该模块主要用于管理本地节点用户的所有资源, 包括文本文件、多媒体资源、网络资源等, 负责用户对本地资源的添加、删除、修改等操作。标签表达了信息资源的主要特征^{[ 12]}, 拥有相同标签的资源具有某些相同的特征和属性, 并且用户使用标签的动机之一就是便于资源的定位和检索^{[ 13]}, 因此该模块利用用户标注资源时所使用的标签, 对资源进行分类管理, 便于用户查找。

该模块主要负责用户对资源的标注, 记录、更新和管理用户使用标签的时间信息和用户的资源-标签矩阵, 在该模块中, 用户可以根据自己的理解和认知, 对任意资源添加任意标签。

标签反映了用户对内容的看法及其兴趣所在, 为更加精确和具体的用户模型构建提供了丰富的信息^{[ 14, 15]}。一方面, 用户使用某一标签的频率越高, 也就说明了用户对此相关资源的偏好程度越强; 另一方面, 用户的兴趣具有时间性的特点, 即用户兴趣是随着时间而变化的, 用户最近使用的标签更能反映用户近期的兴趣, 因此, 该模型综合考虑用户使用标签的频率和时间两方面的因素, 提出频率权标签偏好和时间权标签偏好, 并将二者综合得出最终的用户标签偏好向量。无论是普通节点还是社区管理节点, 该模块都只负责计算本地节点用户自己的标签偏好向量, 不同的是, 普通节点将计算的本地节点用户的标签偏好向量提交给社区管理节点, 由社区管理节点进行保存, 当在个性化推荐模块中计算用户的相似性时, 则从社区管理节点中获取保存在其上的其他用户的标签偏好向量。每个节点只计算本地节点用户自己的标签偏好向量, 而不是由社区管理节点计算社区内每一个节点的标签偏好向量, 这样大大减轻了社区管理节点的计算量, 提高系统的运行速度, 能够满足个性化推荐系统的可扩展性和实时性要求。

在该模块中, 首先根据社区管理节点所提供的社区内其他节点的用户标签偏好向量, 采用相似性计算方法, 当二者的相似性大于阈值时, 则形成邻居用户, 进而获取邻居用户所收藏的资源并过滤本地用户已标注的资源, 然后计算这些资源与本地节点用户的兴趣相似性, 并按相似性排序, 最终选取TOP-K形成推荐资源列表, 推荐给本地节点用户。

该模块只存在社区管理节点中, 主要负责社区内普通节点的加入和退出, 保存并维护用于个性化推荐的社区内所有节点的标签偏好向量等。当有节点加入时, 社区管理节点就会在本地存储该节点的信息, 并接收该节点提交的标签偏好向量。当有节点退出时, 则删除有关该节点的信息, 并通知与该节点有联系的所有节点。当有节点的信息发生变化时, 则提交给社区管理节点, 由该模块负责更新。

本文综合考虑了用户使用标签的频率以及用户使用标签的时间因素来表示用户的标签偏好, 即频率权标签偏好和时间权标签偏好的综合。

(1) 频率权标签偏好

用户使用某一标签的频率越高, 也就说明用户对与此相关的资源的偏好程度越强, 因此, 利用用户使用某一标签的频率来表示用户对该标签的偏好权重, 如公式(1)所示^{[ 16]}:

(1)

其中, freq(u,t_i)表示用户u使用标签t_i的频数, 分母表示用户u使用的各个标签的次数总和。w_tag(u,t_i)表示用户u使用标签t_i的频率, 即频率权标签偏好权重。Tag_u表示用户u的频率权标签偏好向量, 如公式(2)所示:

(2)

(2) 时间权标签偏好

Cheng等^{[ 17]}为了考虑用户兴趣随时间的变化提出一种自适应指数衰减函数来处理标签中的时间信息, 本文通过改进, 将其应用于根据用户使用标签的时间来挖掘用户对标签的偏好, 计算随着时间的变化用户对标签t_i的偏好权重, 如公式(3)所示^{[ 18]}:

(3)

其中, w_time(u, t_i)表示根据用户使用标签的时间计算出的用户u对标签的t_i偏好权重, 也即时间权标签偏好权重。time(u,t_i)≥0且time(u,t_i)∈N。当用户使用某个标签时, 将该标签对应的time(u,t_i)记为0, 其他标签的time(u,t_i)加1, 这样, 当time(u,t_i)=0时表示标签t_i是用户最后一次标注时所使用的标签, 当time(u,t_i)=1时表示标签t_i是用户倒数第二次标注时使用的标签, 以此类推。hl_u表示用户的半衰期, 其值随用户生活周期的不同而有所不同。用户生活周期等于对用户使用各个标签的时间长度取平均值, 该值越小, 说明用户生活周期越短, 其兴趣度下降越快。其中用户使用各个标签的时间长度等于其最后一次使用该标签与第一次使用该标签的时间差。最后将所有用户的生活周期从大到小排序, 并依次将用户的hl_u对应为1到n, 即生活周期最短的用户所对应的hl_u为1, 依次类推, 最长的为n。显然, w_time(u, t_i)是一个单调减函数, 通过上述对time(u,t_i)的赋值方法, 其结果是最近使用的标签的获得权重较大, 早期使用的标签获得的权重相对较小, 由此来表示用户对标签的时间权偏好。Time_u则代表了用户u的时间权标签偏好向量, 如公式(4)所示:

(4)

(3) 综合频率和时间的标签偏好

笔者综合频率权偏好和时间权偏好来表示用户的标签偏好向量, 以此来表示用户的兴趣, 如公式(5)和公式(6)所示:

(5)

(6)

其中, m(u,t_i)是综合了频率和时间因素后, 用户u对标签t_i的偏好权重, α为调和因子, 用于调整频率权偏好和时间权偏好的权重。I_u为最终的用户标签偏好向量。

假设相似用户有相似的兴趣, 通过用户相似性计算, 寻找相似邻居, 获取相似邻居所收藏的资源。目前, 用户相似性计算方法主要有余弦相似性、皮尔森相似性以及Jaccard系数法。本文采用余弦相似性计算用户之间的相似性程度, 如公式(7)所示^{[ 18]}:

(7)

其中, X(α, β)表示用户α和β共同使用过的标签集合, m_{α, x}和m_{β, x}分别表示用户α和β对于x标签的偏好权重。通过设置合适的阈值, 选取相似性大于阈值的用户作为邻居用户。

在此, 笔者提出利用邻居用户标注待推荐资源时所使用的标签和用户的标签偏好权重计算资源与用户兴趣之间的相似程度, 具体计算如公式(8)所示:

(8)

其中, t_i表示邻居用户标注资源R时所使用的标签, 并且t_i也出现在用户的标签偏好向量中, m(u, t_i)为4.1节中计算出的用户u对标签t_i的偏好权重。最终将所有资源按其与用户兴趣的相似度大小排序, 选排名靠前的K个资源推荐给用户, 即TOP-K。

本模型中由本地节点计算和更新自己的用户标签偏好向量, 并将其提交给社区节点供社区内所有节点共享, 通过用户标签偏好向量寻找本地用户的相似邻居, 获取相似邻居收藏的资源, 经过滤本地用户已标注的资源, 计算剩余资源与用户偏好的相似度, 并按相似度排序, 选取前K个形成推荐列表推荐给本地用户, 具体推荐流程如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 P2P环境下基于社会化标签的个性化推荐流程

选取最近较活跃的前120名用户, 搜集每个用户收藏的资源、对资源的评分以及使用标签标注情况。通过删除无意义标签、合并相似标签后, 删除标签数目小于20的用户, 最终剩余92名合格用户作为本次实验的用户。同时, 过滤只有评分而没有被标注或者只有标注而没有被评分的资源。

以推荐准确率(P)作为推荐结果的评价参数, 表示对特定目标用户而言, 正确推荐数与推荐总数的比值, Hits表示正确推荐数, N表示推荐总数。P值越大, 说明推荐准确性越高, 效果越好, 如公式(9)所示:

(9)

在本次实验的92名用户中, 随机选取10名用户作为目标用户, 分析对这10名目标用户的推荐命中率。同时, 为了验证推荐的命中率, 将目标用户所收藏的资源按时间顺序排序, 将前80%作为训练集, 剩余20%作为测试集。

将选中的10名目标用户从1到10分别编号, 其他82名用户从11到92编号, 收集每个用户使用的标签及其标注的资源, 其中部分结果如表1所示,标签用标签名(a, b)表示, a代表用户使用此标签的频次, b是根据用户使用标签的时间计算出的公式(3)中的time值, 标注资源用资源名称(d)表示, d是用户对该资源的评分。通过分析用户标签使用情况发现, 大多数用户使用频数较多的标签为10个左右, 因此选取每个用户使用频次较高的10个标签的并集作为本次实验的标签集合空间, 共76个不同标签, 因此用户的标签偏好可以表示为76维的向量。

表1

表1

表1 用户使用标签及标注资源统计(部分) 用户 标签 标注资源 U1 剧情(16,2)、爱情(13, 0)、亲情(9, 3)、清纯(4, 1)、历史(3,4)、经典(7,0)、感人(4,2)、传记(4,3)、黑帮(1,5)、浪漫(13,0)、宗教(1,6)、伊朗(1,6)、种族(2,5)、人性(2,5)… 霸王别姬(5)、一次别离(4)、听说(4)、卢旺达饭店(5)、美国往事(2)、美丽心灵(4)、忠犬八公的故事(5)、罗马假日(5)、爱在午夜降临前(3)、爱在日落黄昏时(3)、爱在黎明破晓前(2)、午夜巴塞罗那(4)… U2 爱情(20,0)、浪漫(18,1)、传记(4,2)、女性(8,0)、历史(2,2)、文艺(6,1)、童年(3,4)、经典(7, 2)、喜剧(2,3)、生活(4,5)、幽默(2,3)… 倾国之恋(4)、两小无猜(5)、泰坦尼克号(4)、怦然心动(4)、罗马假日(4)、真爱至上(3)、乱世佳人(5)、傲慢与偏见(2)、初恋50次(3)、志明与春娇(4)、天使爱美丽(5)… U3 科幻(17,0)、悬疑(10,2)、心理(2,5)、经典(12,1)、动作(11,3)、史诗(2,4)、犯罪(4,3)、宗教(2,6)、惊悚(7, 3)、恐怖(9, 1)、战争(2, 6)… 盗梦空间(5)、变形金刚(4)、云图(4)、七宗罪(3)、十一罗汉(5)、阿凡达(4)、外星人(3)、源代码(4)、黑客帝国(4)、蝙蝠侠(3)、生化危机(4)、蝴蝶效应(30、第九区(3)… U4 爱情(15,1)、剧情(12,0)、人性(8,4)、文艺(6,2)、成长(2,3)、婚姻(5,0)、家庭(4,2)、喜剧(2,5)… 朗读者(5)、偷心(4)、亚当(4)、午夜巴塞罗那(5)、别让我走(2)、一夜迷情(3)、伊丽莎白镇(4)、居家男人(5)、倾城佳话(4)、一日钟情(3)… … … …

表1 用户使用标签及标注资源统计(部分)

根据表1统计的用户使用标签信息以及计算得到用户的标签偏好向量, 部分结果如表2所示。将调和因子α依次设置为0.1-1.0之间, 步长0.1, 以平均推荐命中率(Av)作为评价指标,寻找较为合适的α取值, 结果发现当α取值为0.6时, 平均推荐命中率(Av)最高, 因此在进行对比实验时, 将频率权和时间权标签偏好调和因子α设为0.6。

表2

表2

表2 用户标签偏好向量(部分) 用户 频率权标签偏好向量 时间权标签偏好向量 综合频率和时间的标签偏好向量 U1 (0.83, 0.51,0.34, …, 0.28) (1, 0.62, 0.54,…, 0.09) (0.898,0.554,0.42,…, 0.204) U2 (0.68, 0.47,0.81, …, 0.12) (0.81, 0.76, 1, …, 0.35) (0.732,0.586,0.886, …, 0.212) U3 (0.43, 0.58,0.76, …, 0.15) (0.35, 0.46, 0.81, …, 0.23) (0.398,0.532,0.78,…, 0.182) U4 (0.75, 0.62,0.48, …, 0.06) (1,0.81,0.35,…, 0.12) (0.85,0.696,0.428, …, 0.084) … … … …

表2 用户标签偏好向量(部分)

根据表2得到的综合频率和时间的标签偏好向量计算用户之间的余弦相似性, 寻找邻居用户集合, 设阈值为0.5, 如用户相似性大于0.5, 则认为是邻居用户。计算出邻居用户后, 按照公式(8)计算目标用户对资源的兴趣度, 将得分较高的前10个资源作为目标推荐资源推荐给目标用户。部分用户的推荐结果如表3所示:

表3

表3

表3 目标用户推荐资源(部分) 用户 用户测试集中的资源 推荐资源 U1 美丽心灵、听说、罗马假日、爱在黎明破晓前、午夜巴塞罗那、爱在日落黄昏时、美国往事、阿甘正传、海上钢琴师… 美丽人生、泰坦尼克号、罗马假日、倾国之恋、午夜巴塞罗那、天使爱美丽、怦然心动、岁月神偷、甜蜜蜜、幸福终点站 U2 倾国之恋、两小无猜、泰坦尼克号、罗马假日、真爱至上、乱世佳人、傲慢与偏见、志明与春娇、天使爱美丽… 情书、罗马假日、那些年我们一起追过的女孩、午夜巴塞罗那、倾城佳话、朗读者、听说、初恋红豆冰、分手说爱你、闻香识女人 U3 盗梦空间、变形金刚、云图、七宗罪、阿凡达、外星人、源代码、黑客帝国、生化危机、蝴蝶效应… 变脸、终结者、变形金刚、地心引力、星际迷航、生化危机、蝴蝶效应、黑客帝国(2)、第五元素、钢铁侠 U4 朗读者、亚当、午夜巴塞罗那、别让我走、一夜迷情、伊丽莎白镇、居家男人、倾城佳话… 当幸福来敲门、午夜巴塞罗那、长大、侧耳倾听、蓝色情人节、窈窕淑女、乱世佳人、国王的演讲、傲慢与偏见、倾国之恋 … … …

表3 目标用户推荐资源(部分)

由于本次实验数据来自于用户已访问过的记录, 并不是真正推荐的结果, 且推荐结果依赖于用户邻居已标注资源, 因此在计算命中率时, 并不要求推荐资源与测试集中的资源完全相同, 只要与测试集中的资源内容相似度较高, 就说明该资源也是用户感兴趣的内容, 即可认为是正确推荐。而相似度的计算则先由人工去除明显不相关的资源, 剩余采用文本分析的方法, 计算两个资源的内容相似度, 如果相似度大于阈值, 即可认为相似度较高, 本次实验参考文献^{[ 16]}, 将阈值设为0.6。

计算本文方法的推荐命中率, 并将其与传统基于用户评分的协同过滤推荐方法进行对比, 实验结果如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 实验结果对比

实验结果显示, 在10名目标用户中, 仅有2名用户的协同过滤推荐效果优于本文提出的推荐模型, 说明了综合用户使用标签的频率和时间因素来表达用户的偏好, 然后根据用户偏好寻找邻居用户集合, 获取邻居用户所收藏资源并经过过滤排序进行资源推荐算法的可行性和优越性。