《推薦系統：技術、評估及高效算法》一1.3 資料和知識資源

本節書摘來自華章出版社《推薦系統：技術、評估及高效算法》一書中的第1章，第1.3節，作者 [ 美］弗朗西斯科·裡奇（francesco ricci）利奧·羅卡奇（lior rokach）布拉哈·夏皮拉（bracha shapira）保羅 b.坎特（paul b.kantor），更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視

推薦系統是資訊處理系統，為了實作推薦，該系統會積極收集各種資料。資料主要是關于推薦的物品和收到這些推薦結果的使用者，但是由于推薦系統獲得的資料和知識來源可能差別很大，它們最終是否可以被利用取決于推薦技術（見1.4節）。這種推薦技術将在本手冊的不同章節中有更加清晰的闡述（詳見第11章）。

通常，有的推薦技術用的知識(領域)較少，如隻用到使用者評分或者對物品的評價等一些簡單且基礎的資料（第4、5章）。其他的技術則依賴于更多的知識，如利用使用者或物品的本體性描述（第3章），或者限制性條件（第6章），或者使用者的社交關系和行為活動（第19章）。在任何情況下，推薦系統使用的資料一般指的是三種對象：物品、使用者和事務，也就是使用者和物品的關系。

物品。物品是被推薦的對象集。物品具有複雜性和有價值或效用的特點。如果物品對于使用者是有用的，那麼物品的作用就是積極的；否則如果物品對于使用者不适合，那物品的作用就是消極的，進而導緻使用者在選擇時做出錯誤決定。我們注意到，當一個使用者需要獲得一個物品時，他總會付出代價，其中包括搜尋物品的認知代價和最終為物品支付的費用。

例如，一個新聞推薦系統的設計師必須考慮新聞物品的複雜性，即新聞的結構、文本表述和任何新聞物品的時變重要性。但是推薦系統的設計者必須意識到，即使使用者沒有花錢閱讀新聞，他們還是為搜尋并閱讀這些新聞物品付出了認知上的代價。如果選擇的物品和使用者相關，這個代價就被使用者得到有用資訊的收益覆寫了，可一旦不相關，推薦物品對使用者的淨價值就是負面的

在其他領域，如汽車或者金融投資，當選擇最恰當的推薦方法時，物品真正的貨币成本成為一個考慮的重要因素。

複雜度低且價值小的物品是：新聞、網頁、書籍、CD光牒、電影。複雜度高且價值大的物品是：數位相機、手機、個人電腦等。我們通常認為最複雜的物品是保險政策、金融投資、旅遊、工作［72］。

根據其核心技術，推薦系統可以使用物品集的一系列屬性和特征。例如，在電影推薦系統中，我們可以使用電影種類（如喜劇、悲劇等）資訊、導演資訊和演員資訊來描述電影，并用于弄清楚物品的效用是如何依賴其特征的。物品集可以用各種資訊和表述方法來表示，如可以簡約到單一的id碼，或者豐富到為一組屬性，甚至是該領域本體表示中的一個概念（第3章）。

使用者。正如前面提到的那樣，推薦系統的使用者可能有非常不同的目的和特點。為了使推薦結果和人機互動個性化，推薦系統使用使用者的一系列資訊。這種資訊可以用不同的方式組織，而且同樣的是，選擇哪種資訊模組化取決于推薦技術。

例如，在協同過濾中，所有使用者被模組化為一個簡單的清單，該清單包含每個使用者對若幹個物品的評分記錄。在基于人口統計學的推薦系統中，會用到如年齡、性别、職業和受教育程度等社會統計學特征。使用者資料用來構成使用者

模型［21,32］。使用者模型簡明扼要地描述了使用者的特征，即對使用者偏好和需求進行編碼。不同的模組化方法已經在推薦系統中得到應用，在一定意義上，推薦系統可以被看作一個建構并使用使用者模型來産生推薦的工具［19,20］。如果沒有一個實用的使用者模型，個性化推薦是不可能的（除非推薦系統本身就是像top10那樣是非個性化的），是以使用者模型起到非常重要的作用。例如，再次考慮協同過濾方法，要麼使用者被直接描述為他對物品的評價記錄，要麼系統根據該使用者的評分記錄建構一個因子向量，不同使用者之間的

差別是這些因子權重在他們模型中的差别（第4、5章）。

使用者也可以通過他們的行為模式資料來描述，如網站浏覽模式（在基于web的推薦系統中）［107］或旅遊搜尋模式（在旅遊推薦系統中）［60］。此外，使用者資料包括使用者間的關系，如使用者間的信任級别（第20章）。推薦系統能利用這些資訊給使用者推薦物品集，而這些物品集也是相似使用者或可信任使用者所喜歡的。

事務（transaction）。我們一般将一個事務看作使用者和推薦系統進行互動的一條記錄。人機互動過程中産生的這種類似日志的資料存儲着重要的資訊，并且這些資料對系統中推薦生成算法是有用的。比如，事務日志可能會涉及使用者選擇物品，以及特定推薦所處上下文描述資訊（如使用者的目的和查詢詞）。如果可能，事務也會包括使用者提供的顯式回報，如對選擇物品的評分。

實際上，評分是推薦系統收集交易資料最流行的方式。這些評分可能是用顯式或者隐式的方式收集的。收集顯式評分時，使用者需要在某個評級尺度内給出自己對物品的看法。根據［93］，評級可以采用各種方式：

數字評分，就像amazon.com的書籍推薦系統中的1到5星的評價。

序數評價，例如，“強烈同意，同意，一般，不同意，強烈反對”，使用者在

其中選擇最能代表自己觀點的術語（一般是通過問卷調查）。

二進制制評價，使用者僅僅被要求确定一個物品的好或者不好。

一進制制評價，用來表示使用者已經看到或者買了一個物品，或由此對物品進行明确的評價。在這種情況下，評分值的缺失意味着關聯使用者和物品的資訊是未知的（也許使用者在其他地方買了這個物品）。

從事務中隐式收集使用者評級，系統的目标是根據使用者的行為推斷使用者的意圖。例如，如果使用者在亞馬遜網站輸入“瑜伽”進行搜尋，那麼她将得到關于

書的一個很長的清單。作為回報，使用者為了獲得額外資訊會單擊清單中的書。從這點上看，系統可以推斷使用者對那本書有一定的興趣了。

在會話（conversational）系統中，即支援互動過程的系統中，交易模型更加精确。在這些系統中，使用者請求和系統行為交替出現（見第13章）。更準确地說，使用者請求一個推薦，系統就産生一個推薦清單。但是系統仍然需要額外的使用者偏好資訊，以期産生更好的結果。在這個交易模型中，系統收集各種請求—響應資訊，并且最終通過觀察推薦過程的結果來修改系統的互動政策［60］。