第３５卷第２期 ２０１８年２月 计算机应用研究 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ Ｖｏ１．３５ Ｎｏ．２ Ｆｅｂ．２０１８ 一种改进专家信任的协同过滤推荐算法术 王建芳，刘冉东，谷振鹏，刘永利 （河南理工大学计算机科学与技术学院，河南焦作４５４０００） 摘要：针对传统基于用户的协同过滤算法较少考虑信任对象所处环境的实时变化，提出一种结合社交网络的 专家信任推荐算法。为更好地量化对象之间的信任度，首先利用专家的评价可信度、活跃度、评价偏差度等量化 因子计算得到专家的信任值；其次在评分形成的过程中与近邻算法相融合，明确用户与“专家”和“近邻”的偏 好，当可选专家人数小于预先设定的阈值时，利用协调因子动态调整近邻算法与改进专家算法的权重，以便获得 更加客观的项目评分。最终实验结果表明，在不同大小的ＭｏｖｉｅＬｅｎｓ数据集上相比于传统的算法，提出的推荐算 法在实时推荐预测准确度方面有显著提高。 关键词：专家算法；专家信任；信任指标；预测精度 中图分类号：ＴＰ３０１．６ 文献标志码：Ａ 文章编号：１００１—３６９５（２０１８）０２．０３５４—０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－３６９５．２０１８．０２．００８ Ｉｍｐｒｏｖｅｄ ｅｘｐｅｒｔ ｔｒｕｓｔ ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｌｇｏｒｉｔｈｍ Ｗａｎｇ Ｊｉａｎｆａｎｇ，Ｌｉｕ Ｒａｎｄｏｎｇ，Ｇｕ Ｚｈｅｎｐｅｎｇ，Ｌｉｕ Ｙｏｎｇｌｉ （Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｈｅｎａｎ Ｐｏｌｙｔｅｃｈｎｉｃ Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ ｔｔｅｎａｎ ４５４０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｓｏｌｖｅ ｔｈｅ ｔｒａｄｉｔｉｏｎ ｃｏｌｌａｂｏｒａｔｉｖｅ ｉｆｌｔｅｒｉｎｇ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｕｓｅｒ ｏｂｊｅｃｔ ｗｉｔｈ ｌｉｔｔｌｅ ｃｏｎｓｉｄｅｒａｔｉｏｎ Ｏ ｔｒｕｓｔ ｒｅａｌ—ｔｉｍｅ ｃｈａｎｇｅ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａｎ ｅｘｐｅ￣’Ｓ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｓｏｃｉａｌ ｎｅｔｗｏｒｋ ｔｒｕｓｔ ｔｏ ｍａｋｅ ｇｏｏｄ ｑｕａｎｔｉｔａｔｉｖｅ ｔｕｓｒｔ ａｍｏｎｇ ｏｂｊｅｃｔｓ．Ｆｉｒｓｔｌｙ，ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃｏｍｐｕｔｅｄ ｅｖａｌｕａｔｉｏｎ ｃｒｅｄｉｂｉｌｉｔｙ，ｔｈｅ ａｃｔｉｖｅ ｄｅｇｒｅｅ ａｎｄ ｔｈｅ ｄｅｖｉａｔｉｏｎ ｄｅｇｒｅｅ ｔｏ ａｃｑｕｉｒｅ ｔｈｅ ｅｘｐｅｒｔ’Ｓ ｔｒｕｓｔ ｖａｌｕｅ．Ｔｈｅｎ，ｉｔ ｉｎｔｅｇｒａｔｅｄ ｔｈｅ ｓｃｏｒｅｓ ａｎｄ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ，ａｎｄ ｄｅｔｅｒｍｉｎｅｄ ｔｈｅ ｐｒｅｆｅｒｅｎｃｅ ｏｆ ｔｈｅ ｕｓｅｒｓ ａｎｄ ｔｈｅ ｅｘｐｅｒｔｓ，ｔｈｅ ｕｓｅｒｓ ａｎｄ ｔｈｅ ｎｅｉｇｈｂｏｒ．Ｗｈｅｎ ｔｈｅ ｎｕｍｂｅｒｓ ｏｆ ｔｈｅ ｓｅｌｅｃｔｅｄ ｅｘｐｅｒｔｓ ｗｅｒｅ ｌｅｓｓ ｔｈａｎ ｔｈｅ ｔｈｒｅｓｈｏｌｄ，ｉｔ ｕｓｅｄ ＣＯＯｒｄｉ． ｎａｔｉｏｎ ｆａｃｔｏｒ ｔｏ ａｄｊｕｓｔ ｄｙｎａｍｉｃａｌｌｙ ｔｈｅ ｗｅｉｇｈｔ ｂｅｔｗｅｅｎ ｔｈｅ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ ａｎｄ ｔｈｅ ｅｘｐｅ￣’Ｓ ａｌｇｏｒｉｔｈｍ ｔｏ ｇｅｔ ｍｏｒｅ ｏｂｊｅｃｔｉｖｅ ｓｃｏｒｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ａｃｈｉｅｖｅｓ ｂｅｔｔｅｒ ｒｅｓｕｌｔ ｏｎ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｅｘｐｅｒｔ ａｌｇｏｒｉｔｈｍ；ｅｘｐｅ￣ｔｒｕｓｔ；ｔｒｕｓｔ ｉｎｄｉｃａｔｏｒ；ｐｒｅｄｉｃｔｉｏｎ ａｃｃｕｒａｃｙ 随着互联息的急剧增长，“信息过载…”现象越来越 针对传统专家算法在评分形成的过程中同等看待专家评 分这一现象，本文提出了一种结合社交网络的专家信任推荐算 法ＩＥＴＡ（ｉｍｐｒｏｖｅｄ ｅｘｐｅｒｔ ｔｕｓｒｔ ａｌｇｏｒｉｔｈｍ），该算法利用相似度计 算公式得到用户问的相似度矩阵，同时利用项目类别矩阵确定 待评分项目类别，进而选出该类别的专家，通过专家信任指标 严重，推荐系统 作为解决信息过载的有效方案，目前无论工 业界还是学术界，对如何完善协同过滤推荐算法都展开了深入 的研究。近邻模型 作为协同过滤推荐系统的关键算法，因 其原理简洁且具有较低的时间复杂度，逐渐成为当今推荐系统 中被广泛使用的算法之一。 计算专家信任度。通过赋予与用户相似的专家不同的信任值， 利用专家的项目评分及信任值形成最终的推荐。 专家模型作为近邻模型的可选方案之一，自２００９年被 Ａｍａｔｒｉａｉｎ等人 提出之后受到广泛关注。２０１３年，Ｋａ￣ｔａ等 人 提出了“明星用户”算法，该算法在推荐过程中仅使用“明 １ 标注与相关工作 １．１ 标注 星用户”的偏好，并没有加入项目的相似性，当可选明星用户 数达不到预先设定的阈值时，单一考虑“明星用户”评分会导 致该算法的推荐准确度不高。２０１５年Ｋａｒｄａｎ等人 在利用 专家算法形成推荐的过程中，同时兼顾专家与近邻的项目评 分，提高了专家算法推荐的准确性及合理性。２０１５年Ｈｗａｎｇ 等人 为了使推荐准确性进一步提高，提出了专家算法与协 为下文表述方便，在此对文中使用的标注作统一说明，用ｍ 个用户和ｎ个项目的评分矩阵Ｒ来标示所有用户对所有项目 的评分，范围是［１，５］。用户一项目评分矩阵示例如表１所示。 Ｒ＝｛ｒⅡ．ｆ｝（１≤“≤ｍ，１≤ｉ≤ｎ），其中 ． 表示用户Ｈ对项 目ｉ的评分，如果用户ｕ未对项目ｉ评分，那么值为０，如式（１） 所示。 ＝ 同过滤技术的结合。Ｋａｒｄａｎ和Ｈｗａｎｇ等人提出的算法，虽然 在一定程度上缓解了可选专家人数达不到预先设定阈值时的 推荐问题，但在形成推荐的过程中，把专家对项目的评分同等 看待有失偏颇，因为专家的专业水平有高低，可信度有大有小。 收稿１３期：２０１６．１０—１４；修回１３期：２０１６．１１－２９ ㈩ 基金项目：国家自然科学基金资助项目（６１２０２２８６）；河南省高等学校青年骨干教师资助 计划项目（２０１５ＧＧＪＳ．０６８）；河南省高等学校重点＿科研项目（１５Ａ５２００７４） 作者简介：王建芳（１９７９一），男，副教授，博士，主要研究方向为数据挖掘、推荐算法（ｗａｎｇｊｉａｎｆａｎｇ＠ｈｐｕ．ｅｄｕ．ｃｎ）；刘冉东（１９９０一），男，硕士研究 生，主要研究方向为信息处理与模式识别；谷振鹏（１９９１．），男，硕士研究生，主要研究方向为信息处理与模式识别；刘永利（１９８０一），男，副教授，博 士．主要研究方向为数据挖掘． 第２期 王建芳，等：一种改进专家信任的协同过滤推荐算法 ·３５５· 表１用户一项目评分矩阵 ７＿＝｛ｔ ｊ（１≤ｉ≤ｎ，１≤Ｃ≤１９），其中，ｆ沁表示项目ｉ是否 属于类别ｃ，如果项目ｉ属于类别Ｃ，那么值为１，如式（２）所示。 ｛『ｏ１ ｂ ０ｅｌ【ｏ－ｎｂｇ二， （２） 。 ｇ １．２近邻模型 ． 近邻模型的基本原理是寻找ｋ个近邻近似替代当前用户， 在协同过滤算法中，近邻模型分为基于用户的近邻模型和基于 项目的近邻模型。用户近邻模型分为寻找近邻和形成推荐两 部分，为了解决寻找近邻的问题，首先需要找到一种方式来表 示用户之间的距离关系，通常用户之间的邻近程度有以下两种 计算方式。 １）余弦相似度 （３） 其中：ｒ 与ｒ 分别表示用户ｕ与用户 对项目ｉ的评分；ｆ 表示 用户Ｕ与 的共同评分集合。当用户共同评分项目数量较少 时，该公式计算用户之间相似性偏差会比较大；当用户评分项 目数量达到一定值时，即使用户对每个项目的评分值差别较 大，该算法也能输出较高的相似值。 ２）改进余弦相似度 ： ！兰 ： （４） ． （ — ） ，，（ ） 其中：ｒ 与ｒ 分别表示用户Ｕ与用户 评分的均值；， 表示用 户 与用户 共同评分项目集合。改进余弦相似度 同样没 有解决， 量较少时相似度计算偏差较大的问题，但是， 的值在 可接受范围内时，改进余弦相似性体现出了较好的性能。 １．３专家算法 定义１对于Ａ类项目，专家Ｅ 被定义为 ｌＬＩ≤ＩＬＩ（Ｖ“∈Ｕ—Ｅ ，Ｖ ∈Ｅ。） （５） 其中：Ｌ是指用户“评价过的所有项目集合；Ｌ是指专家 评 价的项目集合；Ｕ是所有用户集合。统计每个用户评价Ａ类项 目数量，当用户评价项目的数量使式（５）成立时，该用户被定 义为专家。 专家算法在形成之初由寻找专家与生成推荐值两部分构 成，但是在实际操作中这种结构推荐效果不理想，随着越来越 多的专业人员参与研究和改进，专家算法目前由寻找专家、计 算专家与用户的相似值以及生成推荐值三部分组成。 １．３．１ 寻找专家 根据待评分项目和项目一类别矩阵，确定该项目所属类 别，对所有的用户计算评价该类别所有项目的次数，从大到小 依次排列，由专家的定义及预先设定阈值确定专家人数。 １．３．２生成推荐值 文献［９］的专家算法中，在计算预测评分时，只考虑与当 前用户相似度比较高的专家建议，采用无条件相信专家的策 略——ＥＡ（ｅｘｐｅｒｔ ａｌｇｏｒｉｔｈｍ）。在度量专家与用户的相似度时 采用式（４），最终评分预测采用式（６）。 Ｐ ， ＝ｒ 了１ （ 一， ｒ ） （６） 其中：ｐ ， 是当前用户对属于ｃ类电影ｉ的预测评分； 代表 用户 对ｃ类电影评分的平均值；ｒ分； 表示专家 对ｃ类项目评分的，ｖ表示专家 对项目ｉｉ的评 平均值；Ｅ。表示ｃ类项目 专家集合。 需要预测的项目属于多个类别时，采用式（７）计算评分值。 ｐ ： 可色 ，， ｃ （ ’７） 其中：ｃ；是项目所属的类数；ｐ ．。是每一类预测的值。 以上预测评分算法的运行时间比较短，但是它在预测准确 性方面表现一般，此算法在项目确定的情况下，对于不同用户 的预测分数几乎是一样的，因为专家的选择没有考虑当前用 户，只考虑了当前用户需要预测的项目。 ２改进专家算法 从专家算法提出至今，许多研究人员都围绕着利用专家与 用户、项目的关系提升推荐准确度。但是现实生活中人们在参 考权威人士的意见时，必然要考虑权威人士的可信度、专业度、 偏差度等影响因子。到目前为止推荐系统没有对“信任”给出 一个具体的概念。在可查资料中，信任是指接受推荐者对提供 推荐者特定行为的主观可能性预测。在社交网络中信任需要 考虑的因素更多，完整地考虑各个方面难度很大且通常没有太 大必要，在面对同一个用户时，只需要对该用户所处的情形进 行相应的加强和减弱，以便于对对象之间的信任程度进行较好 的量化。 ２．１ 改进专家算法 在推荐系统中存在着各种各样的数据，其中包括了评分数 据、项目属性数据、用户属性数据等，这些数据基本构成了本文 需要的信任度量情景。充分考虑专家及用户所在环境，本文用 以下定义量化专家信任中涉及的重要概念。 定义２专家评价可信度。 一个专家评价的项目数量越多，可从一定程度上反映出其 评价项目的质量、可信度，度量专家评价可信度表示如式（８） 所示。 。 ＝ ㈩ 其中：Ｑ ８１１是指所有用户；Ｑ 代表专家“评价过的所有项目的 集合；ｍａｘ（Ｑ ）是指所有专家中评价项目最多的数量。 定义３专家专业度。 咨询专家意见之前，人们通常会考虑专家的专业度。专家 并不是对所有种类的项目都具有全面的专业知识，在某种情况 ·３５６· 计算机应用研究 ∑（ｒ 一ｒ ）×ｓ（ ， ） ．ｐ （ — 第３５卷 下，一名专家显然只会对一种或者很少种类的项目投入比较多 的精力，具体表现为在某一类项目上评价比较多的项目，因此 专家专业度表示如式（９）所示。 Ｒｕ＝了Ｔｕｉ （９） （１＂ｚ 一 ）×ＴＲ： （卜 ）× “ 厂） （１４） 其中： 表示专家已评价且属于某一种类的所有项目集合；Ｔ 其中：ｒ 是用户 对项目ｉ的评分； 是当前用户 对所有项目 为系统中获得过用户评价且属于这一主题的所有项目集合。 定义４专家评价偏差度。 专家计算的预测评分与真实评分之间的差值为专家评价 偏差度，如式（１０）所示。 【１０） 其中：ｚ 代表最小偏差项目的集合。在计算ｚ 时，利用项目 评分的平均值６表示项目的真实质量，专家评价的偏差如果小 于６，则把此评分项目加入到ｚ 中。对专家 及项目ｉ，如果 ｌｒⅡ． 一ｒｌＩ≤６成立，则ｉ∈６，通过实验验证６如果太小，则Ｚ 趋 于零，计算就没有太大意义；太大则会使占趋于１，计算效果不 理想，本实验６取为０．３７。 基于以上表述专家的Ｄ 、Ｐ 、Ｒ 及权重系数Ｗ 、Ｗ。、 计 算专家信任值，如式（１１）所示。 豫 ＝ ｌ×Ｄ ＋ ２×Ｐ ＋ ３×Ｒ （１１） 为更直观地体现专家信任对评分预测的影响，利用原始专 家算法与信任相结合进行参数值调整。本文所涉及的三种信 任指标相互，权重系数的最优值选取采用固定两个调整另 外一个的策略（如设置一个适当的ＲＭＳＥ值，初始化Ｚ０ 、 、 ，把专家信任值与式（６）（７）结合产生预测，计算此时ＲＭＳＥ 值，如果当前ＲＭＳＥ值大于设定ＲＭＳＥ值，固定Ｗ 、 更新一 次加 ，记录 。达到最优ＲＭＳＥ时的值；同理，可得最优 ：、 ），最后归～化处理三个参数得到最终权重系数值。 ２．２评分形成 ２０１５年Ｈｗａｎｇ等人 提出了专家与相似度结合的算 法——ＥＳＡ（ｅｘｐｅ￣ｓｉｍｉｌａｒｉｔｙ ａｌｇｏｒｉｔｈｍ），在预测项目评分时 ＥＳＡ算法运用经典的评分预测式（６）与（１２）相结合，进一步提 升了算法的推荐准确度。 ∑Ｐ × ． ， ｃ Ｅ ｃｉ ，．一、 ｐ — ‘ ） 其中： 表示该项目的专家专业度，式（１２）与（７）相比其进步 在于专家对每一类项目的评分在最终预测评分时权重不同。 本文在预测评分时改进了ＥＳＡ算法中的预测公式，采用式 （１３）来求解。 ， （ｒ 一 ， ）×ｓ（ｕ， ） Ｐ １。， 瓦 （ — ） ＴＲｕ（１３） ￡ＥＬ Ｌ ＊Ｅ Ｅｃ 其中：ＴＲ 表示专家可信度；Ｃ 表示当前项目所属类别总数。 此类算法对于每个类别的专家评分，根据专家在此类别评价项 目中的信任值加权计算预测评分，有效避免出现不同类别专家 对项目的评分同等对待的现象，充分考虑用户与专家之间的相 似度及专家信任值，根据专家信任值赋予不同专家不同的权 重，在一定程度上降低了预测误差。 当专家人数达不到设定的阈值时，近邻算法作为补充，充 分发挥两种算法的优点，用式（１４）表示。 的平均评分；ｓ（ｕ， ）是用户／Ｚ与用户 的相似度；ｓ 是近邻集 合；ｓ 表示专家集合。当专家人数达不到预先设定的阈值时， 专家对项目的评分预测具有一定的偶然性，此时的专家集合不 能全面代表整体对项目的评分。本文将此时的专家视为是某 种意义上的近邻，采用 作为协调因子，协调专家与近邻预测 评分，当专家人数为零时，此时式（１４）退化为近邻算法评分预 测公式，如式（１５）所示。 ｓ ２．３算法描述 基于社交网络中改进专家信任的协同过滤推荐算法（ＩＥ— ＴＡ） 输入：评分矩阵Ｒ及项目类别矩阵７－，ＲＭＳＥ阈值为０．９８。 输出：预测矩阵 ｄ。 ａ）数据预处理——随机产生 、 ：、 。 ｂ）利用式（３）计算训练集中用户之间的相似度，形成相似度矩阵。 ｃ）根据欲评分项目ｉ和项目类别矩阵来确定项目ｉ所属类别的 专家。 ｄ）根据评分偏差修正一次Ｗ１、Ｗ 、 ３，直至出现最优ＲＭＳＥ值。 ｆｏｒｉ＝１：／Ｚ 根据式（１２）计算预测值并计算ＲＭＳＥ值。 ｉｆ（当前ＲＭＳＥ值＞设定ＲＭＳＥ值） 修正一次 ｌ、 ２、 的值； ｅｌｓｅ 记录当前ＲＭＳＥ值及对应的可调参数； ｅｎｄ ｉ＋＋： ｅｎｄ ｒｅｔｕｒｎ（对应最优ＲＭＳＥ值的可调参数并归～化）； ｅ）根据步骤ｃ）寻找到的专家及式（１１），当可选专家人数不少于设 定专家闽值３０时，利用式（１３）转到步骤ｇ），否则转到步骤ｆ）。 ｆ）根据Ｏ／的值及式（１４）转到步骤ｇ）。 ｇ）产生预测矩阵 ｄ。 ３ 实验结果与分析 ３，’ 数据集 实验数据集采用ＧｒｏｕｐＬｅｎｓ Ｒｅｓｅａｒｃｈ实验室提供的 ＭｏｖｉｅＬｅｎｓ数据集，该数据集包含匿名用户对电影的评分，其中 每个用户至少评价了其中２０部电影。评分值的范围是１～５，１ 表示最低评分，５表示最高评分，０表示用户没有评价该电影。 除了评分数据外，该数据集中还包含用户、项目的属性，例如用 户的性别、年龄、职业以及项目的名称、上映年份、风格流派等， 其中用户电影的风格流派、评分数据是本文实验所需要的。 ３．２评估标准 评估推荐系统预测准确性的标准分为决策精度标准和统 计精度标准两类。本文采取了对特大或特小误差反映敏感的 均方根误差（ＲＭＳＥ）。在推荐系统中ＲＭＳＥ作为一种常用度 量误差标准被广泛使用，其原理是通过计算用户关于项目的预 测值与真实值之间的偏差平方和与用户个数ｎ比值的平方根， 第２期 如式（１６）所示。 王建芳，等：一种改进专家信任的协同过滤推荐算法 ·３５７· 比如图４所示。未融合专家与近邻算法的下降速度较慢，原因 是在开始阶段每个类别的专家可选人数在达不到预先设定的 ＲＭＳＥ＝ （１６） 阈值时，专家评价项目的准确性有待进一步提高，在计算此类 项目的评分时把近邻算法与专家算法结合，一方面发挥了近邻 算法的快速收敛性能，另一方面把没有达到符合人数要求的专 其中： 代表预测值； 代表与预测值对应的真实值。 ３．３实验结果与分析 ３．３．１ 相似度实验对比 家与近邻融合补充了近邻算法的不确定性（近邻可能从来没 有评价过此类项目），因此本文在专家人数达不到预先设定的 阈值时选择了近邻算法与专家算法的融合。 为了得到更好的实验结果，本文分别用第２章中余弦相似 度和改进的余弦相似度计算方法计算项目之间的相似度，相似 值的分布如图１所示。从图１可看出，余弦相似度分布较为均 匀，改进的余弦相似度分布更具个性化。在［０，１］内，运用余 坦 弦相似度得到的相似度值分布在［０，厚 ０．６］，平均达到８９．１０％， 分布过于分散；而改进的余弦相似度得到的相似度值主要分布 在［０，０．４］，平均达到８０．１５％。因为通过项目的评分值减去 用户评分的平均值，均衡了用户的评分尺度不一的问题，能更 真实地反映出项目的差异特征，即用户的个性化选择，所以，根 据改进的余弦相似度计算方法可以得到较高质量的推荐。 基于以上分析，本文采用改进的余弦相似度计算方法进行 度量。 ３．３．２用户可信度指标分布与分析 用户评价可信度、用户专业度及专家评价偏差度的分布情 况如图２所示。在ＭｏｖｉｅＬｅｎｓ １００ ｋ数据集中，用户可信度主 要分布在［０，０．４］，其中５６．４％的用户评价可信度分布在［０， ０．１］，剩余的用户评价可信度在其他区间都有分布，说明了少 数用户评价可信度能在全体的用户评价可信度中体现个性化 的特质，同时用户专业度主要分布在［０，０．３］，其中５８．２１％的 专家分布在［０，０．２］，再次说明了只有少数用户对某些类别的 项目比较专业。从图２可以看出，用户的评价偏差度分布几乎 成正态分布，评价偏差度分布在［０．２，０．６］的用户所占比例为 ７７．６％，说明大多数用户的评价偏差度就比较高（评价比较接 近真实评分）。以上足以说明选定专业用户（专家）以后，该专 家对项目的评分信任度可以由评价可信度、专业度和评价偏差 度等三种指标体现。 相似值 所占比例 图１两种相似度分布对比 图２评价指标分布 ３．３．３专家可信度分布与分析 ＭｏｖｉｅＬｅｎｓ １００ ｋ数据集由１９种流派的电影组成，图３中 选择其中一种流派的电影并计算该流派专家的信任值。在实 验开始阶段，Ｉ－Ｏ 、Ｗ：、Ｗ，是初始化值，所以专家可信度值比较 低；随着调整次数的增加，专家信任值从１００ ０００次调整的 ０．１２提升到０．６３共经过了４００ ０００次的调整，从４００ ０００次开 始专家信任值稳定在［０．６３，０．６９］，此时归一化后得出Ｗ 、Ｗ 、 １／），的值分别为０．３１、０．４６、０．２３。在后续计算专家对此类别项 目评分时，可以直接利用此训练后的系数值，但是对于不同类 别的专家信任因子系数值不同，可使用同样方法训练得到。 ３．３．４专家近邻融合 专家人数达不到预先设定的阈值时，专家近邻算法融合对 ４ ３．４专家信任算法对比 本节选取对比ＥＡ、ＥＳＡ与本文提出的ＩＥＴＡ算法在专家 数量不同情况下的推荐精确度，实验以ＲＭＳＥ为评估标准，并 分别基于ＭｏｖｉｅＬｅｎｓ １００ ｋ数据集和ＭｏｖｉｅＬｅｎｓ １ Ｍ数据集 进行。 图５是在ＭｏｖｉｅＬｅｎｓ １００ ｋ数据集下所绘曲线。可以明显 地看出，在实验开始阶段随着专家人数的增加，ＩＥＴＡ算法的 ＲＭＳＥ下降速度最快，随着专家人数的增加，ＥＳＡ算法的ＲＭＳＥ 值在０．８８左右浮动，与ＥＡ算法相比，随着专家专业度与用户 相似度的加入，不再直接使用专家推荐值，而是根据专家专业 度与专家与用户的相似度计算推荐结果，进一步提升了推荐结 果的合理性。ＩＥＴＡ算法把专家信任与用户相似性加入到ＥＳＡ 算法中，ＲＭＳＥ的值在专家人数达到５０人时达到最小值 ０．８７５，在专家人数进一步增加时该算法的ＲＭＳＥ值趋于稳定， 从以上实验对比表明ＩＥＴＡ算法在推荐准确性及合理性上均 有提高。基于ＭｏｖｉｅＬｅｎｓ １ Ｍ数据集如图６所示。图６表明在 实验数据集为１Ｍ时，ＩＥＴＡ算法在训练集内、的训练会更加充 分，ＥＡ与ＥＳＡ算法的计算结果没有随着数据量的增加而有所 改变，说明其扩展性表现不佳；但本文提出的ＩＥＴＡ算法的 ＲＭＳＥ提升了５％，对比结果进一步说明了本文提出的算法具 有更好的适应性和扩展性。 专家人数 专家人数 图５基于ＭｏｖｉｅＬｅｎｓ １００ ｋ数据集 图６基于ＭｏｖｉｅＬｅｎｓ １ Ｍ数据集 ４结束语 本文研究了专家算法的产生与改进，ＩＥＴＡ算法在ＥＳＡ和 ＥＡ算法的基础上加入专家信任度。实验表明，改进后的专家 信任协同过滤推荐算法不仅有效地提高了推荐系统的推荐精 度，而且随着实验数据集的增加展现出了良好的扩展性。但 是，在算法的改进过程中专家信任指标的融合还不够完善，所 以，下一步工作的重心将放在信任的动态调整及建立有效的信 任传递机制上，使信任度量更加合理。 （下转第３８５页） 第２期 朱树才，等：基于ＳＢＷＳ—ＧＰＲ预测模型的不确定性多数据流异常检测方法 ·３８５· ５．４与其他算法性能比较 决了实际中不确定输入、输出多数据流异常点难以正确检测的 问题。 本实验将一般的基于高斯过程回归多数据流异常检测方 法（ＧＰＲ）Ｈ２］和滑动窗口多数据流异常检测方法（ｈｉｇｈ ｓｌｉｄｉｎｇ ｗｉｄｏｗｓ ｓｔｒｅａｍ，ＨＳＷＳｔｒｅａｍ） 作为对比算法，给出了包含ｓＢ— ＷＳ—参考文献： ［１］Ｂａｂｃｏｃｋ Ｂ，Ｂａｂｕ Ｓ，Ｄａｔａｒ Ｍ，ｅｔ ａ１．Ｍｏｄｅｌｓ ａｎｄ ｉｓｓｕｅｓ ｉｎ ｄａｔａ ｓｔｒｅａｍ ＧＰＲ在内的三种算法的异常点检测的性能比较结果。实 ｓｙｓｔｅｍｓ［Ｃ］／／Ｐｒｏｃ ｏｆ ＡＣＭ Ｓｉｇａｃｔ－Ｓｉｇｍｏｄ—Ｓｉｇａｒｔ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｐｒｉｎ— ｃｉｐｌｅｓ ｏｆ Ｄａｔａｂａｓｅ Ｓｙｓｔｅｍｓ．２００２：１—１６． 验中三种方法均采用相同的实验数据、滑动窗口宽度，且完成 同一班组的数据检测与异常点修正，实验所有结果数据均为多 次重复实验所得均值，如表２所示。 表２其他异常点检测算法的性能比较 ［２］张晨，金澈清，周傲英．一种不确定数据流聚类算法［Ｊ］．软件学 报，２０１０，２１（９）：２１７３－２１８２． ［３］邢长征，张国凯．基于自适应网格划分的数据流聚类算法［Ｊ］．计 算机工程与科学，２０１１，３３（１０）：１４９—１５３． ［４］王永利，徐宏炳，董逸生，等．基于低阶近似的数据流相关性 分析［Ｊ］．电子学报，２００６，３４（２）：２９３—３００． ［５］杨杰，胡德秀，吴中如．大坝安全监控模型因子相关性及不确定性 从ＲＭＳＥ数值来看，ＧＰＲ与ＨＳＷＳｔｒｅａｍ算法是ＳＢＷＳ— 研究［Ｊ］．水利学报，２００４，３５（１２）：９９—１０５． ＧＰＲ的２倍左右，远远大于ＳＢＷＳ—ＧＰＲ。即经过ＳＢＷＳ—ＧＰＲ ［６］Ｂｕｌｌａｒｄ Ｊ Ｅ，Ｍｃｔａｉｎｓｈ Ｇ Ｈ，Ｍａｒｔｉｎ Ｐ．Ｅｓｔｂａｌｉｓｈｉｎｇ ｓｔａｇｅ—ｄｉｓｃｈａｒｇｅ ｒｅ— ｌａｔｉｏｎｓｈｉｐｓ ｉｎ ｍｕｌｔｉｐｌｅ－ｃｈａｎｎｅｌｌｅｄ，ｅｐｈｅｍｅｒａｌ １３ｖｅｒｓ：ａ ｅａｓｅ ｓｔｕｄｙ ｏｆ 修正后的数据流具有更小的波动性，克服了数据流的不确定 性。考察ＴＰＲ性能，可以发现ＳＢＷＳ—ＧＰＲ均优于ＧＰＲ和 ｔｈｅ Ｄｉａｍａｎｔｉｎａ Ｒｉｖｅｒ，Ａｕｓｔｒａｌｉａ［Ｊ］．Ｇｅｏｇｒａｐｈｉｃａｌ Ｒｅｓｅａｒｃｈ，２００７， ４５（３）：２３３—２４５． ＨＳＷＳｔｒｅａｍ，具有更加准确的异常数据检测率。从运行时间 ［７］Ｌａｎｋｈｉｎａ Ａ，Ｃｒｏｖｅｌｌａ Ｍ，Ｄｏｉｔ Ｃ．Ｍｉｎｉｎｇ ａｎｏｍａｌｉｅｓ ｕｓｉｎｇ ｔｒａｆｉｆｅ ｆｅａｔｕｒｅ 来看，ＧＰＲ和ＳＢＷＳ—ＧＰＲ由于算法的复杂度高，运行时间较 ｄｉｓｔｉｒｂｕｔｉｏｎｓ［Ｃ］／／Ｐｍｃ ｏｆ ＡＣＭ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ Ｓｐｅｃｉｌａ Ｉｎｔｅｒｅｓｔ 长，均超过３０ ｓ，但考虑到现场工艺要求，每次滑动窗口匹配检 Ｇｒｏｕｐ ｏｎ Ｄａｔａ Ｃｏｍｍｕｎｉｃａｔｉｏｎ．２００５：２１７－２２８． 测时间不超过数据采集的时间６０ ｓ，尚在工艺可接受的范围 ［８］Ｋｉｆｅｒ Ｄ，Ｂｅｎ—Ｄａｖｉｄ Ｓ，Ｇｅｈｒｋｅ Ｊ．Ｄｅｔｅｃｔｉｎｇ ｃｈａｎｇｅ ｉｎ ｄａｔａ ｓ￣ｅａｍｓ 内。因此，ＳＢＷＳ＿ＧＰＲ具有更有效的异常数据检测与修正的 ［Ｃ］／／Ｐｒｏｃ ｏｆ ｔｈｅ ３０ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｖｅｒｙ Ｌａｒｇｅ Ｄａｔａ 效果。 Ｂａｓｅｓ．２００４：１８０－１９１． ［９］、庞景月．滑动窗口模型下的数据流自适应异常检测方法研究 ６结束语 ［Ｄ］．哈尔滨：哈尔滨工业大学，２０ｉ３． ［１０］何志昆，刘光斌，赵曦晶，等．高斯过程回归方法综述［Ｊ］．控制与 实际系统中，数据流的不确定性会导致异常点检验的精度 决策，２０１３，２８（８）：１１２１—１１２９． 大幅降低，因此提出基于ＳＢＷＳ—ＧＰＲ预测模型的不确定性多 ［１１］李大和．浓香型白酒生产工艺与质量关系的思考［Ｊ］．酿酒科技， 数据流异常检测方法。利用聚类分析与滑动窗口匹配模式，实 ２００１（５）：２８－３１． 现了单输人数据流的异常点检测与修正。引入高斯过程回归 ［１２］Ｘｉａ Ｚｈａｎｇｕｏ，Ｗａｎ Ｌｉｎｇ，Ｃａｉ Ｓｈｉｙｕ，ｅｔ ａ１．Ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ｏｆ Ｇａｕｓ－ 模型，建立输入、输出数据流的预测模型，通过实时观察数据流 ｓｉａｎ ｐｒｏｃｅｓｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｄｉｇｉｔａｌ Ｃｏｎｔｅｎｔ Ｔｅｃｈｎｏｌ· ｏｇｙ＆Ｉｔｓ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１２，６（１４）：３６９－３７８． 与预测模型的输出进行窗口比较，解决了输出数据流中的异常 ［１３］Ｌｉｕ Ｗｅｉｇｕｏ，Ｏｕｙａｎｇ Ｊｉａ．Ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｈｉｇｈ ｄｉｍｅｎｓｉｏｎａｌ ｄａ— 数据检测与修正。不确定输入、输出数据流的异常点检测与修 ｔａ ｓｔｒｅａｍ ｏｖｅｒ ｓｌｉｄｉｎｇ ｗｉｎｄｏｗｓ［Ｃ］／／Ｐｒｏｃ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ 正，提升了发酵的质量与品质。实验及评估结果表明，该方法 ｏｎ Ｔｒｕｓｔ，Ｓｅｃｕｒｉｔｙ ａｎｄ Ｐｒｉｖａｃｙ ｉｎ Ｃｏｍｐｕｔｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ． 不仅考虑了数据流的一般特征，还利用数据流间的相关性，解 ２０１ １：１５３７．１５４２． （上接第３５７页） ［５］Ｋａｇｉｔａ Ｖ Ｒ，Ｐａｄｍａｎａｂｈａｎ Ｖ，Ｐｕｊａｒｉ Ａ Ｋ．Ｐｒｅｃｅｄｅｎｃｅ ｍｉｎｉｎｇ ｉｎ ｇｒｏｕｐ 参考文献： ｒｅｃｏｍｍｅｎｄｅｒ ｓｙｓｔｅｍｓ［Ｍ］．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，２０１３：７０１－７０７． ［１］Ｐｉａｏ Ｃｈｕｎｈｕｉ，Ｚｈａｏ Ｊｉｎｇ，Ｚｈｅｎｇ Ｌｉｊｕａｎ．Ｒｅｓｅａｒｃｈ ｏｎ ｅｎｔｒｏｐｙ－ｂａｓｅｄ ［６］Ｋａｒｄａｎ Ａ，Ａｚｉｚ Ｍ，Ｓｈａｈｐａｓａｎｄ Ｍ．Ａｄａｐｔｉｖｅ ｓｙｓｔｅｍｓ：ａ ｃｏｎｔｅｎｔ ａｎａｌｙ— ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ａｎｄ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｉｎ ｓｉｓ ｏｎ ｔｅｃｈｎｉｃａｌ ｓｉｄｅ ｆｏｒ ｅ＇ｌｅａｒｎｉｎｇ ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｊ］．Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉ－ ｇｅｎｃｅ Ｒｅｖｉｅｗ，２０１５，４４（３）：３６５—３９１． ｅｃｏｍｍｅｒｃｅ［Ｊ］．Ｓｅｒｖｉｃｅ Ｏｒｉｅｎｔｅｄ Ｃｏｍｐｕｔｉｎｇ＆Ａｐｐｌｉｃａｔｉｏｎｓ， ［７］Ｈｗａｎｇ Ｗ Ｓ，Ｌｅｅ Ｈ Ｊ，Ｋｉｍ Ｓ Ｗ，ｅｔ ａ１．Ｅｆｉｆｃｉｅｎｔ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｍｅｔ— ２００９，３（２）：１４７－１５７． ｈｏｄｓ ｕｓｉｎｇ ｃａｔｅｇｏｒｙ ｅｘｐｅｒｔｓ ｆｏｒ ａ ｌｒａｇｅ ｄａｔａｓｅｔ［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ Ｆｕ· ［２］Ａｄｏｍａｖｉｃｉｕｓ Ｇ，Ｔｕｚｈｉｌｉｎ Ａ．Ａ ｓｕｒｖｅｙ ｏｆ ｔｈｅ ｓｔａｔｅ－ｏｆ－ｔｈｅ—ａｒｔ ａｎｄ ｐｏｓｓｉ－ ｓｉｏｎ，２０１５，２８（Ｃ）：７５－８２． ｈｉｅ ｅｘｔｅｎｓｉｏｎｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｌ３ Ｋｎｏｗｌｅｄｇｅ ａｎｄ Ｄａｔａ Ｅｎｇｉ— ［８］Ｚａｍａｎｚａｄ Ｇ Ｆ，Ｃｌａｅｓｅｎ Ｊ，Ｂｕｒｚｙｋｏｗｓｋｉ Ｔ，ｅｔ ａ１．Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｈｅ Ｍａ— ｎｅｅｒｉｎｇ，２００５，１７（６）：７３４－７４９． ｈａｌａｎｏｂｉｓ ｄｉｓｔａｎｃｅ ａｎｄ Ｐｅａｒｓｏｎ ｓ ｘ ｓｔａｔｉｓｔｉｃ ａｓ ｍｅａｓｕｒｅｓ ｏｆ ｓｉｍｉｌａｒｉｔｙ ［３］Ｋｅｌｌｅｒ Ｊ Ｍ，Ｇｒａｙ Ｍ Ｒ，Ｇｉｖｅｎｓ Ｊ Ａ．Ａ ｆｕｚｚｙ Ｋ ｎｅａｒｅｓｔ ｎｅＪ ｇｈｂｏｒ ａｌｇｏ— ｏｆ ｉｓｏｔｏｐｅ ｐａｔｔｅｒｎｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ｍａｓｓ ｒｉｔｈｍ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ ｏｎ Ｓｙｓｔｅｍｓ Ｍａｎ＆Ｃｙｂｅｒｎｅｔｉｃｓ，１９８５， Ｓｐｅｃｔｒｏｍｅｔｒｙ，２０１４，２５（２）：２９３·２９６． ＳＭＣ－１５（４）：５８０－５８５． ［９］Ｃｈｏ Ｊ，Ｋｗｏｎ Ｋ，Ｐａｒｋ Ｙ．Ｃｏｌｌａｂｏｒａｔｉｖｅ ｆｉｈｅｒｉｎｇ ｕｓｉｎｇ ｄｕａｌ ｉｆｎｏｒｍａｔｉｏｎ ［４］Ａｍａｔｒｉａｉｎ Ｘ，Ｌａｔｈｉａ Ｎ，Ｐｏｊｏｌ Ｊ Ｍ，ｅｔ ａ１．Ｔｈｅ ｗｉｓｄｏｍ ｏｆ ｔｈｅ ｆｅｗ：ａ ｃｏｌ— ｓｏｕｒｃｅｓ［Ｊ］．ＩＥＥＥ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２００７，２２（３）：３０．３８． ｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ａｐｐｒｏａｃｈ ｂａｓｅｄ ｏｎ ｅｘｐｅ￣ｏｐｉｎｉｏｎｓ ｆｒｏｍ ｔｈｅ Ｗｅｂ ［１０］Ｈｗａｎｇ Ｗ Ｓ，Ｌｅｅ Ｈ Ｊ，Ｋｉｍ Ｓ ｗ，ｅｔ ａ１．Ｅｆｉｆｃｉｅｎｔ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｍｅｔ— ［Ｃ］／／Ｐｒｏｅ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ＆ ｈｏｄｓ ｕｓｉｎｇ ｃａｔｅｇｏｒｙ ｅｘｐｅｒｔｓ ｆｏｒ ａ ｌａｒｇｅ ｄａｔａｓｅｔ［Ｊ］．１ｎｆ０ｒｍａｔｉｏｎ Ｆｕ－ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｎｎａｔｉｏｎ Ｒｅｔｒｉｅｖａ１．２００９：５３２—５３９． ｓｉｏｎ，２０１５，２８（Ｃ）：７５—８２．
