一种基于典型用户群组发现技术的信息推荐方法

摘要

本发明涉及一种基于典型用户群组发现技术的信息推荐方法，与现有技术相比解决了推荐方法运算量大、无法充分反映用户兴趣的缺陷。本发明包括如下步骤：发现典型用户群组TUG，针对用户集合和项目集合计算出典型用户群组；计算推荐结果R’，基于典型用户群组TUG，将协同过滤推荐方法的最近邻搜索范围从全体用户缩小到典型用户群组中，计算出推荐结果R’。本发明的典型用户群组具有较好的代表性，能够获得更好的推荐效果。

说明书

技术领域

本发明涉及推荐系统技术领域，具体来说是一种基于典型用户群组发现技 术的信息推荐方法。

背景技术

随着信息社会的发展和计算机技术的进步，推荐系统已经成为人们避免信 息过载、获得有效信息的重要途径，已广泛应用于视频推荐、好友推荐、网站 推荐、论坛推荐等各个信息化领域中。推荐系统通过协同过滤、基于内容的推 荐等方法，可以有效的提供与目标用户的兴趣偏好具有较高相关性的个性化推 荐结果，从而提升用户对于信息服务的满意度。

推荐系统的相关研究，大多集中在如何提升推荐效果，而较少关注对于推 荐系统用户群体的深入分析。随着推荐系统用户规模的不断扩大，特别是聊天 工具中好友推荐、电影库中影片推荐等，逐一分析单个用户是极其浪费计算资 源和时间。通常在推荐系统的实际应用中，运用用户聚类、删除不活跃用户等 手段，降低待分析用户规模，然后进一步实现后续推荐流程。例如对于旅游推 荐中的不活跃用户，在删除不活跃用户后，综合运用多种用户特征提升了推荐 效果。但是，类似的方法由于处理过程的固有缺陷，在保证精度的同时并不能 保证对于用户兴趣的充分反映，导致不能全面的进行信息推荐。因此，应当开 发出一种新的用户子集筛选方法，使得筛选得到的子集既能充分反映全体用户 的兴趣偏好，又能尽可能多的覆盖和包含已知推荐项目。

发明内容

本发明的目的是为了解决现有技术中推荐方法运算量大、无法充分反映用 户兴趣的缺陷，提供一种基于典型用户群组发现技术的信息推荐方法来解决上 述问题。

为了实现上述目的，本发明的技术方案如下：

一种基于典型用户群组发现技术的信息推荐方法，包括以下步骤：

发现典型用户群组TUG，针对用户集合和项目集合计算出典型用户群组； 其具体步骤如下：

定义用户集合U＝{u_i},0≤i<|U|；定义项目集合P＝{p_j},0≤j<|P|；

使用评分矩阵R定义用户和项目之间的互动信息，R＝{r_ij}_|U|×|P|,r_ij≥0，

其中r_ij＝0代表用户u_i和项目p_j没有互动，并将在R中从未出现的用户 或项目从U和P中删除；

针对用户集合U定义空用户子集U’，定义候选用户U_c，定义候选用户子集 U_c中的用户数为k，U’的项目覆盖集P_U’定义为

$P_{U^{\prime }}=\left\{p_k\right\},\exists r_{\mathrm{ik}}\ne 0,u_i\in U^{\prime };$

计算U’的项目覆盖率，P的子集P_U’在P中所占的比例，

$\mathrm{Cov}\left(U^{\prime }\right)=\frac{\left|P_{U^{\prime }}\right|}{\left|P\right|}\times 100\%;$

定义子集U₁加入到子集U’的递增项目覆盖率ICov_U’(U₁)，

ICov_U'(U₁)＝Cov(U₁∪U')-Cov(U')；

令U₁＝{u}，当每次选择一个用户u加入U’，则

${\mathrm{ICov}}_{U^{\prime }}\left(u\right)=\frac{\left|P_{u\cup U^{\prime }}\right|-\left|P_{U^{\prime }}\right|}{\left|P\right|}\times 100\%$

将P_u和P_U’中相同的项目会互相抵消，则

${\mathrm{ICov}}_{U^{,}}\left(u\right)=\frac{\underset{p_j\in P}{\Sigma }f(p_j\in P_u,p_j\notin P_{U^{,}})}{\left|P\right|},$

其中

定义加权的递增项目覆盖率，

${\mathrm{ICov}}_{U^{,}}\left(u\right)=\frac{\underset{p_j\in P}{\Sigma }{w}_j\times f(p_j\in P_u,p_j\notin P_{U^{,}})}{\left|P\right|},$

其中权重w_j定义为其中S_j表示项目P_j一共被S_j个用 户选择过；

进行1至k次循环，在循环过程中分别计算U_c中所有用户的加权递增项目 覆盖率；计算maxCov(TUG)，选出最大加权递增项目覆盖率的用户u；将u添 加到U’中，从U_c中删去u；

循环结束后，U’为所求的典型用户群组TUG；

计算推荐结果R’，基于典型用户群组TUG，将协同过滤推荐方法的最近邻 搜索范围从全体用户缩小到典型用户群组中，计算出推荐结果R’。

所述的计算推荐结果R’包括以下步骤：

相似度计算，对于每个用户u，计算u和TUG中每个典型用户的相似度， 相似度计算公式如下：

$\mathrm{Sim}(u,u_2)=\frac{{\Sigma }_{p_j\in P}{r}_{\mathrm{uj}}\times r_{2j}}{\sqrt{{\Sigma }_{p_j\in P}{r}_{\mathrm{uj}}^2}\sqrt{{\Sigma }_{p_j\in P}{r}_{2j}^2}},u_2\in \mathrm{TUG};$

最近邻搜索，从TUG中选出和u相似度最高的n个典型用户，作为最近邻 集合U_N；

评分预测，对于用户u未评分的项目p计算其得分，通过其最近邻集合U_N对项目p评分的加权平均计算出得分；

对于所有的用户所有未评分项进行预测，并按得分从高到低排序，得到推 荐结果R’。

有益效果

本发明的一种基于典型用户群组发现技术的信息推荐方法，与现有技术相 比其典型用户群组具有较好的代表性，能够获得更好的推荐效果。通过典型用 户群组概念的提出，从而发现推荐系统中的典型用户子集，可以正确反映全体 用户的兴趣偏好。通过比较候选新增典型用户对典型用户群组的贡献度，逐一 扩大典型用户群组规模，最终达到较高的推荐项目覆盖率和评分准确度。

附图说明

图1为本发明的方法流程图

图2a为本发明不同比例测试集上评分误差的对比实验结果

图2b为本发明不同比例测试集上覆盖率的对比实验结果

图3a为本发明不同大小用户子集上评分误差的对比实验结果

图3b为本发明不同大小用户子集上覆盖率的对比实验结果

图4a为本发明测试集比例50％、k＝50时，不同流派项目上评分误差的对比 实验结果

图4b为本发明测试集比例50％、k＝50时，不同流派项目上覆盖率的对比实 验结果

图5a为本发明测试集比例10％、k＝50时不同流派项目上评分误差的对比实 验结果

图5b为本发明测试集比例10％、k＝50时不同流派项目上覆盖率的对比实验 结果

图6a为本发明测试集比例90％、k＝50时不同流派项目上评分误差的对比实 验结果

图6b为本发明测试集比例90％、k＝50时不同流派项目上覆盖率的对比实验 结果

图7a为MAE推荐效果实际中测试集比例50％、TUG-CF推荐效果随着参数变 化的比较结果

图7b为RMSE推荐效果实际中测试集比例50％、TUG-CF推荐效果随着参数 变化的比较结果

图8为Top-K的实验对比结果。

具体实施方式

为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以 较佳的实施例及附图配合详细的说明，说明如下：

如图1所示，本发明所述的一种基于典型用户群组发现技术的信息推荐方 法，包括以下步骤：

第一步，发现典型用户群组TUG，针对用户集合和项目集合计算出典型用 户群组。其具体步骤如下：

(1)定义用户集合U＝{u_i},0≤i<|U|；定义项目集合P＝{p_j},0≤j<|P|。用户 集合为所需要推荐的用户，项目为用户所使用的信息内容，本发明完成的是针 对用户已使用过的项目信息，为用户推荐未使用的项目信息，从而达到信息推 荐的目的。

(2)使用评分矩阵R定义用户和项目之间的互动信息，

R＝{r_ij}_|U|×|P|,r_ij≥0，

其中r_ij＝0代表用户u_i和项目p_j没有互动，即u_i的活动(或兴趣)没有 覆盖p_j，并将在R中从未出现的用户或项目从U和P中删除。将没有用户 和项目互动信息删除，可以保证原始预测数据的准确性。

(3)针对用户集合U定义空用户子集U’，定义候选用户U_c，定义候选用 户子集U_c中的用户数为k。k为具体的用户数，从推荐准确度角度来讲，k的数 量越大，则准确度越高。即随着k的增大，评分误差也越小，说明在用户子集 规模足够大时，推荐准确度越高。在这里k的值为初始值，即候选用户子集用 户数，在后面的操作中随着子集U₁的不断加入，k的值则会适量增加，根据后 面的实验数据来看，k的值基本达到用户集合U的1％左右。这也是本发明的思 想，基于1％的用户子集U_c，从而高标准的为全体用户集合U推荐没使用过的 项目p_j。

U’的项目覆盖集P_U’定义为

$P_{U^{\prime }}=\left\{p_k\right\},\exists r_{\mathrm{ik}}\ne 0,u_i\in U^{\prime };$

(4)计算U’的项目覆盖率Cov(U′)，即P的子集P_U’在P中所占的比例， 对于大小相同均为k的用户子集，可以称其中 项目覆盖率最大的为k-最大覆盖子集。显然项目覆盖率有单调递增的性质，即

0≤Cov(U₁)≤Cov(U₁∪U₂)≤1。

因为最初设定的候选用户子集Uc中的用户数k，只是初始设定，而最终k 的大小则是在不断加入子集U1，因此明显的项目覆盖率随着k的增加，则肯定 单调递增。

(5)定义子集U₁加入到子集U’的递增项目覆盖率ICov_U’(U₁)， ICov_U'(U₁)＝Cov(U₁∪U')-Cov(U')。注意到两个不同子集的项目覆 盖集可能有非空交集或者空交集，例如A子集中关注项目1，B子集中关注项目 2，则对于A子集和B子集的共同体而言，项目1和项目2为空交集，所以 Cov(U₁)>Cov(U₂)时，并不一定有ICov_U’(U₁)>ICov_U’(U₂)。

(6)令U₁＝{u}，当每次选择一个用户u加入U’，则

${\mathrm{ICov}}_{U^{\prime }}\left(u\right)=\frac{\left|P_{u\cup U^{\prime }}\right|-\left|P_{U^{\prime }}\right|}{\left|P\right|}\times 100\%$

将P_u和P_U’中相同的项目会互相抵消，则

${\mathrm{ICov}}_{U^{,}}\left(u\right)=\frac{\underset{p_j\in P}{\Sigma }f(p_j\in P_u,p_j\notin P_{U^{,}})}{\left|P\right|},$

其中f()的定义和取值为：

(7)由于用户对项目的选择存在长尾性，即冷门项目极易被掩盖在大量热 门项目中。因此针对此问题，可以通过定义加权的递增项目覆盖率来解决。

定义加权的递增项目覆盖率ICov_U’(u)，

${\mathrm{ICov}}_{U^{,}}\left(u\right)=\frac{\underset{p_j\in P}{\Sigma }{w}_j\times f(p_j\in P_u,p_j\notin P_{U^{,}})}{\left|P\right|},$

其中权重w_j定义为其中S_j表示项目P_j一共被S_j个用 户选择过。显然对于项目被选择的越多，权重w_j越小，从而为较少出现的冷门 项目赋予较高的权重，从而提高较少出现项目被覆盖的可能。

基于递增项目覆盖率的定义，可以证明项目覆盖率是一个子模函数。对于 用户集合A，B，A□B□U，有P_A□P_B。对于任意的单个用户且u∈U，有

|P_u∩B|＝|P_u∩P_B|≥|P_u∩P_A|＝|P_u∩A|

所以：

$\left(\begin{array}{c}{\mathrm{ICov}}_A\left(u\right)\\ =\frac{\left|P_{u\cup A}\right|-\left|P_A\right|}{\left|P\right|}\\ =\frac{|P_u\cup P_A|-\left|P_A\right|}{\left|P\right|}\\ =\frac{\left|P_u\right|+\left|P_A\right|-\left|P_{u\cap A}\right|-\left|P_A\right|}{\left|P\right|}\\ \ge \frac{\left|P_u\right|+\left|P_B\right|-\left|P_{u\cap B}\right|-\left|P_B\right|}{\left|P\right|}\\ ={\mathrm{ICov}}_B\left(u\right)\end{array}\right)$

即随着用户子集大小增加，新加入用户贡献的递增覆盖率越来越小，即项 目覆盖率具有子模性。

由于期望典型用户群组能够充分反映全体用户的兴趣偏好，用子集评分误 差Err(U’)来表示用户子集和全体用户之间的兴趣偏差。

$\mathrm{Err}\left(U^{\prime }\right)=\underset{p_j\in P}{\Sigma }\frac{|\mathrm{avg}(p_j,U^{\prime })-\mathrm{avg}(p_j,U)|}{\mathrm{avg}(p_j,U)}\times 100\%$

其中avg(p_j,U’)表示项目p_j在用户子集U’中的平均分。显然Err(U’)越小， 子集U’越能充分反映全体用户的兴趣偏好。但是，如果Cov(U’)较小，则子集U’ 不能充分覆盖全体项目。

因此，定义典型用户群组(Typical User Group,TUG)是用户集合U的一个 子集，大小为k，它同时满足如下两个条件，在用户集合U所有大小为k的子集 中，有：

a、min Err(TUG)；

b、maxCov(TUG)。

注意到直接优化Err(TUG)比较复杂，因此可以最大化Cov(TUG)。由于 Cov(U’)具有单调递增性和子模性，可以使用一个贪婪算法的方法，在每一步选 择最优的u_i加入到U’中，最终得到TUG。

(8)进行1至k次循环，在循环过程中分别计算U_c中所有用户的加权递 增项目覆盖率；计算maxCov(TUG)，选出最大加权递增项目覆盖率的用户u； 将u添加到U’中，从U_c中删去u。

(9)循环结束后，U’为所求的典型用户群组TUG，从而计算出典型用户群 组TUG，即典型用户群组发现技术。

后面我们就可以针对典型用户群组TUG来进行信息的推荐，而不需要对所 有的用户都进行分析再推荐项目信息。因此本发明的推荐方法，是以典型用户 群组TUG的发现为基础，从根本上减少了计算量，提高了计算效率且保证了高 的准确率。

第二步，计算推荐结果R’，基于典型用户群组TUG，将协同过滤推荐方法 的最近邻搜索范围从全体用户缩小到典型用户群组中，计算出推荐结果R’。

得到典型用户群组之后，利用典型用户群组实现信息推荐，可以应用于多 种已有的推荐方法中。由于典型用户群组的代表性和较高的项目覆盖率，可以 考虑将协同过滤的最近邻搜索范围从全体用户缩小到典型用户群组中，从而降 低协同过滤方法的时间开销，同时也不会过多的损失推荐结果的准确程度。基 于典型用户群组的计算推荐结果R’包括以下步骤：

(1)相似度计算，对于每个用户u，计算u和TUG中每个典型用户的相似 度，相似度计算公式如下：

$\mathrm{Sim}(u,u_2)=\frac{{\Sigma }_{p_j\in P}{r}_{\mathrm{uj}}\times r_{2j}}{\sqrt{{\Sigma }_{p_j\in P}{r}_{\mathrm{uj}}^2}\sqrt{{\Sigma }_{p_j\in P}{r}_{2j}^2}},u_2\in \mathrm{TUG}.$

(2)最近邻搜索，从TUG中选出和u相似度最高的n个典型用户，作为 最近邻集合U_N。通过TUG中选出的最近邻集合U_N，来进行分析计算评分。

(3)评分预测，对于用户u未评分的项目p计算其得分。其得分通过最近 邻集合U_N对已关注项目p评分的加权平均计算出得分，针对项目p以TUG中 最近邻集合U_N为对象来进行平均计算，通过判断项目p的评分预测出用户u未 评分的项目p的得分，达到基于部分的典型用户群组实现全面判断的目的。评 分预测这一步骤，即针对项目p评分的加权平均计算方法可以使用现有技术中 的多种方法，例如：期刊为IEEE Transactions on Knowledge and Data Engineering (IEEE TKDE),2005，论文名为Toward the next generation of recommender  systems:A survey of the state-of-the-art and possible extensions的论文材料；再如： 期刊为Internet Computing,IEEE,2003，论文名为Amazon.com recommendations: Item-to-item collaborative filtering的论文材料。

(4)对于所有的用户所有未评分项进行预测，并按得分从高到低排序，得 到推荐结果R’。

基于最近邻搜索的结果，可以使用常用的基于用户的协同过滤方法得到 TUG-CF(TUG-based Collaborative Filtering Recommendation Algorithm，基于典 型用户群组的协同过滤推荐方法)的推荐结果。由于TUG的项目覆盖率并不是 100％，对于无法通过TUG-CF得到评分的项，可以用它在训练集上的平均得分 作为替代。

在针对本发明的检验过程中，主要使用的数据集是MovieLens-1M数据集 (http://grouplens.org/)。Movielens-1M数据集是一个公开数据集，包含了100余 万个电影评分，评分范围是从1到5的整数。该数据集也被广泛的用于推荐系 统相关的研究工作。实验中使用了所有有评分行为的用户及相关项目，数据集 的基本统计情况如表1。

表1 数据集基本统计情况

实验中主要从三个角度评价典型用户群组的有效性，一是对项目评分的准 确性，使用子集评分误差Err(U’)来评价；二是对项目的覆盖率，使用项目覆盖 率Cov(U’)评价；三是推荐效果的好坏，使用Top-K、绝对平均误差(Mean  Absolute Error，MAE)和均方根误差(Root-Mean-Square Error，RMSE)度量，它 们都是协同过滤方法常用的评估方法。

几种度量方法的计算公式如下：

$\mathrm{Top}-K_u=\frac{\#\mathrm{hit}}{K};$

$\mathrm{MAE}=\frac{1}{\left|R_{\mathrm{test}}\right|}\underset{r\in R_{\mathrm{test}}}{\Sigma }|r_{\mathrm{real}}-r_{\mathrm{pred}}|;$

$\mathrm{RMSE}=\sqrt{\frac{{\Sigma }_{r\in R_{\mathrm{test}}}{(r_{\mathrm{real}}-r_{\mathrm{pred}})}^2}{\left|R_{\mathrm{test}}\right|}},$

其中R_test表示测试集，r_real和r_pred分别表示测试项的真实得分和预测得分。

对比方法分为两个部分，一是用户子集选择的对比；二是推荐效果好坏的 对比。用户子集选择的对比中，实现的算法WTFA将和以下三种方法GTFA、 MR、MD进行对比。

基于流派的典型用户发现(Genre-based TFA，GTFA)。即不根据项目计算覆 盖率，而是根据对不同流派的覆盖率来寻找典型用户。显然找到的典型用户可 以覆盖各个流派。最多评分用户选择(Most Rating，MR)。即选取在训练集中评 分次数最多的用户子集，显然MR集合是比较活跃的，能够覆盖较多的项目。 最大差异用户集合(Max Diversity,MD)。在MR的基础上，为评分次数最多的用 户逐一选择和他最不相同的另一个用户(即两者之间的用户相似度最小)，直至 MD集合达到指定大小k。其中，用如下公式计算用户相似度：

$\mathrm{Sim}(u_1,u_2)=\frac{|P_{u1}\cap P_{u2}|}{|P_{u1}\cup P_{u2}|}$

推荐效果好坏的比较，除基于WTFA找到的典型用户群组实现了TUG-CF 算法之外，还实现了如下四种对比算法：

基于流派的TUG-CF(Genre-based TUG-CF，GT-CF)。即在GTFA找到的典 型用户中寻找最近邻并完成推荐。

基于最多评分用户的协同过滤(Most Rating CF，MR-CF)。即在MR集合中 寻找最近邻并完成推荐。

基于最大差异用户的协同过滤(Max Diversity CF,MD-CF)。即在MD集合中 寻找最近邻并完成推荐。

一般的基于用户的协同过滤(User-based CF，UCF)。即在所有用户中寻找最 近邻并完成推荐，这是最基本的基于用户的协同过滤推荐方法。

关于用户子集选择的对比实验中，不同比例测试集上的对比如下：

在实验中，对于原数据集，随机的抽取一定比例的项目及其评分作为测试 集，其余的作为训练集，比较使用训练集选出的用户子集是否有效。比例划分 从10％到90％，每10％为一档，在每个档次上实验5次，并取5次的结果平均 值为最终结果。其中，选取的用户子集大小k＝50。如图2a和图2b的实验结果 显示，基于加权递增项目覆盖率的典型用户群组发现算法(WTFA)在评分误差 较小的情况下保证了最大化的项目覆盖率，选出的用户子集更具有典型性。而 基于流派的典型用户群组发现算法(GTFA)并没有较为出色的表现，显然对较 少出现的项目赋予较高的权重，提高了较少出现项目被覆盖的可能。此外，最 多评分(MR)的用户子集也表现了较优的结果，这和通常认识是一致的。最大 差异(MD)的用户子集并未表现出较好的结果，可见仅仅考虑用户之间的差异 性，并不能有效提高项目覆盖率和降低评分误差。另外，随着测试集比例的变 化，实验结果也有着明显变化。例如对于项目覆盖率，当测试集比例增大时， WTFA的项目覆盖率依然稳定，而其他几种方法都有所下降，也说明了WTFA 选出的典型用户群组更具有典型性和有效性。

不同用户子集大小的对比如下：

由于用户子集k的大小可以自行定义，实验也考察了随着用户子集大小k 的变化，典型用户群组发现算法能否得到较优的结果。在实验中，对于原数据 集，随机的抽取50％的项目及其评分作为测试集，其余的作为训练集，比较使 用训练集选出的用户子集是否有效。用户子集大小k分别取1、5、10、20、50 和100，并取5次的实验结果平均值为最终结果。实验结果如图3a和图3b所示。 可以发现WTFA依然保持了最优的结果，次优结果仍然是最多评分的用户子集。 另外随着k的增大，评分误差也逐渐接近，说明在用户子集规模足够大时，子 集平均分已经越来越接近项目的实际平均分。但是，项目覆盖率的提升要缓慢 的多，由于通过权重提升了较少出现的项目被覆盖的可能性，WTFA在项目覆 盖率上的优势依然明显。

不同流派项目的对比如下：

MovieLens-1M数据集提供的电影流派有18个，每部电影可以属于多个流派。 电影和流派之间的统计情况见表2。从表2中可以看到，不同流派的电影数量差 别很大，较常见的流派如剧情片和喜剧片分别有1603部和1200部，而小众的 流派如黑色流派和西部流派，分别只有44部和68部，其他流派的数量也都有 很大区别。

同时，不同流派的电影得到的评分次数也有所不同，例如犯罪流派，平均每 部电影仅被评分70次，而数量与其接近的音乐剧，平均每部被评分428.2次， 可以看出用户评分覆盖范围的明显差别。类似的，科幻流派虽然数量较少(276 部)，但是平均评分数量却高达711.7次，说明这是一个较受欢迎的小众流派。

表2 电影流派统计情况

实验首先考察给定用户子集规模和测试集比例时，所有流派上的评分误差 和项目覆盖率对比。取用户子集大小k＝50，测试集比例50％，实验结果如图4a 和图4b。可以发现，流派包含的电影数量和流派中电影的平均评分次数和实验 结果具有一定的相关性。比如，电影数量和评分次数都很少的犯罪流派，在评 分误差和项目覆盖率上都比较差。与之类似的，电影数量较少的儿童、浪漫、 西部等流派，实验结果也比较差。而恐怖流派虽然电影数量较多，但是平均评 分次数较少，实验结果也不理想。在实验中，虽然大部分情况下WTFA都取得 了较好的结果，但是在部分小众流派如犯罪、恐怖流派的评分误差上表现略差 于其他方法。在小众流派上，着重考虑流派覆盖率的GTFA方法取得了较好的 结果，说明对于小众流派，不能单纯的从项目覆盖率的角度处理。

实验也考察了在给定用户规模时，随着测试集比例变化，各个流派上的实 验结果对比。取用户子集大小k＝50，测试集比例取10％、50％和90％，实验结 果如图4a和图4b(50％)、图5a和图5b(10％)和图6a和图6b(90％)。 由这些对比可以看出，随着测试集占比减小，所有方法的实验效果都有所上 升，例如在图4(b)中，在测试集比例10％的情况下，几乎所有流派的覆盖率都 接近100％。按流派分别比较实验结果，由于犯罪流派的小众性，该流派的实 验结果是最差的。但是相比较于其他方法，在测试集比例变化时，WTFA依然 保持了最好的结果。类似的情况也存在于大部分流派的实验结果中。进一步的 分析可以发现，虽然WTFA在部分小众流派上的评分误差较大，但是始终保持 了较高的项目覆盖率。另外，随着测试集比例的上升，其依然保持了较小的评 分误差和较高的项目覆盖率，可以说明WTFA在面临新的从未出现过的新项目 时，有较强的实用性，其选出的典型用户群组可以用于实用推荐系统中的长期 跟踪和研究。

关于推荐效果的比较如下：

在进行MAE和RMSE推荐效果的对比试验时，将MovieLens-1M数据集的 评分数据进行完全随机的划分。比例划分从10％到90％，每10％为一档，在每 个档次上实验5次，并取5次的结果平均值为最终结果。其中，选取的用户子 集大小为50，协同过滤算法的最近邻大小为20。参数的选择是基于图7a和图 7b中TUG-CF推荐效果随着参数变化的比较得出的，可见随着用户子集和最近 邻大小的增加，推荐效果是逐渐提升的，但是同时计算开销也会增大，因此基 于综合考虑选择了目前的参数。

之前所述的五种算法的推荐结果对比如表3。

表3 推荐效果比较(左：MAE，右：RMSE)

由表中可以看到，在大部分情况下，TUG-CF的评分预测效果都是最优的。 这说明在较小的用户子集中寻找所有用户的最近邻，在充分考虑用户子集对推 荐项的覆盖率情况下，是可以得到较好的结果的。GT-CF、MR-CF和MD-CF 方法也显示，在用户子集的实现上，WTFA方法找到的典型用户子集对于推荐 算法的提升最高，其典型性和代表性也最好。另外，在测试集比例较大时，经 典的基于用户的协同过滤算法(UCF)取得了最好的结果，这也说明典型用户 群组的代表性也取决于用户数据的完整性与否，原始数据不完整的情况下，典 型用户群组的优势并不明显。

Top-K的实验结果如图8所示，实验的测试集比例为50％。实验中选取了测 试集中真实得分大于3的项目(假定为用户喜欢的项目)和各个算法预测得分 大于3的无评分项目(既不在训练集也不在测试集中)构成推荐列表，并检查 这些测试集项目的Top-K分布，最终得到对比结果。由图中可以看出，基于 TUG-CF给出的评分得到的排序结果可以将较多的用户喜欢的项目排在靠前的 位置，其他基于用户子集的方法结果也好于经典的协同过滤方法，可见典型用 户群组对于推荐结果的排序也能起到优化作用。另外，注意到每条曲线最后接 近100％时都有一个跃升，这是由于部分用户喜欢的项目预测得分小于3而被排 在推荐列表的最后造成的。推荐方法的比较实验可以看出，TUG-CF在推荐评分 精确性和推荐结果排序准确性上都优于对比方法。通过合理地运用典型用户群 组改进协同过滤算法，确实有效地提升了推荐效果

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业 的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中 描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有 各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明 要求的保护范围由所附的权利要求书及其等同物界定。