CN106815347A - 基于商品相似度的改进slope one协同过滤推荐算法 - Google Patents

Abstract

本发明公开了一种基于商品相似度的改进slope one协同过滤推荐算法，包括如下步骤：计算商品之间的数值型属性距离；商品名称型属性的编码转换；计算商品之间的名称型属性距离；计算商品与商品之间的距离；确定备选集合；得到客户互动得到的商品集合；按照slopeone协同过滤推荐算法得到商品的推荐集合；将候选集里的商品按照商品的相似度进行排序；得出最后的推荐集合；根据Top‑N排序算法为客户呈现商品推荐。本发明定义了商品的属性和客户针对商品的互动信息的相似度计算公式，基于某电子商务平台站点提供的商品数目、客户数目、客户对商品的浏览信息以及商品的稀疏度等信息，进行了仿真实验，证明了本方法的有效性。

Description

基于商品相似度的改进slope one协同过滤推荐算法

技术领域

本发明涉及商品推荐领域，具体涉及基于商品相似度的改进slope one协同过滤推荐算法。

背景技术

随着互联网和电子商务平台的飞速发展，越来越多的客户借助于互联网进行商品的浏览、选择与购买。面对着万千商品，没种商品又包括了商品固有属性和不同客户对商品的评价信息，因此，客户在选择一款钟意的商品过程中，需要花费太多时间。协同过滤推荐系统的提出，能够将客户筛选商品的时间成本降到最低，同时能给客户带来更多、更人性化的体验。客户的忠诚度因此增加，良好的电子商务平台能够实现对客户购买行为的引导，使更多的商品浏览者转变成商品购买者，提高电子商务平台商品的销售量。

个性化推荐系统的概念最早是在上世纪90年代初提出的，几年之后，就有了关于协同过滤算法的文献出现。针对用户和项目数量增加情况下，带来的数据稀疏性问题，查九等提出了6种组合相似度，提高了针对特定用户的项目推荐满意度。程高伟等提出了一种新的协同过滤算法，该算法实现了用户评分和项目标签的结合，在相似度的计算过程中进行了相应的加权处理，以增加计算结果的准确性。赖英旭等提出了一种新的基于偏离距离的用户流量特征选择规则，进行优化特征集的选择，实现了基于用户行为分析的电子商务平台中网络异常流量的检测。秦如新等提出了一种新的双聚类关联规则挖掘方法，实现对数据集中数据的挖掘。陈可寒等针对社交网络中的感兴趣的异性朋友采用一种异构推荐算法，该算法是基于用户聚类实现的。

关于商品推荐系统的专著于2010年由Jannach等人出版，2011年Ricci等人在对协同过滤推荐算法进行综述的基础上，形成了专著进行了正式出版。林景栋等针对RSSI测距定位技术在室内环境中受到的随机干扰大，干扰变化情况不确定，定位结果误差较大的问，提出了一种基于无线传感器网络节点相似度的室内定位算法。此外，国际上每年都举办关于推荐算法的大赛，并提供比赛所用的详细数据，此类比赛的成功举办引起来学术界和工业界的广泛关注，推动了推荐的发展。

发明内容

为解决上述问题，本发明提供了一种基于商品相似度的改进slope one协同过滤推荐算法。

为实现上述目的，本发明采取的技术方案为：

基于商品相似度的改进slope one协同过滤推荐算法，包括如下步骤：

S1、根据Dis_{Goods1-Goods2}计算商品Goods1与商品Goods2之间的数值型属性距离；

S2、对于商品Goods1的名称型属性，需要对属性取值进行相应的编码转换，将商品的名称型取值为对应的编码串，计算出名称型属性对应的距离Dis_Name；

S3、根据Dis＝Dis_{Goods1-Goods2}+Dis_Name计算商品Goods1与其他商品之间的距离，用来度量商品Goods1与其他商品间的属性相似度，即商品间的距离||Dis||；

S4、确定备选集合C，根据客户之间的互动信息，得到与目标商品Goods1相似的商品集合{Goods2，Goods3，...，Goodsn}；

S5、得到客户之间互动得到的商品集合{Goods2′，Goods3′，...，Goodsn′}；

S6、按照slope one协同过滤推荐算法得到商品的推荐集合

S7、将候选集C里的商品按照商品的相似度进行排序；

S8、得出最后的推荐集合R＝R_{C_Ranked}∪C_S-R；

S9、根据Top-N排序算法为客户呈现商品推荐。

本发明具有以下有益效果：

定义了商品的属性和客户针对商品的互动(行为)信息的相似度计算公式，基于某电子商务平台站点提供的商品数目、客户数目、客户对商品的浏览信息以及商品的稀疏度等信息，进行了仿真实验，通过与基本slope one算法和加权slope one算法的比较，证明了本申请方法的有效性。

附图说明

图1为本发明实施例的算法流程图。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在电子商务平台的应用场景非常多，不用的应用场景对应不同的商品属性，他们之间的相似度有两种一种是商品与商品之间的相似度，通过Dis_{Goods1-Goods2}表示，另一种是客户针对商品的互动得到的相似度Sim_I。两种不同类型的相似度对总体相似度的影响是有差别的。假设他们的权重分别为α和β。最终的整体相似度Sim_{Goods1-Goods2}是通过分别计算出的两个子相似度的线性拟合实现的。两个商品之间的相似度Sim_{Goods1-Goods2}值越小，说明两种商品之间的关联程度越高，客户可以在两种商品之间进行权衡，因此可以将该商品推荐给客户。

商品Goods1与Goods2的总相似度：

其中，α和β分别表示总体相似度中两个子相似度的权重分配，权重系数α和β满足α+β＝1。

本申请所提出的基于商品相似度的改进slope one协同过滤推荐算法中的相似度主要由两部分构成。第一部分是商品属性相似度，该种相似度是根据商品本身的属性所决定的，度量方式是通过两种商品(Goods1与Goods2)之间的距离的计算Dis(Goods1-Goods2)进行度量的。通过距离的度量可以发现两种商品之间的相似程度，一般Dis(Goods1-Goods2)值越小，则两种商品有越高的属性相似性；另一部分称之为互动相似度，该种相似度得出的依据是不同客户之间对商品信息的浏览。计算的主要标的是与目标商品相似商品的客户浏览量，客户浏览量越大，说明该种商品对客户的吸引力越大。最后将这两部分的相似度进行线性拟合，最终计算得出商品与商品之间的总相似度，进而向客户进行展示。

商品属性又可以划分为两大类：第一类类似于单价、重量、尺寸等信息，该类属性可称作是数值型属性；另一类称之为名称型的属性(如商品名称、来源、用途等)。针对数值型属性，采用公式(1)进行所浏览的不同商品之间数值型属性的计算，得到两种商品的绝对差值：

||Dis||＝|Value_x-Value_y|

假设所有商品中，两两不同属性通过公式(1)得到的最小和最大绝对差值的差距为将整个区间进行平均划分，划分为一共n-1个等间距的小区间。

假设不同商品对应的数值型属性通过公式(1)计算的绝对差值处于上述划分的某一个小区间中，则需要对该小区间根据得到的偏差进行相应的数值给定。本申请仅划定3个不同的区间在整个的[0，1，2，...，n-1，n]数值型属性距离中。进而可以得到商品与商品之间的数值型属性距离，通过符号Dis_num进行表示。

相对于数值型属性，名称型属性的计算过程如下：首先获取商品的名称型属性，获得该名称型属性的设定值；其次，根据N确定需要编码的具体位数，通过n＝Bit_N进行计算；第三，根据不同的取值，采用格雷编码的方式进行编码，并将其串接；第四，通过海明距离计算公式，进行不同商品之间名称型属性偏差的计算，通过符号Dis_Name进行表示。

假设用户Customer1与Customer2都进行了不同商品的浏览，并给出了不同的分数。则两个商品之间的属性相似度，通过两种商品之间打分的偏差进行度量。每一个商品属性的权重假设为λ_i，则通过公式(2)可以得到所有商品属性权重值：对于获取的商品数值型属性偏差计算结果Dis_num，根据2.2上文的说明，给出如下的取值区间的定义：

如果那么dis_num＝0；

如果那么dis_num＝1；

如果那么dis_num＝2；

……

如果那么dis_num＝n-2。针对上述的商品数值属性，商品之间的距离计算公式为：

根据商品的具体属性值，将其划分为3个区间。

如果0≤|Value_x-Value_y|＜3，那么dis_num＝0；

如果3＜|Value_x-Value_y|≤7，那么dis_num＝2；

如果7≤|Value_x-Value_y|≤10，那么dis_num＝5；

商品的名称型的属性距离通过符号Dis_Name进行表示。

单一是名称型属性取值的特点，其表示方式可以借助于二进制编码。商品名称、来源、用途等属性可以称之为名称型属性，将其转换为二进制编码的形式，分别描述为：000、001、011，其他的名称型属性可以以此类推。最终目的是将商品具有的全部名称型属性通过二进制编码串进行串联，形成一个二进制串，用B_nom表示；对二进制串B_nom的计算是借助于海明距离实现的；所有权重属性的平均值是通过以下公式得到。

最终得到两个商品Goods1与Goods2的信息属性距离为：

在电子商务平台的应用场景非常多，不用的应用场景对应不同的商品属性，他们之间的相似度有两种一种是商品与商品之间的相似度，通过Dis_{Goods1-Goods2}表示，另一种是客户针对商品的互动得到的相似度Sim_I。两种不同类型的相似度对总体相似度的影响是有差别的。假设他们的权重分别为α和β。最终的整体相似度Sim_{Goods1-Goods2}是通过分别计算出的两个子相似度的线性拟合实现的。两个商品之间的相似度Sim_{Goods1-Goods2}值越小，说明两种商品之间的关联程度越高，客户可以在两种商品之间进行权衡，因此可以将该商品推荐给客户。

商品Goods1与Goods2的总相似度：

其中，α和β分别表示总体相似度中两个子相似度的权重分配，权重系数α和β满足α+β＝1。

如图1所示，本发明实施例提供了一种基于商品相似度的改进slope one协同过滤推荐算法，包括如下步骤：

S1、根据Dis_{Goods1-Goods2}计算商品Goods1与商品Goods2之间的数值型属性距离；

S2、对于商品Goods1的名称型属性，需要对属性取值进行相应的编码转换，将商品的名称型取值为对应的编码串，计算出名称型属性对应的距离Dis_Name；

S3、根据Dis＝Dis_{Goods1-Goods2}+Dis_Name计算商品Goods1与其他商品之间的距离，用来度量商品Goods1与其他商品间的属性相似度，即商品间的距离||Dis||；

S4、确定备选集合C，根据客户之间的互动信息，得到与目标商品Goods1相似的商品集合{Goods2，Goods3，...，Goodsn}；

S5、得到客户之间互动得到的商品集合{Goods2′，Goods3′，...，Goodsn′}；

S6、按照slope one协同过滤推荐算法得到商品的推荐集合

S7、将候选集C里的商品按照商品的相似度进行排序；

S8、得出最后的推荐集合R＝R_{C_Ranked}∪C_S-R；

S9、根据Top-N排序算法为客户呈现商品推荐。

仿真实验采用的编程语言是C++，本实验确定实施的操作系统环境为Windows7/Windows8/Windows10中任何的一种，CPU型号为英特尔inside Core i7，处理器的主频是2.80GHz，计算机的内存为4GB。算法的评价标准采用的预测结果的平均绝对误差MAE。该种算法是协同过滤推荐算法中普遍采用的一种评价指标。MAE是对推荐商品的预测评分和推荐商品的真实评分之间差值与所有客户对商品的评分总数之比。其计算公式如下：

上式中Total_Score是所有客户对商品的评分总数，p_ui是客户u对商品i的预测评分，r_ui是针对商品i的真实评分。如果MAE的值越小，说明对推荐的商品预测的越准确。

表1所示是某电子商务平台站点为客户提供的商品数目、客户数目、客户对商品的浏览信息以及商品的稀疏度等信息。客户通过对商品的浏览实现对商品的评分并提供相应的商品推荐满意度表。对商品评分的尺度是0到10之间的整数，评分数值越高，则表示客户对该商品的认可和满意程度越高，反之则表示客户对该商品不是很满意。所选取的数据集合，实现了每个客户至少要对10种不同的商品进行打分。其中，表1中稀疏度采用如下的计算公式进行计算：

表1 数据集信息表

本申请借助于Data1和Data2两个数据集中的数据进行实验验证和结果分析。在实验之前，首先将两个数据集中的数据进行划分，划分为测试数据和训练数据。随机方式是采用的划分方法。数据集中的数据划分是随机的，但是训练数据和测试数据有一个百分比，设置如下：训练数据集中的数据占全部测试数据的80％，剩下的20％作为测试数据。同时，为了有效降低不同数据集的划分可能会对实验结果产生的影响，针对所有的数据集Data1，我们一共进行了5次划分，即一共产生了5组训练集和测试集对，分别标记如下：Train_1_D1和Test_1_D1、Train_2_D1和Test_2_D1、Train_3_D1和Test_3_D1、Train_4_D1和Test_4_D1、Train_5_D1和Test_5_D1。

将本申请的方法与基本slope one算法和加权slope one算法根据前文对Data1中数据的划分进行了实验对比研究。同时，由于Data1中的数据数量较少，为了更加有效的验证算法的有效性，在规模相对大些的Data2对应的数据集上也进行了仿真实验研究，Data2中数据集的划分也是按照80％测试数据，20％实验数据，分别划分到Train_D2和Test_D2中。实验对比结果如表2所示。

表2 三种方法商品推荐实验结果对比

通过上表可以看出，在预测的准确度方面，本申请的方法明显优于基本slope one算法和加权slope one算法，尽管在Train_4_D1数据集上，本申请方法略高于其他两种方法。

在表3中针对三种算法的针对数据集Data1和Data2的预测时间进行了对比。

表3 三种算法预测时间对比

	基本slope one算法	加权slope one算法	本申请方法
				Train_1_D1	0.576	0.582	0.588
Test_1_D1	0.572	0.570	0.576
				Train_2_D1	0.569	0.582	0.561
Test_2_D1	0.587	0.571	0.562
				…	…	…	…
Test_5_D1	0.581	0.582	0.586
				Train_Average	0.5762	0.5766	0.5666
Test_Average	0.5808	0.5734	0.562
				Train_D2	8.13	8.42	8.58
Test_D2	8.01	8.21	8.43

通过上表可以看出，在商品预测需要花费的时间来看，由于本申请增加了商品相似度的判别，致使相同的商品能够较快的被挖掘出来，因此本申请的方法较基本slope one算法和加权slope one算法要好，尽管在Test_5_D1数据集上，本申请方法略高于其他两种方法。

针对该算法，在实际的应用中，选择的数据集是一个关于用户对健身会所评分的数据集，其中包括545位用户，103个健身会所(威尔士、瑞志城建、全民健身中心、国奥游泳馆、帕森倍力等)和8000条评分记录，每条评分值都是取0到5之间的整数值，分数越高代表着用户对评分的健身会所越喜欢。评分记录少于30条的用户己经从数据集中剔除，同时，研究之后可以发现这个数据集非常稀疏，稀疏度是6.16％，可拿来评估算法在稀疏评分矩阵上的推荐效果。

因为本论文提出的改进算法利用了会所跟会所的特征属性信息，需要从ClubLens数据集中抽取用户和健身会所的关键特征。用户特征可从“UserID”，“Gender”，“Age”，“Occupation”和“Location”中进行选取，其中“Location”是住所，可理解成会员的位置，缺失项由众数填充。特征“Age”由于比较离散，可以通过年龄段进行代替，每十年作为一个年龄段。健身会所特征可以选取“ClubID”，“ClubName”，“ClubLobation”，“ClubTime”，“ClubItem”，“ClubPrice”，“ClubComment”，“ClubMember”中进行选取，本申请在健身会所特征中选取12个维度的特征向量进行不同会所的表示，每个分量取值0或1，0表示该健身会所不属于这种类别，1表示该健身会所属于这一类别。

表4 健身会所数据集

表5 三种方法在健身会所推荐中的对比

通过三种算法在准确度和时间上的对比，可以看出，本申请的方法无论是推荐的时间上，还是推荐的准确度上都是最优的，说明了本申请所提出算法的有效性。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.基于商品相似度的改进slope one协同过滤推荐算法，其特征在于，包括如下步骤：

S1、根据Dis_{Goods1-Goods2}计算商品Goods1与商品Goods2之间的数值型属性距离；

S2、对于商品Goods1的名称型属性，需要对属性取值进行相应的编码转换，将商品的名称型取值为对应的编码串，计算出名称型属性对应的距离Dis_Name；

S3、根据Dis＝Dis_{Goods1-Goods2}+Dis_Name计算商品Goods1与其他商品之间的距离，用来度量商品Goods1与其他商品间的属性相似度，即商品间的距离||Dis||；

S4、确定备选集合C，根据客户之间的互动信息，得到与目标商品Goods1相似的商品集合{Goods2，Goods3，...，Goodsn}；

S5、得到客户之间互动得到的商品集合{Goods2′，Goods3′，...，Goodsn′}；

S6、按照slope one协同过滤推荐算法得到商品的推荐集合

S7、将候选集C里的商品按照商品的相似度进行排序；

S8、得出最后的推荐集合R＝R_{C_Ranked}∪C_S-R；

S9、根据Top-N排序算法为客户呈现商品推荐。