（二）利用用户行为数据 -- 2 基于邻域的算法 (1)

2. 基于邻域的算法

基于邻域的算法分为两大类，一是基于用户的协同过滤算法，二是基于物品的协同过滤算法。

2.1 基于用户的协同过滤算法

2.1.1 基础算法

• 基于用户的协同过滤算法
  当一个用户A需要个性化推荐时，可以先找到和他有相似兴趣的其他用户，然后把那些用户喜欢的、而用户A没有听说过的物品推荐给A。

主要包括两个步骤：
(1) 找到和目标用户兴趣相似的用户集合。
(2) 找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户。
其中，步骤(1)的关键就是计算两个用户的兴趣相似度。
这里，协同过滤算法主要利用行为的相似度计算兴趣的相似度。

兴趣相似度

给定用户$u$和用户$v$，令$N(u)$表示用户$u$曾经有过正反馈的物品集合，令$N(v)$为用户$v$曾经有过正反馈的物品集合。那么， 计算$u$和$v$的兴趣相似度，

可以通过的$Jaccard$公式：

$$W_{uv}=\frac{|N(u)\cap N(v)|}{|N(u)\cup N(v)|}$$

或者通过余弦相似度：

$$W_{uv}=\frac{|N(u)\cap N(v)|}{\sqrt{|N(u)||N(v)|}}$$

以下图中的用户行为记录为例，UserCF计算用户兴趣相似度，展示如下：

在该例中，用户A对物品$a，b，d$有过行为，用户B对物品$a，c$有过行为，利用余弦相似度公式计算用户A和用户B的兴趣相似度为：

W a b = { a ， b ， d } ∩ { a ， c } ∣ { a ， b ， d } ∣ ∣ { a ， c } ∣ = 1 6 W_{ab}=\frac {\{a，b，d\} \cap \{a，c\}}{\sqrt {|\{a，b，d\}| |\{a，c\}|}}=\frac {1}{\sqrt{6}} Wab​=∣{a，b，d}∣∣{a，c}∣ ​{a，b，d}∩{a，c}​=6 ​1​

若对两两用户都利用余弦相似度计算相似度，其时间复杂度是$O(|U|\ast |U|)$，这在用户数很大时非常耗时。
事实上，很多用户相互之间并没有对同样的物品产生过行为，即，很多时候$|N(u)\cap N(v)|=0$。
因此，可以先计算出$|N(u)\cap N(v)|\ne 0$的用户对$(u,v)$，然后再对这种情况除以分母$\sqrt{|N(u)||N(v)|}$。

UserCF算法

• 思想

可以建立物品到用户的倒查表，对于每个物品都保存对该物品产生过行为的用户列表。

令稀疏矩阵$C[u][v]=|N(u)\cap N(v)|$，假设用户$u$和用户$v$同时属于倒查表中$K$个物品对
应的用户列表，有$C[u][v]=K$。

从而，可以扫描倒查表中每个物品对应的用户列表，将用户列表中的两两用户对应的$C[u][v]$加1，最终就可以得到所有用户之间不为0的$C[u][v]$。

• 步骤及示例

(1) 建立物品-用户的倒排表（即，对于每个物品都保存对该物品产生过行为的用户列表，如下图所示）。

(2) 建立一个4×4的用户相似度矩阵$W$。
对于物品$a$，将$W[A][B]$和$W[B][A]$加1，以此类推。
扫描完所有物品后，可以得到最终的$W$矩阵。此时，$W$是余弦相似度中的分子部分。

(3) 将$W$除以分母进而得到最终的用户兴趣相似度。

(4) 计算用户$u$对物品$i$的感兴趣程度，公式如下：

$$p(u，i)=\sum _{v\in S(u，K)\cap N(i)}{w}_{uv}{r}_{vi}$$

其中，$S(u，K)$包含和用户$u$兴趣最接近的$K$个用户，$N(i)$是对物品$i$有过行为的用户集合，$w_{uv}$是用户$u$和用户$v$的兴趣相似度，$r_{vi}$代表用户$v$对物品$i$的兴趣。因为使用的是单一行为的隐反馈数据，所以所有的$r_{vi}$=1。

(5) 给用户推荐和他兴趣最相似的$K$个用户喜欢的物品。

结合上文中的示例，选取$K$=3，用户A对物品$c$、$e$没有过行为，因此可以把这两个物品推荐给用户A。

根据UserCF算法， 用户A对物品c的兴趣是：

$$p(A,c)=W_{AB}+W_{AD}=0.7416$$

• 参数

参数$K$是UserCF的一个重要参数，它的调整对推荐算法的各种指标都会产生一定的影响。

(1) 精确率和召回率
推荐系统的精度指标(精确率和召回率)并不和参数$K$成线性关系。
选择合适的K对于获得高的推荐系统精度比较重要。
推荐结果的精度对K也不是特别敏感，只要选在一定的区域内，就可以获得不错的精度。

(2) 流行度
$K$越大则UserCF推荐结果越热门。

(3) 覆盖率
$K$越大则UserCF推荐结果的覆盖率越低。

2.1.2 用户相似度计算的改进

余弦相似度公式，是计算用户兴趣相似度最简单的公式。本节将讨论如何改进该公式，来提高UserCF的推荐性能。

思想：两个用户对冷门物品采取过同样的行为更能说明他们兴趣的相似度。

根据用户行为计算用户的兴趣相似度，改进公式如下：

$$W_{uv}=\frac{{\sum }_{i\in N(u)\cap N(v)}\frac{1}{log1+|N(i)|}}{\sqrt{|N(u)||N(v)|}}$$

由此可见，该公式通过$\frac{1}{log1+|N(i)|}$惩罚了用户$u$和用户$v$共同兴趣列表中热门物品对他们相似度的影响。

实验结果表名，在计算用户兴趣相似度时考虑物品的流行度，对提升推荐结果的质量确实有帮助。

参考

《推荐系统实践》—— 2.4.1 基于用户的协同过滤算法