基于知识的推荐系统用户交互模型研究

艾磊+赵辉

摘要：在基于知识的推荐系统中，用户的个性化需求需要通过交互引导得出。为了提高用户的交互体验，建立了基于有限状态机（FSM）的用户交互模型。根据所推荐物品的特征建立用户交互行为的有限状态机模型，通过求解有限状态机模型的有效路径，生成用户的个性化需求和偏好。该模型通过会话式的交互方式，根据用户的个体特征，提供有效交互，减少了用户交互负担，提高了推荐结果的信任度、满意度。

关键词：推荐系统；有限状态机；用户交互

中图分类号：TP301

文献标识码：A 文章编号：1672-7800（2015）003-0015-03

0 引言

随着电子商务的发展，商家在网上提供的商品种类和数量越来越多，用户不可能通过一一浏览发现自己感兴趣的商品，推荐系统能够有效帮助用户解决该问题。推荐系统通过建立用户与物品之间的二元关系，利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象，进而进行个性化推荐[1]。近年来，有关人员广泛开展了推荐系统研究，并取得了一些结果。协同过滤推荐利用其它用户的偏好来预测当前用户的偏好[2]。基于内容的推荐根据用户喜欢的物品，选择其它类似的物品进行推荐[3]。基于知识的推荐能够利用用户的需求爱好、产品知识和功能知识为用户推荐物品[4]。基于上下文感知的推荐系统将上下文信息融入系统，提高了推荐精度[1，3]。混合推荐系统通过组合不同的推荐算法达到保留优点、避免缺点的应用效果。

在基于知识的推荐系统中，需要通过复杂的用户交互方式才能确定用户的需求和偏好。由于用户需求因个体特征、设备特征和环境状况的不同而千差万别。因此，真正友好的设计应该像平常会话一样，在一问一答的方式中获取。有限状态机（finite state machine，FSM） 是交互式系统设计分析中的一种数学模型，它是一种应用广泛、以描述控制特性为主的建模方法，能够有效表示一个动态系统的生存周期。因此，基于有限状态机的思想设计的用户交互模型，能根据不同用户的需求和偏好选取不同的提问。

1 有限状态机理论

FSM是表示有限状态以及在这些状态之间的转移和动作等行为的数学模型[5-7]。有限状态机FSM定义为一个五元组：

FSM=（S，Σ，s0，E，F）（1）

其中，S是FSM中有限状态的集合；Σ是输入集合，为输入字母表；s0是初始状态的集合，s0S；Ε是状态转移函数：Ε：S×Σ→S；F是最终状态的集合FS。FSM 由有限的状态和相互间的转移构成，任何时候只能处于S集合状态中的一个。读取一个输入的字母时，FSM 会产生一个输出，同时也可能伴随着状态的迁移。FSM可以使用状态图和状态转移表进行描述。图1是一个具有3状态的有限状态机状态图，圆表示状态，双圆表示最终状态，弧形箭头表示状态间的转移，每个弧上放置相关联的输入字母和转移条件。状态转移表能够清晰表示状态间的转移逻辑，见表1。

有限状态机可以对具有离散特征的系统进行紧凑而有效的再现[7]。基于知识的推荐系统采用会话式的交互过程，针对不同的用户展现不同的问题。因此，问题的选择可以借鉴有限状态机的思想，从而实现因人而异的交互体验。

2 基于知识的推荐系统用户交互模型

推荐系统的目的是在获取用户个性化需求和偏好的基础上，为用户推荐满意的物品。在一些应用领域，比如消费类电子产品，大量的是单次购买，导致无法依赖购买记录进行推荐，因此在这些领域需要建立基于知识的推荐系统[8]。为了给用户推荐，需要复杂的交互方式才能确定用户需求和偏好。一种简单的方式是直接询问用户要求，比如价格、相机分辨率等，这种方法需要用户对物品的特征有深入的专业理解，在物品特征非常多时会使用户无法选择。因此需要根据用户的认知和个性倾向性，结合所推荐物品的特征，设计出所有能挖掘出用户需求的问题，并针对不同的用户，采用启发式的一问一答方式，设计出个性化的交互行为[8]。

2.1 用户交互描述

基于知识的推荐系统中，用集合Q={q1，q2，...qn}表示所有提问的集合，每个提问都能描述用户个性化需求信息，可以看作一个有限状态的集合。每个问题qi（qiQ）的答案表现出用户不同的偏好信息，根据用户的偏好信息才能正确选择下一个问题的提出，即状态之间的转移。qi答案的设置依赖用户的个体特征：一是用户所具有的客观属性，如性别、年龄、学历、职业等；二是用户的情感偏爱等主观属性[9]。偏好是人们根据环境、知识、感知和认知的结果所作出的有倾向性的选择。本文将偏好描述为问题qi的可选答案集合。在基于知识的推荐系统中，用户交互的基本过程如图2所示。

2.2 基于有限状态机的用户交互建模

根据用户的交互过程，通过引入PFSM（Predicate-based Finite State Machine）概念，对推荐系统中用户的预期交互行为定义[10]。PFSM是一种特殊的有限状态机，其状态转移能被明确定义，使其能够很好地形式化表示图形界面设计和推荐系统的用户交互。在基于知识的推荐系统中， PFSM被定义为一个六元组：

在用户交互模型中，每一条有效路径都表示一个个性化的需求和偏好。因此，获取用户个性化需求和偏好是求解用户交互模型的有效途径。通过建立基于有限状态机的用户交互模型，能准确预测用户需求和偏好，针对不同用户智能选择问题，从而减少用户的交互步骤，提高用户交互效率，以此提高获取用户个性化需求和偏好的准确度，为后续推荐提供保障。

3 结语

本文基于有限状态机的思想，建立了基于知识的推荐系统用户交互模型，将与用户的交互行为刻画成一个有限状态机，提供一种更人性化、更灵活的会话式交互方式。本模型能够根据用户的个体特征，选择不同的问题，以适应用户的个性化需求和偏好，在推荐结果的信任度、满意

度和结果质量方面达到更高的用户认可度。

参考文献：

[1] 王立才，孟祥武，张玉洁. 上下文感知推荐系统[J]. 软件学报，2012，23（1）：1-20.

[2] 陈洁敏，汤庸. 个性化推荐算法研究[J]. 华南师范大学学报，2014， 46（5）：8-15.

[3] 孟祥武，胡勋，王立才，等. 移动推荐系统及其应用[J].软件学报，2013，24（1）：91-108.

[4] BERNHARD PEISCHL. Constraint-based recommendation for software project effort estimation[J].Journal of Emerging Technologies in Web Intelligence，2010， 2（4）：282-290.

[5] 钱忠胜.一种基于有限状态机的测试路径生成方法[J].小型微型计算机系统，2014，7（35）：1586-1590.

[6] 徐秀华，王亚杰，乔敏东.基于有限状态机的界面流描述与设计[J].计算机工程与设计，2007，6（28）：1255-1256.

[7] 王蓓，赵廷弟，焦健.基于有限状态机的安全性仿真技术[J].北京航空航天大学学报，2011，4（37）：428-438.

[8] DIETMAR JANNACH.推荐系统[M].蒋凡，译.北京：人民邮电出版社，2013.

[9] 樊银亭，滕东兴，杨海燕，等. 基于经验感知的自适应用户界面模型[J]. 计算机学报，2011，11（34）：2211-2223.

[10] MAHMOOD TARIQ， RICCI FRANCESCO .Improving recommendation effectiveness：adapting a dialogue strategy in online travel planning[J].Information Technology & Tourism，2009，11（4）：285-302.

（责任编辑：杜能钢）