推荐系统——基于近邻的协同过滤

1. 基于近邻的协同过滤算法的形式

（1）预测用户-物品组合的评分

预测用户$u$对于物品$j$的评分$r_{uj}$。因此，称用户和物品构成的矩阵为评分矩阵，矩阵中已知的数据成为训练数据，未知的部分称为测试数据。

（2）确定前k件物品或前k个用户

传统推荐系统中的“top-k”问题，即找到前k件物品而非前k个用户的过程。

（3）Pearson相关系数的定义

Pearson相关系数可以用来衡量用户$u$和用户$v$之间评分向量的相似程度$Sim（u,v）$。$I_u\cap I_v$代表了用户$u$和用户$v$均做出评分的物品序号集合，仅在这个集合中的物品上计算相关系数。首先，对于每个用户$u$的评分计算每位用户的平均评分${\mu }_u$:

${\mu }_u=\frac{{\sum }_{k\in I_u}{r}_{uk}}{|I_u|}$, ∀ u ∈ { 1 , . . . , m } {\forall}u\in\{1,...,m\} ∀u∈{1,...,m}

用户$u$和用户$v$之间的Pearson相关系数定义如下：

$Sim(u,v)=Pearson(u,v)=\frac{{\sum }_{k\in I_u\cap I_v}(r_{uk}-{\mu }_v)(r_{vk}-{\mu }_v)}{\sqrt{{\sum }_{k\in I_u\cap I_v}(r_{uk}-{\mu }_v{)}^2}\sqrt{{\sum }_{k\in I_u\cap I_v}(r_{vk}-{\mu }_v{)}^2}}$

定义基于近邻的预测函数表示如下：
${\hat{r}}_{uj}={\mu }_u+\frac{{\sum }_{v\in P_u(j)}Sim(u,v)(r_{vj}-{\mu }_v)}{{\sum }_v\in P_u(j)|Sim(u,v)|}$

2. 基于用户的协同过滤

该类型中，把与目标用户A相似的评分用来为A进行推荐。这些“同组群体”对每件物品的评分的加权平均值将用来计算A的预计评分。

下表显示了5个用户对6件物品的评分。

	1	2	3	4	5	6	平均评分	Cosine(i,3)	Pearson(i,3)
1	7	6	7	4	5	4	5.5	0.956	0.894
2	6	7		4	3	4	4.8	0.981	0.939
3		3	3	1	1		2	1.0	1.0
4	1	2	2	3	3	4	2.5	0.789	-1.0
5	1		1	2	3	3	2	0.645	-0.817

以用户3对物品1的预测评分为例，解释一下计算过程：

$Cosine(1,3)=\frac{6\times 3+7\times 3+4\times 1+5\times 1}{\sqrt{6^2+7^2+4^2+5^2}\sqrt{3^2+3^2+1^2+1^2}}=0.956$

$Pearson(1,3)=\frac{(6-5.5)\times (3-2)+(7-5.5)\times (3-2)+(4-5.5)\times (1-2)+(5-5.5)\times (1-2)}{sqrt(6-5.5{)}^2+(7-5.5{)}^2+(4-5.5{)}^2+(5-5.5{)}^2\sqrt{(3-2{)}^2+(3-2{)}^2+(1-2{)}^2+(1-2{)}^2}}=0.894$

因此，均值中心化的预测公式为：

${\hat{r}}_{31}=2+\frac{(7-5.5)\times 0.894+(6-4.8)\times 0.939}{0.894+0.939}\approx 3.35$

同理，${\hat{r}}_{36}\approx 0.86$.。

于是，均值中心化的预测结果仍然认为物品1应该优先于物品6被推荐给用户3.然而，一个与之前的推荐至关重要的不同是，在这种情况下，物品6的预测评分只有0.86，低于用户3评价过的任何物品。这与之前物品6的预测评分高于所有已知评分的情况有天壤之别。直接观察上表，显然，用户3理应给予物品6很低的评分，因此，与他相近的用户（用户1和2）对物品6的评分都比他们对其他物品的评分低。由此可见，均值中心化能够就已知的评分提供更好的相对预测。

3. 基于物品的协同过滤

为了推荐目标物品B，首先确定一个物品集合S，使S中的物品与B相似度最高。然后，为了预测任意一个用户A对B的评分，需要确定A对集合S中物品的评分。这些评分的加权值将用来计算用户A对物品B的预计评分。

在计算列之间的相似度之前，每行的评分被以均值为零点中心化。如下表所示：

	1	2	3	4	5	6
1	1.5	0.5	1.5	-1.5	-0.5	-1.5
2	1.2	2.2		-0.8	-1.8	-0.8
3		1	1	-1	-1
4	-1.5	-0.5	-0.5	0.5	0.5	1.5
5	-1		-1	0	1	1
Cosine(1,j)	1	0.735	0.912	-0.848	-0.813	-0.990
Cosine(6,j)	-0.990	-0.622	-0.912	0.829	0.730	1

中心化评分：$s_{uj}=r_{uj}-{\mu }_u$, ∀ u ∈ { 1 , . . . , m } {\forall}u\in\{1,...,m\} ∀u∈{1,...,m}.
令$U_i$表示已对物品i做出评价的用户集合。因此，如果第一、第三、第四位用户对物品i的评价已知，有 U i = { 1 , 3 , 4 } U_i=\{1,3,4\} Ui​={1,3,4}.

于是，物品i和物品j的调整余弦相似度定义如下：

$AdjustedCosine(i,j)=\frac{{\sum }_{u\in U_i\cap U_j}{s}_{ui}\cdot s_{uj}}{\sqrt{{\sum }_{u\in U_i\cap U_j}{s}_{ui}^2}\sqrt{{\sum }_{u\in U_i\cap U_j}{s}_{uj}^2}}$.

因为，调整过后的余弦相似度往往可以产生更好的效果，所以这里不需要再使用Pearson相似性度量。

假设我们需要确定用户$u$对物品$t$的评分。第一步是通过之前提到的调整余弦相似度确定与物品t最相似的k件物品，用$Q_t(u)$表示用户$u$已评价且与$t$最相似的$k$件物品。这些评分的加权平均值即是预测结果。物品$j$与目标物品$t$的调整余弦相似度即为权重。因此，用户$u$对目标物品$t$的预测评分表示如下：

${\hat{r}}_{ut}=\frac{{\sum }_{j\in Q_t(u)}AdjustedCosine(j,t)r_{uj}}{{\sum }_{j\in Q_t(u)}|AdjustedCosine(j,t)|}$

基本思想是在最终预测阶段中利用用户自己对相似物品的评价。

显然，物品2和物品3与物品1最为相似，物品4和物品5与物品6最相似。因此，用户3对物品2和物品3的原始评分的加权平均值被用来预测他对物品1的评分${\hat{r}}_{31}$；同理，他对物品4和物品5的原始评分的加权平均值被用来预测他对物品6的评分${\hat{r}}_{36}$。

${\hat{r}}_{31}=\frac{3\times 0.735+3\times 0.912}{0.735+0.912}$

${\hat{r}}_{36}=\frac{1\times 0.829+1\times 0.730}{0.829+0.730}$

可见，基于物品的方法也表明，用户3可能更倾向于选择物品1而不是物品6。然而由于此次预测利用用户3自己的评分，所以预测的结果与该用户对其他物品的评分有较高的一致性。基于物品的方法的主要优势在于它具有更高的预测准确度。在某些情况下，基于物品的方法和基于用户的方法，虽然它们的推荐列表大致会相同，但可能会产生不同的前k个推荐物品。

4. 基于近邻方法的比较和优劣势

（1）比较

方法	解释
基于物品的方法	常常产生更相关的推荐结果，因为它使用了自己的评分来做推荐。该方法通过识别与目标相似的物品，再利用用户对这些相似物品的评分，从而判断目标物品的评分
基于用户的方法	在基于用户的方法中，用来推测评分的其他用户的兴趣和目标用户的兴趣可能有相同点，但并不完全相同。因此，基于物品的方法可能会更好。

（2）优劣势

基于近邻的方法简单直观，可解释性强，并且容易实现和调试。但是，其在离线阶段的大规模数据上变的无法实现，以及评分矩阵过分稀疏导致的覆盖度不足。

参考文献：
Charu C. Aggarwal 著， 推荐系统原理与实践