公式分别如下：　相关相似度：　∑ｆ，ｈｒ一　吖　一　ｓｉｍ（ｕ，　＝　竺＝√　一＿＝＝＝二＝ｕ／）　＿√＿　＝＝　　ｆ，　一　（１）　余弦相似度：　Ｌ●ｒｌｕｉ￣ｌｖｕ　ｒｖｉｌ　ｓｉｍ　ｃｏｓ　意　修正的余弦相似度：　∑ｒｈ　—Ｒ　｝　—Ｒ　，　ｓｉｍ（ｕ，　＝—＝＝ｉ￣二ｌｕｖ＝＝＝＝＿＝＝＝＝＝＝＝－　（３）　√　ｒｒｕｉ－　√　ｒｒｖｉ－　各公式中ｕ，ｖ表示用户“、ｖ．ｒ　表示用户“对项目　ｉ的评分，　表示用户Ｕ的平均评分，厶、，ｖ表示用户　Ｕ、ｖ已经评价过的项目集合，　表示用户Ｕ和用户ｖ　的共同评分项目集合．　相似矩阵构建结束后，便可根据用户指定的最近　邻筛选规则构建近邻集合，常用的筛选规则包括指定　近邻数量和设置相似度阈值．　２．３物品推荐　利用上一步计算得到的近邻集合，找到这个集合　中的用户喜欢且目标用户没有听说过的物品推荐给用　户．具体而言，我们利用公式（４）计算用户对指定项目　Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法２０５　计算机系统应用　ｈｔｔｐ：／／ｗｗｗ．ｃ－Ｓ—ａ．ｏｒｇ．ｃｎ　２０１７年第２６卷第３期　的预测评分．　３．２项目聚类　∑ｓｉｍ（ｕ，Ｖ）・（ｒｖ／￣Ｋ＇ｖ）　生　缺失数据处理过后，我们便可对项目进行聚类，　本次我们采用聚类算法中最经典的Ｋ—ｍｅａｎｓ算法进行　项目聚类．而传统的Ｋ．ｍｅａｎｓ算法对初始聚类中心非　其中　为用户Ｕ的最近邻集合，ｓｉｍ（ｕ，　为用户Ｕ、ｖ　常敏感，聚类结果随不同的初始输入而有较大波动．　为消除这种敏感性，本文采用袁方等提出的优化初始　的相似度，其余符号与前面定义一致．最终便得到了　用户Ｕ关于项目ｉ的预测评分　．　聚类中心的改进Ｋ．ｍｅａｎｓ算法【　】进行聚类计算．与传　统聚类算法不同的是，该算法在选取初始聚类中心时　３　基于用户部分特征的协同过滤算法ｒｕＰＣＦ）　计算每个数据对象所在区域的密度，选择相互距离最　传统的基于用户的协同过滤算法在计算最近邻的　过程中使用了用户的所有评分记录．考察了用户的全　局相似性．然而在全部项目集上兴趣都相似的用户并　不常见，大多用户可能只在某一主题下兴趣相似，而　在其余项目分类中喜好完全不同．因此传统的近邻集　合构建往往选择了全局相对相似而舍弃了在某些领域　内兴趣高度契合的用户．为了解决这个问题，本文提　出了一种基于用户部分特征的协同过滤算法，使得在　最近邻选择时所需的相似度仅根据用户在该项目所在　类内的评价信息计算获得．算法详细流程如下所示．　３．１未评分项目预测填充　为了缓解在项目聚类时矩阵的稀疏问题，我们首　先对评分矩阵进行缺失值预测填充．考虑到热门项目　对用户特征贡献度不大，以及相对冷门项目而言，用　户接触到热门项目的概率大得多，而如果用户未对热　门项目进行反馈评价，很可能是因为用户对该项目并　不感兴趣．而在推荐系统中，项目流行度是衡量项目　热门程度的主要指标，它是指项目被用户反馈的总次　数，被反馈的次数越多代表项目流行度越高．因此为　了能够从一定程度上合理惩罚未评分热门项目，我们　引入了项目流行度权重系数Ｗ，在此次试验中，我们　采用以下公式计算项目流行度，其中　ｆ）表示项目ｆ已　被评分的总次数．　Ｗ＝１／（１ｏｇ（１＋　（ｆ）））　（５）　项目被评分总次数　ｆ）越大则对应权重Ｗ越小，　预测评分则会相应降低．最终我们采用如下方法进行　缺失值预测填充．　～ｒｕｉ＝Ｒ＋ｂｕ＋ｂｉ　Ｗ　（６）　其中　表示对ｒｕｉ的预测填充值，　表示数据集中所　有用户的评分均值，　表示用户Ｕ与用户评分均值的评　分偏差，ｂｉ表示项目ｆ与用户评分均值的评分偏差，Ｗ表　示项目流行度权重系数．　２０６软件技术・算法Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　远的ｋ个处于高密度区域的点作为初始聚类中心．实　验表明改进后的Ｋ．ｍｅａｎｓ算法能产生质量较高的聚类　结果，并且消除了对初始输入的敏感性．　过程１．基于项目的ｋｍｅａｎｓ聚类　输入：聚类数目ｋ，最大迭代次数ｉｔｅｒ　ｎｕｍ和用户评　分数据填充矩阵　输出：ｋ个聚类　１１计算以项目集　中每个项目ｆ　为中心，包含常　数Ｍｉｎｐｔｓ个数据对象的半径，记为ｆ，的密度参数　．　越大，说明数据对象所处区域的数据密度越低．反　之则说明数据对象所处区域的数据密度越高．选取　满足　ｃ　ｍａｘ的点ｆ　为高密度区域Ｄ．取Ｄ中处于最　高密度区域的点作为第１个聚类中心ｒｆ；取Ｊ［）中距离　ｒＩ最远的点作第２个聚类中心　；计算Ｄ中各数据对　象　到ｒ／，ｒｅ的距离　ｆ『，，，）Ｊ　ｆ『　，），ｒ３为满足　ｍａｘ（ｍｉｎ（ｄ（ｉｊ，ｒ１），　ｉｊ　））　＝Ｊ，２…ｎ的数据对象ｉｊ；ｒｍ为　满足ｍａｘ（ｍｉｎ（ｄ（ｉｊ，ｒ１），ｄ（ｉｊ，ｒ２）…ａ（ｉｊ，ｔ＂ｍ．　√＝Ｊ，２…，ｚ的　数据对象ｉｊ，６￣Ｄ．依此得到ｋ个初始聚类中心．记为　集合ｃｅｎｔｅｒｏｔｄ＝｛ｒ，，…，　｝；　２）ｋ个聚类簇ｃｌｕｓｔｅｒ　，…ｃｌｕｓｔｅｒｋ均初始化为空，　记为集合Ｃｌｕｓｔｅｒ＝（ｃｌｕｓｔｅｒ　一ｃｌｕｓｔｅｒｋ）　３１ＲＥＰＥＡＴ　ＦＯＲ　ｅａｃｈｉｔｅｍｆｉｎ，：　ＦＯＲ　ｅａｃｈ　ｃｅｎｔｅｒ　ｎｉｎ　ｃｅｎｔｅｒｏｔｄ：　计算项目ｆ和聚类中心　的相似性ｓｉｍ０，　；　ｓｉｍ（ｉ，ｒｍ）＝ｍａｘ（ｓｉｍ（ｉ，ｒ１），ｓｉｍ（ｉ，ｒ２），…，ｓｉｍ（ｉ，　））　ｃｌｕｓｔｅｒ　＝ｃｌｕｓｔｅｒ　ｕ　ｉ　Ｅｎｄｆｏｒ　Ｆｏｒｅａｃｈ　ｃｌｕｓ　ｉｎ　Ｃｌｕｓｔｅｒ：　计算ｃｌｕｓｔｅｒ，．的均值，生成新的聚类中心Ｃｎ　．　Ｃｅｎｔｅｒｎｅｗ＝｛ｃｎｅｗＩ．ｃ　ｅｗ２．…．Ｃｎｅｗｋ｝　Ｅｎｄｆｏｒ　２０１７年第２６卷第３期　ｈｔｔｐ：／１ｗｗｗ．ｃ－Ｓ－ａ．ｏｒｇ．ｃｎ　计算机系统应用　ＵＴＩＬＣｅｎｔｅｒｏｔａ＝（ｃ，，…ｃＤ和Ｃｅｎｔｅｒｎ。　＝（ｃＪ，…ｃｋ）相同或　达到最大迭代次数ｉｔｅｒ　ｎｕｍ．　４１返回Ｃｌｕｓｔｅｒ．　该实验数据集共包含９３０个用户对１６８２部电影的　１０００００条评价信息，其中每个用户至少对２０部电影进　行了评分，每个电影也都收到了用户评论．该数据集　的稀疏性为１．１０００００／（９４３＊１６８２）＝０．９３７．数据集中用　算法的复杂性为Ｏ（ｉｔｅｒ　ｎｕｍ　ｋ　ｍ￥，ｚ）．最终　我们便得到了聚类后的项目．　３－３推荐生成　为了保证预测的精确性，避免提前引入误差，我　户评分范围是１－５，数值越大代表用户对该电影的兴　趣越大．本次实验按照８０％和２０％的比例随机的将数　据集划分成为训练集和测试集，随后进行５．折交叉实　验，取五次试验的平均值作为最终结果．　４．２评价标准　平均绝对误差ＭＡＥ（ｍｅａｎ　ａｂｓｏｌｕｔｅ　ｅｒｒｏｒ）是目前学　们在评分预测阶段采用原始用户评价矩阵而非填充矩　阵．并使用公式（１）计算待推荐用户在待推荐项目所在　类内与其余用户的相似度，构建用户相似性矩阵．查　找与用户相似度最大的ｎ个最近邻．使用公式（４）计算　用户预测评分，得到最终评分预测值，算法过程如下．　过程２．评分预测　输入：原始用户评价矩阵　，最近邻个数ｎ，待预测　评分用户ｕ，项目ｉ，项目ｉ所在聚类簇　ｃｌｕｓｔｅｒＦ［ｉ＃，　‘，纠．　输出：评分预测值　１）ｓｉｍＤｉｃｔ＝｛｝　２１Ｆｏｒｕｓｅｒｖｉｎ　ＩＦ　ｖ！－－－ｕ：　ｓｉｍＤｉｃｔ［ｖ］＝ｓｉｍ（ｕ，　Ｅｎｄｉｆ　Ｅｎｄｆｏｒ　３）　ｓｏｒｔ（ｓｉｍＤｉｃｔ）［：ｎ］　∑ｓｉｍ（ｕ，１，）・　）　４　业俪　其中，此处Ｕ，Ｖ的特征向量为“＝（ｒｕｉ，，　。，…，　），　（ｍ，　，…，ｒｖ＠）．ｓｉｍ（ｕ，　我们采用公式（１）所提供的　相关相似性计算．算法的复杂度为Ｏ（ｍ　ｎ／ｋ）．至此，　我们便可获得指定用户对指定项目的评分预测值，为　随后的推荐提供支持．　４实验结果及分析　本次实验的硬件平台是配置Ｉｎｔｅｌ　ｐｅｎｔｉｕｍ　Ｅ５８００３．２　ＧＨｚ　ＣＰＵ，４Ｇ　ＲＡＭ，操作系统为ｕｂｕｎｔｕ　ｌ４．Ｏ４的个人计算机，所有程序均由ｐｙｔｈｏｎ实现．　４．１数据集　本文采用的实验数据集是目前衡量推荐算法质量　常用的著名电影评分数据集ＭｏｖｉｅＬｅｎｓ中的１００ｋ数据　集（ｈｔｔｐ：／／ｇｒｏｕｐｌｅｎｓ．ｏｒｇ／ｄａｔａｓｅｔｓ／ｍｏｖｉｅｌｅｎｓ），该数据集由　美国明尼苏达大学ＧｒｏｕｐＬｅｎｓ研究小组创建并维护．　术研究中应用广泛的推荐系统推荐质量评价标准．其　主要通过公式（７）计算测试集中用户实际评分和推荐算　法根据训练集的训练预测值的差的绝对值均值，平均　绝对误差ＭＡＥ越小，推荐算法的质量越高．其中Ⅳ表　示测试集的数据个数，Ｐ　为预测评分值，　为测试集中　的实际评分值．　Ｎ　Ｚｉｐ—ｎｌ　ＭＡ层　（７）　４Ｉ３实验结果分析　我们首先研究聚类个数对本文算法性能的影响．　实验结果如图１所示，其中横坐标表示聚类个数，纵　坐标表示ＭＡＥ值，最近邻个数统一取ｎ＝３０．　０　６６　●　０，６５　；　爱　０．６４　ｌ　０．６３　＼．．．　．　．　０　６２　１Ｏ　２Ｏ　３Ｏ　４０　５Ｏ　６０　聚类个数　图１聚类个数对ＭＡＥ值的影响　通过图１我们可以清晰看到刚开始，随着聚类族　数的增多，算法性能不断提升，当项目聚类个数为５０　时，算法取得了最好的性能，此后聚类族数的增多反　而引起算法性能的下降．接下来。我们通过将本文所　提出算法ＵＰＣＦ与传统的基于用户聚类的协同过滤算　法（ＵＢＣＦ）ｔ引、综合用户和项目因素的协同过滤推荐算　法ｆＨＣＦＲ）ｔ训、基与不确定近邻的协同过滤算法　（ＵＮＣＦ）ｔ６Ｊ的平均绝对误差ＭＡＥ进行对比观测试验性　Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法２０７　计算机系统应用　ｈｔｔｐ：ｌｌｗｗ￣．ｅ—ｓ－ａ．ｏｒｇ．ｃａ　２０１７年第２６卷第３期　能．为了缩短算法的运行时间，聚类个数均设置为２０　法Ｋ．ｍｅａｎｓ的聚类效果仍不是十分理想．此外，在此　由图２可以看出，本文算法与其他算法在ＭＡＥ值　上有了１０％左右的提高，特别是当近邻个数比较少的　时候，本文算法体现了非常好的推荐效果，性能优势　明显更好，这充分说明本文提出算法最近邻选择的高　效合理性．我们也可以观察到，当最近邻个数达到一　定数量后，所有算法的ＭＡＥ性能趋于平稳，这也反映　出当近邻相似度不断减小时，该近邻对算法的性能提　升没有显著的影响．　此外，本文算法在提高推荐质量的同时并没有带　来算法复杂性的提升．数据的预填充和项目聚类均可　提前离线完成，仅需根据需求隔一段时问更新．而评　分预测由于不再依赖用户全局特征，单个评分预测的　复杂性由ｏ（ｍ　）变为ｏ（ｍ　ｎ／尼１，其中ｍ表示用户　总个数，以表示项目总个数，ｋ表示项目聚类个数．用户　还可根据实际需求，并行的在各个项目类内进行用户　评分预测．　５　总结　针对传统协同过滤算法中最近邻计算时所面临的　稀疏性和准确性挑战，本文提出了一种基于用户部分　特征的协同过滤算法．该算法采用基于评分偏差与项　目流行度的思想进行缺失值填充，并在最近邻构建时　仅考虑用户在该项目分类下的特征，动态的根据待预　测项目筛选用户最近邻，从而提高了推荐的质量．此　外，由于仅需考虑用户类内特征，该算法实现了一定　程度的降维，降低了算法的复杂性．并可根据需要，　分布并发的计算各个类内用户的预测评分值，一定程　度上提高了算法的实时性．　但算法中项目分类以及用户最近邻选择时特征选　择的准确性仍需要进一步研究改良，所使用的聚类算　２０８软件技术・算法Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　次研究前期对推荐算法的了解中，我们发现目前针对　各种推荐算法模型的融合以及算法并行化的研究也成　为业界的新热点．而能够更好地反应用户兴趣的用户　社交关系的引入［１０，１１］大大提高了协同过滤算法的近邻　可靠性和准确性，为算法的改良提供了新的方向．如　何将用户社交关系引入本文提出的算法，进一步改善　本文算法的性能，将是下一阶段研究的重点．　参考文献　１　Ｐａｒｋ　ＤＨ，Ｋｉｍ　ＨＫ，Ｃｈｏｉ　ＩＶ，Ｋｉｍ　ＪＫ．Ａ　ｌｉｔｅｒａｔｕｒｅ　ｒｅｖｉｅｗ　ａｎｄ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｒｅｃｏｍｍｅｎｄｅｒ　ｓｙｓｔｅｍｓ　ｒｅｓｅａｒｃｈ．Ｅｘｐｅ￣　Ｓｙｓｔｅｍｓ　ｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓ，２０１２，３９（１１）：１００５９—１００７２．　２　Ｂｏｂａｄｉｌｌａ　Ｊ，Ｏ￣ｅｇａ　Ｈｅｍａｎｄｏ　Ａ，Ｇｕｔｉｒｒｒｅｚ　Ａ．　Ｒｅｃｏｍｍｅｎｄｅｒ　ｓｙｓｔｅｍ　ｓｕｒｖｅｙ．Ｋｎｏｗｌｅｄｇｅ—Ｂａｓｅｄ　Ｓｙｓｔｅｍｓ．　２０１３，４６：１０９－１３２．　３　Ｕｎｇａｒ　ＬＨ，Ｆｏｓｔｅｒ　ＤＥ　Ｃｌｕｓｔｅｒｉｎｇ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｉｆｌｔｅｒｉｎｇ．ＡＡＡＩ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｓｙｓｔｅｍｓ．　１９９８，１：１１４－１２９．　４黄裕洋，金远平．一种综合用户和项目因素的协同过滤推荐　算法．东南大学学报（自然科学版），２０１０，４０（５）：９１７－９２１．　５　Ａｍａｔｒｉａｉｎ　Ｘ，Ｌａｔｈｉａ　Ｎ，ｐｕｊｏｌ　ＪＭ，Ｋｗａｋ　Ｈ，Ｏｌｉｖｅｒ　Ｎ．Ｔｈｅ　ｗｉｓｄｏｍ　ｏｆ　ｔｈｅ　ｆｅｗ：Ａ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ　ａｐｐｒｏａｃｈ　ｂａｓｅｄ　ｏｎ　ｅｘｐｅ￣ｏｐｉｎｉｏｎｓ　ｆｒｏｍ　ｔｈｅ　ｗｅｂ．Ｐｒｏｃ．ｏｆ　ｔｈｅ　３２ｎｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　ＡＣＭ　ＳＩＧＩＲ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅｔｉｒｅｖａ１．ＡＣＭ．２００９．　５３２－５３９．　６黄创光，印鉴，汪静，刘玉葆，王甲海．小确定近邻的协同过滤　推荐算法．计算机学报，２０１０，３３（８）：１３６９—１３７７．　７　Ｋｏｒｅｎ　Ｙ　Ｆａｃｔｏｒｉｚａｔｉｏｎ　ｍｅｅｔｓ　ｔｈｅ　ｎｅｉｇｈｂｏｒｈｏｏｄ：Ａ　ｍｕｌｔｉｆａｃｅｔｅｄ　ｃｏｌｌａｂｏｒａｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ　ｍｏｄｅ１．Ｐｒｏｃ．ｏｆ　ｔｈｅ　１４ｔｈ　ＡＣＭ　ＳＩＧＫＤＤ　Ｉｎｔｅｍａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｋｎｏｗｌｅｄｇｅ　Ｄｉｓｃｏｖｅｒｙ　ａｎｄ　Ｄａｔａ　Ｍｉｎｉｎｇ．２００８．４２　４３４．　８邓爱林，朱扬勇，施伯乐．基于项目评分预测的协同过滤推荐　算法．软件学报，２００３，ｌ４（９）：１６２１—１６２８．　９袁方，周志勇，宋鑫．初始聚类中心优化的Ｋ．ｍｅａｎｓ算法．计算　机工程，２００７，３３（３）：６５－６６．　１　０　Ｄａｌｙ　ＥＭ．Ｇｅｙｅｒ　Ｗ　Ｅｆｆｅｃｔｉｖｅ　ｅｖｅｎｔ　ｄｉｓｃｏｖｅｒｙ：Ｕｓｉｎｇ　ｃａｔｉｏｎ　ａｎｄ　ｓｏｃｉａｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｏｒ　ｓｃｏｐｉｎｇ　ｅｖｅｎｔ　ｒｅｃｏｍｍｅｎｄｍｉｏｎｓ．　Ｐｒｏｃ．ｏｆ　ｔｈｅ　５ｔｈ　ＡＣＭ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｅｃｏｍｍｅｎｄｅｒ　Ｓｙｓｔｅｍｓ．ＡＣＭ．２０　１　１．２７７－２８０．　１　１　Ｇｕｙ　Ｉ．Ｓｏｃｉａｌ　ｒｅｃｏｍｍｅｎｄｅｒ　ｓｙｓｔｅｍｓ．Ｒｅｃｏｍｍｅｎｄｅｒ　Ｓｙｓｔｅｍｓ　Ｈａｎｄｂｏｏｋ．Ｓｐｒｉｎｇｅｒ　ＵＳ．２０１５：５１　１－５４３．