小型微型计算机系统Ｊｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｃ ｈ ｉｎ ｅ ｓｅＣ ｏ ｍ ｐ ｕ ｔｅ ｒ Ｓ ｙ ｓｔｅ ｍ ｓ２ ０ １１年１１月 第ｌｌ期Ｖ Ｏ Ｌ３２ Ｎ ｏ ． １１２ ０ １１多维度自适应的协同过滤推荐算法邢哲１’ ２， 梁竞帆１’ ２， 朱青１’ ２１（ 中国人民大学信息学院， 北京１０ ０ ８ ７ ２）２（ 中国人民大学数据工程与知识工程188宝金博页面版部重点实验室， 北京１０ ０ ８ ７ ２）Ｅ —ｍ ａ ｉｌ： ｓｉｎ ｒ ｏ ｗ ＠ １２６ ． ｃｏ ｒ ｎ摘要： 传统的协同过滤推荐算法明显存在的缺点是数据稀疏性导致所求相似性的不准确， 影响最终推荐质量． 本文围绕其局限性展开研究， 提出一种多维度自适应的协同过滤推荐算法， 有机结合三种推荐模型——基于用户、 基于项目以及基于评论的相似性计算， 将观点挖掘技术运用到协同过滤推荐算法中， 并通过动态度量方法自动确定三个维度的权重产生最终推荐． 实验结果表明， 该算法可以有效缓解用户评分数据稀疏带来的不良影响， 提高预测准确率和推荐质量．关键词： 多维度； 自适应； 观点挖掘； 协同过滤； 推荐系统中图分类号： Ｔ Ｐ ３０ １文献标识码： Ａ文章编号： １０ ０ ０ —１２２０ （ ２０ １１）１ｌ一２２１０ － ０ ７Ｍ ｕ ｌｔｉ－ ｄ ｉｍ ｅｎ ｓｉｏ ｎ ａ ｌＡ ｄ ａ ｐ ｔｉｖ ｅＣ ｏ ｌｌａ ｂ ｏ ｒ ａ ｔｉｖ ｅＦ ｉｌｔｅ ｒ ｉｎ ｇＲ ｅ ｃ ｏ ｍ ｍ ｅ ｎ ｄ ａ ｔｉｏ ｎＡ ｌｇ ｏ ｒ ｉｔｈ ｍＸ Ｉ Ｎ ＧＺ ｈ ｅ ｈ ２ ， Ｌ ＩＡ Ｎ ＧＪｉｎ ｇ —ｆ ａ ｎ ｈ ２ ， Ｚ Ｈ ＵＱ ｉＩｌｇ ｈ ２１（ Ｓ ｃｈ ｏ ｏ ｌ ｏ ｆ Ｉｎ ｆ ｏ ｒｍ ａ ｔｉｏ ｎ ． Ｒ ｅｎ ｍ ｉｎＵ ｎ ｉｖ ｅ ｒ ｓｉｔｙｏ ｆ Ｃ ｈ ｉｎ ａ － Ｂ ｅｉｆ ｉｎ ｇ １０ ０ ８ ７ ２． Ｃ ｈ ｉｎ ａ ）２ （ Ｋ ｅ ｙＬ ａ ｂ ｏ ｒ ａ ｔｏ ｒ ｙ ｆ ｏ ｒ Ｄ ａ ｔａ Ｅ ｎ ｇ ｉｎ ｅ ｅ ｒ ｉｎ ｇａ ｎ ｄＫ ｎ ｏ ｗ ｌｅ ｄ ｇ ｅ Ｅ ｎ ｇ ｉｎ ｅ ｅ ｄ ｎ ｇＭ Ｏ Ｅ ． Ｒ ｅ ｎ ｍ ｉｎ Ｕ ｎ ｉｖ ｅｒｓｉ砂ｏ ｆ Ｃ ｈ ｉｎ ａ 。 Ｂ ｅｉｊｉｎ ｇ １０ ０ ８ ７ ２． Ｃ ｈ ｉｎ ａ ）Ａ ｂ ｓｔｒ ａ ｃ ｔ： Ｃ ｏ ｌｌａ ｂ ｏ ｒ ａ ｔｉｖ ｅｆ ｉｌｔｅ ｒ ｉｎ ｇ （ Ｃ Ｆ ）ｉｓｏ ｎ ｅ ｏ ｆ ｔｈ ｅ ｍ ｏ ｓｔｉｍ ｐ ｏ ｒ ｔａ ｎ ｔ ａ ｌｇ ｏ ｒ ｉｔｈ ｍ ｓ ａ ｐ ｐ ｌｉｅ ｄｉｎ ｅ － ｃ ｏ ｒ ｍ ｎ ｅ ｒ ｃ ｅ ｒ ｅ ｃ ｏ ｍ ｍ ｅ ｎ ｄ ａ ｔｉｏ ｎｓｙ ｓｔｅ ｍ ｓ． Ｔ ｈ ｅｔｒａ ｄ ｉｔｉｏ ｎ ａ ｌ ｍ ｅ ｔｈ ｏ ｄ ｓ ａ ｒ ｅ ｉｎ ｅｆ ｆ ｉｃｉｅｎ ｔ ｗ ｈ ｅ ｎ ｔｈ ｅｕ ｓ ｅ ｒｒ ａ ｔｉｎ ｇｄ ａ ｔａ ｉｓ ｅ ｘ ｔｒ ｅ ｍ ｅ ｌｙ ｓｐ ａ ｒ ｓｅ ． Ｉｎｏ ｒ ｄ ｅ ｒｔｏｏ ｖ ｅ ｒ ｃ ｏ ｍ ｅ ｔｈ ｅ ｌｉｍ ｉｔａ ｔｉｏ ｎ ｓ， ａｎ ｏ ｖ ｅ ｌａ ｌｇ ｏ －ｒ ｉｔｈ ｍ ｎ ａ ｍ ｅ ｄＭ Ａ Ｃ Ｆ （ Ｍ ｕ ｌｔｉ—ｄ ｉｍ ｅｎ ｓｉｏ ｎ ａ ｌ Ａ ｄ ａ ｐ ｔｉｖ ｅＣ ｏ ｌｌａ ｂ ｏ ｒ ａ ｔｉｖ ｅＦ ｉｌｔｅｒ ｉｎ ｇＲ ｅ ｃ ｏ ｍ ｍ ｅ ｎ ｄ ａ ｔｉｏ ｎＡ ｌｇ ｏ ｒ ｉｔｈ ｍ ）ｉｓ ｐ ｒ ｏ ｐ ｏ ｓｅ ｄｉｎ ｔｈ ｉｓｐ ａ ｐ ｅｒ． Ｔ ｈ ｅＭ Ａ Ｃ Ｆａ ｌｇ ｏ ｒ ｉｔｈ ｍ ｃｒ ｅａ ｔｉｖ ｅｌｙｃ ｏ ｍ ｂ ｉｎ ｅ ｓ ｔｈ ｒ ｅ ｅｒ ｅ ｃ ｏ ｍ ｍ ｅ ｎ ｄ ａ ｔｉｏ ｎｍ ｏ ｄ ｅｌｓ： ｕ ｓｅｒ－ ｂａ ｓｅｄＣ Ｆ 。 ｉｔｅ ｍ —ｂ ａ ｓｅ ｄＣ Ｆ ａ ｎ ｄｒ ｅ ｖ ｉｅ ｗ ?ｂ ａ ｓｅ ｄＣ Ｆ ． Ｉｔ ｓ ｕ ｃ ｃ ｅ ｓ ｓ －ｆ ｕ ｌｌｙ ｉｎ ｔｅｇ ｒ ａ ｔｅｓ ｏ ｐ ｉｎ ｉｏ ｎ ｍ ｉｎ ｉｎ ｇｔｅｃｈ ｎ ｏ ｌｏ ｇ ｙ 、 ⅣｉｔＩｌｃｏ ｌｌａ ｂ ｏ ｒ ａ ｔｉｖ ｅｆ ｉｌｔｅｒｉｎ ｇ ａ ｌｇ ｏ ｒ ｉｔｈ ｍ ． Ｉｎａ ｄ ｄ ｉｔｉｏ ｎ 。 ａｄ ｙ ｎ ａ ｍ ｉｃｍ ｅ ａ ｓｕ ｒ ｅ ｍ ｅ ｎ ｔａ ｐ ｐ ｒ ｏ ａ ｃｈｗ ｏ ｕ ｌｄｈ ｅ ｌｐ ｄ ｅ ｔｅ ｒ ｍ ｉｎ ｅ ｔｈ ｅｗ ｅ ｉｇ ｈ ｔｏ ｆｔｈ ｒ ｅｅｄ ｉｍ ｅ ｎ ｓｉｏ ｎ ｓ： ｕ ｓｅ ｒ ， ｉｔｅ ｍａ ｎ ｄｒｅｖ ｉｅｗ ， ａ ｎ ｄｈ ｅ ｎ ｃ ｅｇ ｅｔｔｈ ｅｆ ｉｎ ａ ｌｐ ｒｅｄ ｉｃｔｉｏ ｎｒ ｅ ｓｕ ｌｔ． Ｔ ｈ ｅｅｘ ｐ ｅｒｉｍ ｅｎ ｔａ ｌｆ ｅ—ｓｕ ｉｔｓ ｓｈ ｏ ｗｔｈ ａ ｔ Ｍ Ａ Ｃ ＦＣ ａ ｎｅｆ ｆ ｅｃｔｉｖ ｅｌｙａ ｌｌｅｖ ｉａ ｔｅ ｔｈ ｅ ｄ ａ ｔａ ｓｅ ｔｓｐ ａ ｒ ｓｉｔｙ ｐ ｒ ｏ ｂ ｌｅ ｍａ ｎ ｄ ａ ｃ ｈ ｉｅ ｖ ｅ ｂ ｅ ｔｔｅ ｒｐ ｒ ｅ ｄ ｉｃ ｔｉｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｃｏ ｍ ｐ ａ ｒ ｅｄｔｏ ｏ ｔｈ ｅ ｒｗ ｅｌｌ—ｐ ｅｒｆ ｏ ｒｍ ｉｎ ｇｃｏ ｌｌａ ｂ ｏ ｒ ａ ｔｉｖ ｅｆ ｉｌｔｅｒｉｎ ｇ ａ ｌｇ ｏ ｒｉｔｈ ｍ ｓ．Ｋ ｅ ｙ ｗ ｏ ｒｄ ｓ： ｍ ｕ ｌｔｉ—ｄ ｉｍ ｅｎ ｓｉｏ ｎ ａ ｌ； ａ ｄ ａ ｐ ｔｉｖ ｅ； ｏ ｐ ｉｎ ｉｏ ｎ ｍ ｉｎ ｉｎ ｇ ； ｃｏ ｌｌａ ｂ ｏ ｒａ ｔｉｖ ｅｆ ｉｌｔｅ ｒ ｉｎ ｇ ； ｒ ｅ ｃ ｏ ｍ ｍ ｅ ｎ ｄ ａ ｔｉｏ ｎｓｙ ｓｔｅ ｍ１引言协同过滤推荐算法是电子商务推荐系统中的一种重要算法， 已在商业应用上取得了不错的成绩． 其基本思想是利用兴趣相投、 拥有共同经验之群体的喜好来为目标用户推荐他可能感兴趣的项目， 这也正是“协同” 二字的含义． 协同过滤推荐算法本质上是利用了群体内（ 可能是用户群， 也可能是项目群）个体与个体之间的相互作用来对当前对象的属性做出预测的过程¨ － ．传统的协同过滤推荐算法主要有基于用户（ ｕ ｓｅｒ － ｂ ａ ｓｅｄ ）和基于项目（ ｉｔｅｍ —ｂ ａ ｓｅｄ ）两种． 基于用户的协同过滤推荐算法（ Ｕ Ｂ Ｃ Ｆ ， Ｕ ｓｅｒ － Ｂ ａ ｓｅｄＣ ｏ ｌｌａ ｂｏ ｒａ ｔｉｖｅＦ ｉｌｔｅｒｉｎ ｇ ）是通过用户的最近邻居产生最终的推荐， 而基于项目的协同过滤推荐算法（ ＩＢ Ｃ Ｆ ， Ｉｔｅｍ —Ｂ ａ ｓｅｄＣ ｏ ｌｌａ ｂｏ ｒａ ｔｉｖｅＦ ｉｌｔｅｒｉｎ ｇ ）是利用项目之间的相似性， 根据用户对目标项目“最近邻” 的打分， 来预测用户对目标项目的打分．虽然协同过滤推荐算法得到了广泛的应用， 但仍存在一些不足： 无论是基于用户还是基于项目的协同过滤推荐算法，都需要度量用户之间或者项目之间的相似度， 然而当用户评分数据极端稀疏时， 传统方法不能有效地度量相似性， 使得计算出来的最近邻居不准确， 导致整个算法的推荐质量下降． 同时， 由于缺少共同评分项目， 使得很多用户之间无法进行比较． 另外， 如果一个项目从来没有被用户评过分， 那么它永远得不到推荐的机会， 即冷启动问题．本文围绕上述局限性展开研究， 在前人的基础上提出了一种多维度自适应的协同过滤推荐算法（ Ｍ Ａ Ｃ Ｆ ， Ｍ ｕ ｌｔｉ—ｄ ｉ－ｍ ｅ ｎ ｓｉｏ ｎ ａ ｌＡ ｄ ａ ｐ ｔｉｖ ｅＣ ｏ ｌｌａ ｂｏ ｒａ ｔｉｖｅＦ ｉｌｔｅｒｉｎ ｇ ）． 该算法有机结合３种推荐模型——基于用户、 基于项目以及基于评论的相似性计算， 将观点挖掘技术融入协同过滤算法， 充分利用网络上丰富的自由文本评论资源为推荐提供决策支持， 并通过动态度量方法自适应地确定用户、 项目和评论三个维度的权重， 平衡三方面信息的影响力， 最后根据严格定义的公式求得目标用户对目标项目的预测评分． 经过实验验证， 该算法能有效提高预测准确率和推荐质量．收稿日期： ２０ １１－ ０ ７ － ２０ 收修改稿日期： ２０ １１－ ０ ９ － ０ ６ 基金项目： 国家自然科学基金项目（ ６ １０ ７ ０ ０ ５３）资助； 上海市高可信计算重点实验室开放课题项目（ ０ ７ ｄ ｚ ２２３０ ４ ）资助． 作者简介： 邢哲， 女， １９ ８ ９ 年生， 研究方向为数据挖掘与个性化推荐； 梁竞帆。 男， １９ ９ ０ 年生， 研究方向为自然语言分析处理； 朱青。 女， １９ ６ ３年生， 博士， 副教授， 研究方向为分布式数据管理与可信服务计算、 高性能数据库与ｗ ｅｂ 文本分析．万方数据
