基于数据挖掘的个性化智能推荐系统应用研究

基于数据挖掘的个性化智能推荐系统应用研究

张劳模;马颖;王国栋

【摘 要】In the current growing popularity of digital home environment, in

order to provide an intelligent, personalized multimedia content

recommendation service, an intelligent, personalized multimedia

recommender system is designed and realized through research

collaborative information filtering technology and data mining technology.

The system can perform an analysis through user habits, use of time and

use of environment, and list the best recommended resources after the

judgment. The self-learning technology, personal characteristics

technology and search technology of multimedia content, which are

applied in the technology system has practical significance.%在当前家庭数字化日趋普及的环境下,为了给用户提供一种智能型、个性化的多媒体内容推荐服务,通过研究协同式信息过滤技术,结合数据挖掘技术,设计并实现了一个智能型、个性化的多媒体推荐系统.系统可以根据用户的使用习惯、使用时间、使用环境以及最近选择的项目进行分析,进行判断后列出最优推荐资源.系统通过研究个人信息的自我学习技术、个性化特征分析技术以及多媒体内容的搜寻技术,将上述技术应用在推荐服务系统中,具有一定的实际意义.

【期刊名称】《现代电子技术》

【年(卷),期】2011(034)016

【总页数】5页(P31-34,38) 【关键词】机器学习;推荐系统;协同式信息过滤技术;家庭数字化

【作 者】张劳模;马颖;王国栋

【作者单位】河南工程学院软件学院,河南郑州 450053;河南工程学院软件学院,河南郑州 450053;中国科学院研究生院,北京100049

【正文语种】中 文

【中图分类】TN919-34

0 引 言

推荐系统利用特殊的信息过滤(Information Filtering，IF)技术，将不同的内容(例如电影、音乐、书籍、新闻、图片、网页等)推荐给可能感兴趣的用户。通常情况下，推荐系统的实现是通过将用户的个人喜好与特定的参考特征进行比较，并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的，或是基于用户所在的社会或社团环境。随着互联网上数据和内容的不断增长，人们越来越重视推荐引擎在互联网应用中的作用。可想而知，由于互联网上的数据过多，用户很难找到自己想要的信息，通过提供搜索功能来解决这个问题是远远不够的。推荐系统可以通过分析用户的行为来预测用户的喜好，使用户能更容易找到他们潜在需要的信息。数据挖掘是一种利用特殊的算法，能够从大量的资料中找出有意义的关系或规则，典型的数据挖掘算法是由Rakesh Agrawal等学者提出的apriori算法[1]。有鉴于数据挖掘的特性，本研究主要建立在网络多媒体的应用中，为了达到有效的个人化推荐，即一旦发现两人具有某种程度的关联相似性，则能够立刻将用户个人的特征表现在视频节目的列表上。所采用的方法就是在大量的可供选择的资料中利用数据挖掘的技术以快速、有效且具有个性化的方式来提供给用户所感兴趣或有价值的视频；在用户的界面上提供了友好的人性化操作，管理员能随时对系统进行维护，管理员能通过网络随时随地进行管理。本研究设计并实现了个性化的智能视频推荐系统，整个系统建立在网络服务器上，利用数据挖掘技术，实现以协同式信息过滤技术，另外辅以基于内容的信息过滤技术来进行信息推荐，主要研究的技术为用户信息的机器学习技术；个性化特性分析技术。；多媒体推荐搜寻技术。

1 系统架构

本研究所建立的个性化智能电影推荐系统具有下述2项目标： 根据用户的喜好为其提供筛选过的电影推荐列表；快速更新用户的喜好信息。

为实现上述目标，如图1所示，本系统以3层的应用处理架构为基础。当用户发出请求时，用户接口会将请求信息传送至中间层，中间层的搜索引擎便开始利用用户的个性化喜好信息与多媒体内容的特性加以分析，并产生最佳的多媒体推荐列表回应给用户接口；用户可先通过多媒体内容叙述或预览多媒体，再决定是否付费。一旦用户决定后，系统会通过索引技术去查找相应的资源。整体来说，系统大致细分为3个主要的子系统所构成，如下所述：

(1) 用户处理子系统。主要负责处理搜集个人档案信息(如：个人性别、年龄、兴趣、职业、血型等)，以及用户个人的交易记录，提供用户进行注册、登录、观看视频的相关信息(如：导演、男主角、女主角、简介等)等功能。

图1 个性化推荐系统架构

(2) 管理员控制子系统。主要针对视频资料库的信息，能实时新增、修改、删除用户，或媒体的信息；在搜索引擎上，能快速调整参数并重新产生关联规则。

(3) 推荐子系统。主要负责产生关联规则，以作出个性化、快速有效的电影推荐；此系统主要为利用资料搜索CBA(Classification By Association Rules)的技术[2-3]，并结合2类信息，以达成个性化的特性，其中一种为用户个性化的档案信息(Profile);另一种为用户对媒体视频的交易记录(Log File)。

用户处理子系统具有以下功能： 推荐列表，热点列表，分类列表，多媒体搜寻，用户资料更新。管理员子系统具有以下功能： 用户资料库管理，多媒体资料库管理，检查规则信息，自动化更新个性化信息；推荐子系统具有如下功能：执行推荐引擎产生关联规则，给用户提供推荐列表。系统除了具备用户登录系统之后的被动推荐之外，也具有主动推荐的功能。当系统有新电影信息时，能够针对各个用户做个性化的电子邮件通知。系统会记录上次的新片通知日期，每当有用户登入系统时，系统便自动检测目前与上次通知推荐的日期是否已达一个月，如果达一个月，而且电影资料库中也有新进的电影时，就针对各个用户找出符合喜欢的电影以电子邮件的方式通知新片信息。

2 系统设计

根据前述系统架构，系统分为客户端程序及推荐程序2个部分来说明。

2.1 客户端程序

客户端程序主要研究2项技术：

(1) 个人信息的自我学习技术。经由用户对各类电影的点击频率先建立起用户个性化的使用信息(Log Information)，并自我学习其特有的点击习惯及其特性[4-5]。推荐电影时，需要找出电影内容本身与用户之间的关系，因此在电影的资料，以及用户个人的档案信息与交易记录之间，必须做出适当的关联，因此希望利用资料搜索技术，能够有效地结合各项的信息，并产生出适当的规则信息，规则的形式则以个人的个性资料为左项推导出有意义且有效的结论，因此在用户进入时能立刻通过推荐系统使用规则库的资料，进行对比后能顺利的做出有效的推荐。

如表1所示，称这个由用户特征与电影特征所构成的表格为挑选记录交易信息表。把每一次的选取电影操作视为一笔交易记录，每个特征又可被视为一个项目，一笔交易记录则包含了数个特征。为了改进搜索的速度，采用CBW[6]算法及垂直影像交易资料表，因为CBW在垂直交易资料表上的搜索效率很高。整个搜索的查找空间可视其为一个项目金字塔，每一层则代表一种频繁项目集，由低而高，由小而大。首先找到适当的切割层α并产生频繁α项目集[7]，接着以两种不同的算法，配合着不同的资料结构，快速上下搜寻所有的频繁项目集。其关联规则定义如下：

{用户信息} → {(电影信息)，(电影点击记录)}

其中将用户的“电影点击记录”根据涉及程度分为3个层次，针对3种层次即可以加强推荐的效果。在每次用户挑选多媒体后，系统将用户的行为储存到交易记录表中，第1层为简单的“点击”某部多媒体，代表的意义为用户可能对这部多媒体感兴趣；第2层是在观看过多媒体信息想进一步了解多媒体实际内容，所作的“预览”；第3层为推荐的目标，主要是在用户愿意付费的前提下，实际付费观赏了这部多媒体的行为，记录为“付费”。

下面对所产生的多维度关联规则举一个简单的例子：

{(性别，女)，(星座，狮子)，(年龄，年轻)，(职业，教师)，(居住，北部)} → {(类别，爱情)，(男主角，汤姆克鲁斯)，(电影点选记录，付费)}

其中所代表的意义为住在北部的年轻狮子座的女性教师通常会付费观赏由汤姆克鲁斯所主演的爱情片。

表1 挑选记录交易信息表T_id Item 1001女、狮子、年轻、教师、北部、爱情、

汤姆克鲁斯、付费 1002男、巨蟹、中年、教师、南部、动作、 汤姆克鲁斯、点击1003女、牡羊、年轻、学生、中部、爱情、 梅格莱恩、试看

(2) 个性化特征分析技术。个性化特征分析主要目的是为了找出电影内容本身与用户个性化喜好信息的关系[8-9]。规则资料中左项为通过任意组合形成的个人资料，右项则是有任意组合的电影信息以及用户的行为模式，个人资料中包含有性别、年龄、血型、星座、职业、兴趣六类，电影信息则包含有导演、男主角、女主角等，用户行为则可分为点击、试看、付费3种，结合这些信息则形成关联规则。如图2所示，这些资料彼此间的关系，以个体关系图来描述。

图2 推荐视频信息与个人资料个体关系图

2.2 推荐程序

2.2.1 基本概念

如前所述，推荐程序主要是思考如何在众多的条件因素下，对相关的信息作最佳的分配提供。针对多媒体资源的状况，将多媒体推荐与排序原则定义为以用户没看过为基本推荐要求；以出版日期为排序基础，较新的多媒体优先序较高，较旧的多媒体优先序较低；以点击率为第二排序方法，点击率较高的多媒体优先次序较高，较低的多媒体优先次序较低。

2.2.2 程序逻辑

输入：用户个人资料、用户的交易记录、媒体视频资料、关联规则

输出：10部推荐电影

处理：如图3所示。

整个电影推荐的流程如图3所示。

首先，当用户通过浏览器登录系统之后，系统会判断用户是否为第1次使用，若用户为第1次进入本系统，则系统自动会搜寻是否有适合用户的关联规则，若有找出可用的规则，通过关联规则找出推荐电影，接着再挑选出5大热门的电影，最后检查是否共有10部电影之后将结果推荐给用户；否则假如在找不到可用的规则下，则直接对用户推荐最热门的10部电影。

其次，若在开始时判断出用户不是第1次进入本系统，则系统自动会搜寻是否有与用户适当的关联规则，如果发现有可用的规则，通过关联规则找出推荐电影，接着会由用户的交易记录推荐电影，如果搜寻规则时找不出可用的规则，则直接由用户的交易记录推荐电影，最后检查是否共有10部电影之后将结果推荐给用户。以下针对根据规则挑选电影以及根据用户交易记录推荐电影做详细介绍。