本文提出的OB-LABRM模型(Ontology-Based and Location-Aware Book Recommendation Model)主要由三部分组成: 位置定位服务模块、知识库模块、位置感知的书籍推荐模块。位置定位服务模块主要负责用户位置定位, 向推荐模块提供用户位置上下文; 知识库模块包括构建的图书馆书籍分类本体和馆藏书籍; 位置感知的书籍推荐模块是整个模型的核心, 它通过结合位置定位服务模块提供的用户位置和构建的图书馆书籍分类本体, 向用户推荐位置区域的偏好书籍。在推荐模块中, 为每一个用户构建了一个基于本体的书籍偏好模型, 包含用户的长期和短期偏好。前者的构建基于时间的遗忘模式, 后者利用用户最近的兴趣来表示。除此之外, 还构建了区域组模型, 以表达就区域书籍而言相似阅读偏好读者的共性偏好。OB-LABRM模型如图1所示:

图1

	Figure Option ViewDownloadNew Window
	图1 基于本体和位置感知的书籍推荐模型

(1) 根据当前时间段用户的借阅记录和交互日志, 利用图书馆书籍分类本体中的概念, 表达用户的短期偏好;

(2) 用户长期偏好初始从用户个人信息中提取, 每隔T时间, 利用短期偏好进行更新;

(3) 针对划分的每个区域构建区域组模型, 每隔T时间, 对受影响区域的区域组模型进行更新;

(4) 在推荐处理时, 根据用户的位置和停留时间上下文, 系统首先对用户当前情景进行分析, 在判断用户对该区域书籍感兴趣后, 结合用户长、短期偏好和区域组偏好, 向用户推荐区域内的Top-k书籍。

图书馆书籍分类本体通过定义类、属性、实例、关系、公理等, 抽象和概述了图书馆书籍的分类组织结构, 反映了书籍之间以及书籍类之间的关系。本文借鉴任沁^[11]构建图书馆初始本体和领域本体的过程, 以《中国图书馆分类法》(中图法)和《中国分类主题词表》为依据, 结合领域专家的知识构建了图书馆书籍分类本体。构建的本体大体为一个树状结构, 本体的部分片段如图2所示:

图2

	Figure Option ViewDownloadNew Window
	图2 图书馆书籍分类本体部分图

上述本体片段中定义了11个类(计算机软件、软件工程等)以及类之间的关系(如包含关系)。“ 计算机使用工具软件应用” 是类“ 软件工具与工具软件” 的实例。对于书籍实例, 以书籍的ISBN为实例ID, 以书籍描述或关键词为实例描述, 除此之外, 还有书籍标题、作者等信息。

图书馆主要根据中图法进行书籍排架管理, 这种分类的组织结构使得近邻书籍存在着紧密的相关性, 即区域书籍往往都属于同一个或紧密相关的几个主题。基于此, 本文借鉴Hahn^[9]基于Wi-Fi数据对图书馆书库划分区域的思想, 将藏馆书库划分为不同的区域。形式化地, 划分的区域集为: Region={region1, region2, , regionI}, 区域 的概念集为: 。从而, 本体中概念与区域之间的映射结构如图3所示:

图3

	Figure Option ViewDownloadNew Window
	图3 本体概念与区域之间的映射结构

在划分区域以后, 将基于位置的书籍推荐问题转换为基于用户位置区域的书籍推荐问题。即当用户在区域内移动时, 本文认为先前推荐都是有效的, 只有当用户移动到另一个区域且其停留的时间超过设定的门限值时, 才重新计算推荐。

为用户集: ; O为构建的图书馆书籍分类本体; 为本体O中的概念集: ; 为本体O中概念之间的关系集; 为书籍集: 。

用户兴趣分为长期兴趣和短期兴趣, 长期兴趣广泛且相对稳定, 短期兴趣范围狭窄却变化迅速。因此, 用户偏好建模应能反映长、短期兴趣特征。借鉴 Li 等^[12]的处理方法, 对给定用户u的历史记录H, 基于统一的时间段T将其分成多个区段, 即 , 其中 表示当前时间段。因此, 用户短期偏好 根据 构建, 用户长期偏好 初始从用户的个人信息中提取, 并根据用户的短期偏好更新。

(1) 用户短期偏好

用户短期偏好主要来源于用户借阅记录和用户与系统的交互日志。根据构建本体O中叶子概念和书籍之间的“ 类-实例” 关系, 通过用户借阅记录和交互日志中的书籍名称, 可以直接获得用户偏好的概念集。形式化地, 用户短期偏好标记为: , 其中, 为偏好权重。

概念权重的计算, 本文主要考虑用户借阅行为和点击查看行为对概念权重的影响, 提出的计算公式为:

(1)

其中, 为概念 的权重。 分别为用户当前时间段借阅和点击查看的书籍数。 , 表示某次观测时借阅的书籍i/点击查看的书籍j对概念 的影响程度。若借阅/点击书籍的直接所属概念为 , 则 , 否则, 依赖于概念 与书籍 所属概念之间的语义相似性。 为一个常数, 以评估用户对点击书籍是否真的感兴趣, 定义为^[13]:

(2)

其中, 为用户在书籍介绍页面的阅读时间(该值已经根据页面词数进行正规化), 门限值 设为0.317^[13]。

概念之间的语义相似性利用Ganesan等^[14]提出的公式计算:

(3)

其中, 为概念 和 之间的相似性。 为概念 和 的共同最近祖先, 为概念 在本体中的深度。

(2) 用户长期偏好的构建与更新

人的长期兴趣是由个体倾向性引起的, 与个人的背景、学历等因素相关^[15]。因此, 从用户个人信息中提取的偏好可以认为是相对稳定的长期兴趣。此处主要考虑用户专业的核心课程。参照Cantador等^[16]将社交标签分类到本体类中的方法, 本文基于课程名与本体类之间的形态学匹配, 通过计算编辑距离, 选择与课程名最相似的本体概念, 生成初始的用户长期偏好模型P。

考虑到用户偏好模型的稀疏性^[17], 在更新长期偏好之前, 会对用户短期偏好 进行概念扩展。采用的方法基于与本体中其他直接关联概念的显示语义关系。

形式化地, 本文将与概念 直接关联的概念集(包括 本身)定义为: , 则对任意概念 , 其概念权重计算公式为:

(4)

其中, 为概念 的权值; 表示已知概念 在用户初始偏好概念集中, 并且 关系存在, 则用户对概念 的偏好概率(此处表示为语义关系权值)。需要说明的是, 当r为“ 实例关系” 时, 取值为0, 即限制概念到书籍实例的扩展。

对用户短期偏好 中概念集 进行概念扩展后获得的扩展概念集 为:

(5)

获得扩展的用户短期偏好后, 用户长期偏好采用Kang等^[18]提出的方法进行更新。

根据区域内书籍的紧密相关性, 在同一个区域内有借阅记录的用户可以看成是就区域书籍而言有相似阅读兴趣的用户。通过合并这些用户对区域书籍的长期偏好, 构建区域组模型以改善推荐的多样性。

具体地, 根据本体概念 与区域Region之间的映射结构, 用户的长期偏好 被分成多个语义划分。每个语义划分对应一个区域集群, 代表了用户兴趣的一个子集。形式化地, 用户在区域 的长期偏好可标记为: 。为降低计算复杂度且保证表达大多数组员的兴趣, 区域组模型中概念集的选择采用Yu 等^[19]提出的基于总距离最小的概念特征选择策略。对每个区域都定义一个概念词典: , 它包含该区域的所有概念。则集群用户的 可统一地表述为向量 , 其中 为相应的偏好权值, 其取值规定为: 如果 包含在 中, 则 ; 否则 。根据总距离最小^[19]的定义, 本文将N个用户偏好向量V中同一维元素 的合并结果定义为:

(6)

其中, 为N个用户偏好向量中该维元素出现‘ 1’ 的总次数, 为出现‘ 0’ 的总次数。

对每个概念特征, 都利用公式(6)进行合并, 剔除合并结果为0的概念后, 对选择的每个概念特征, 其权重的计算公式为^[19]:

(7)

其中, 为在区域组模型中, 分配给 的权重; 为第j个用户中 的权值; n为选择的概念数。

区域组模型是根据用户长期偏好构建的。在更新长期用户偏好后, 对受影响区域的区域组模型也需要进行更新。同样地, 本文将区域组模型的更新周期也设为T。即每隔时间段T, 根据借阅记录和交互日志, 寻找受影响的区域并对这些区域的区域组模型进行重现构建。

本文提出的基于用户偏好和区域组偏好的混合推荐模型

其中, , 分别为用户 在区域 的长、短期偏好; 为区域 的区域组偏好; , , 为权重系数。

对候选书籍的评估, 本文根据获取的Top-k叶子概念集, 选择每个概念下权值最高的书籍进行推荐。但是, 如果直接利用公式(8), 获取的Top-k概念中很可能包含非叶子概念, 且概念之间还可能存在包含关系。因此, 在计算概念排名之前, 需要对非叶子概念进行处理。算法1描述了Top-k 叶子概念的选择过程。

算法1 Top-k叶子概念的选择输入: 用户 在区域 的长、短期偏好: , 区域的区域组偏好:

输出: 用户 偏好的Top-k叶子概念

①利用程序HandleNonLeafConcepts (Profile p)对 和 中的非叶子概念进行处理, 获得 和 (只包含叶子概念)。

在获得用户Top-k偏好概念集后, 考虑书籍流行性和出版时间最近这两个指标, 选择推荐的Top-k书籍。提出的书籍权重计算公式如下:

(10)

其中, 表示书籍 为概念c的实例; 为 的权重; 为 被借阅的次数; 为 的出版时间到当前的时间差。参数 、 为权重系数, 此处均取0.5。

移动环境下, 基于位置的图书馆书籍主动推荐必须考虑“ 何时推荐” 问题。本文采用情景分析的方法, 对推荐处理的触发机制进行研究。

按照Woerndl 等^[20]提出的方法, 本文将一次推荐分成两个阶段: 第一阶段确定当前的情景是否能确保推荐; 第二阶段进行推荐处理。只有当阶段一情景满足特定的条件时, 推荐处理才能被初始化。具体地, 对第一阶段的情景主要考虑用户位置和停留时间。在确定用户位置 且用户在该区域停留时间大于设定的时间门限值 时, 表示此时的情景能确保推荐, 因此激活推荐处理。具体的处理过程如下:

;

(1) 实验场景与数据集

实验是在本校图书馆内进行, 图书馆内覆盖的大量Wi-Fi访问点为用户位置定位提供了有利条件。用户位置定位方法采用改进的Average-KNN Classifier, 该方法在两米区域范围内定位用户位置的准确率高达76%^[10], 这足以在实现基于位置的书籍推荐时定位用户位置。实验场地为图书馆的综合阅览室(二)。该阅览室分布了中图法分类中“ A、B、D、J、N、O、R、S、T、Z” 类书籍, 其中A、B、D、TP3类占主要部分。阅览室中划分的区域及区域书籍所属中图类如表1所示:

表1

表1

表1 区域与区域内书籍所属中图类 Region 区域书籍所属中图分类 Region1 A1-A8 Region2 B0-B7 Region3 B80-B9 Region4 D0-D9 Region5 TP3 Region6 R、S Region7 N、O Region8 J、Z

表1 区域与区域内书籍所属中图类

对于实验的参与者, 笔者随机从“ 计算机专业” 和“ 哲学院” 各选择50名学生, 进行为期7个月(从2013年6月1日到2013年12月31日)的实验。整个实验期间, 当他们在图书馆内查询书籍时, 被要求利用手机上安装推荐客户端获取推荐。用户的系统交互日志通过记录用户点击、查看的书籍获取, 其他的数据样本(用户借阅记录、个人信息和书籍信息)直接从图书馆系统数据中提取。

(2) 参数设置

参考Vallet等^[21]在案例分析中设定的权重值, 对用户短期偏好进行语义扩展时, 不同语义关系 , 的取值如表2所示, 实验中其他相关参数的设置如表3所示。

表2

表2

表2 概念之间的权重设置 R w(r) w(r-1) contains 0.6 0.5 instanceOf 0 0 composeOf 0.7 0.6 similarTo 0.8 0.8 subclassOf 1.0 0.3

表2 概念之间的权重设置

表3

表3

表3 其他参数设置 参数 取值 遗忘因子δ 0.5 同一时间段T 15 0.33

表3 其他参数设置

为了验证模型推荐书籍的多样性, 利用Zhang等^[22]描述的集合多样性, 对结合区域组偏好方法(LS- Group)、基于内容过滤的方法(Content-based)和基于内容的协同过滤方法(User-based CF)的推荐结果进行比较。书籍的集合多样性定义为在推荐列表中所有书籍之间的平均非相似性。具体地, 给定书籍集合N, N的平均非相似性 被定义为:

(12)

其中, |N|=p, Sim(n_i, n_j)标记为书籍实例 , 对应本体概念的语义相似性, 利用公式(3)计算。

评估时, 对每个用户选择最近4次时间范围的阅读记录作为评估的标准(根据设置的T值, 每次时间范围为15天), 在此时间范围之前的历史记录则用于用户偏好模型和区域组模型的构建。通过每个方法向用户推荐了Top@k (k=10, 15, 20)的书籍, 并统计4次时间范围的平均集合多样性。结果如图4所示:

图4

	Figure Option ViewDownloadNew Window
	图4 推荐书籍的多样性

正如图4所描述的, LS-Group方法和User-based CF方法均比Content-based方法表现更好。其中, LS-Group方法平均提高了48.03%, User-based CF方法平均提高了49.38%。说明User-based CF方法和本文提出的LS-Group方法均可提高推荐的多样性。但与User-based CF方法相比, LS-Group方法推荐结果的集合多样性较低。产生这种结果的一种可能原因是公式(9)中各权重系数取值均相等, 在未来, 为进一步改善推荐效果, 笔者将对权重系数的取值进行讨论。

为了验证提出方法的推荐准确性, 本文将提出的方法(LS-Group)与现有综合协同过滤技术和本体的推荐方法^[8](标记为CF-Ontology)进行比较。实验设置和5.2节相似, 对推荐的Top@k (k=3, 5, 10, 15, 20)书籍的精度和相关度进行比较。评估指标采用广泛使用的准确率(Precision)和召回率(Recall)。

(13)

(14)

其中, 标记推荐给用户的书籍, 标记用户偏好的书籍, 表示集合 的基数。实验结果如图5和图6所示:

图5

	Figure Option ViewDownloadNew Window
	图5 Precision指标比较

图6

	Figure Option ViewDownloadNew Window
	图6 Recall指标比较

可以发现提出的LS-Group方法在Precision、Recall上都比CF-Ontology方法相对较高, 提高的均值分别为13.56%和21.79%。得出这样的结果是显然的, CF-Ontology方法基于用户的整体偏好趋势, 并不能保证最近邻居的偏好对目标用户确定有效, 特别在目标用户偏好和近邻用户偏好不充分交叠时。LS-Group方法基于用户当前位置, 仅仅考虑用户期望关注的某些兴趣, 所拓展的推荐是用户需求相关的。因此, LS-Group方法在推荐准确度上能更好地满足用户的需求。