摘要：针对当前室内设计项目推荐精度、执行效率低的难题，以改善室内设计项目推荐结果为目标，提出了基于协同过滤技术的室内设计项目推荐方法。首先分析当前国内外室内设计项目推荐的研究现状，找到各种室内设计项目推荐方法的不足，然后提取室内设计用户、项目特征，并设计了相似度度量计算公式，并根据k个最近邻用户对项目的预测评分得到室内设计项目推荐结果，最后与其它室内设计项目推荐方法进行了对照实验，分析其有效性和优越性，结果表明，文中方法的室内设计项目推荐精度超过95％，执行时间很短，加快了室内设计项目推荐速度，推荐结果明显好于其它室内设计项目推荐方法，解决了当前室内设计项目推荐过程中存在的缺陷。
关键词：协同过滤技术；室内设计；推荐方法；相似度度量；执行效率
0引言
随着生活水平的不断提高，人们对居住的环境越来越高，尤其是对室内的环境更加重视。在室内环境中，室内设计效果最为关键，因此如何向用户推荐他们真正喜欢的室内设计项目具有十分重要的研究意义［1－2］。由于当前处于一个信息爆炸的时代，用户获取信息的途径十分多，而用户的需要也是呈多样化方向发展，这样信息源－信息生产者之间存在一定的矛盾，使得室内设计项目推荐都面临着着很大的挑战［3］。室内设计项目推荐实际是一个数据挖掘问题，当前国内外的学者们对其投入了大量的时间和精力进行了深度的研究，涌现了许多优秀的室内设计项目推荐方法［4］。由于用户行为，偏好以及特征具有差异性，当前主要采用个性偏好的室内设计项目推荐技术，其以用户的历史数据为基础，对这些历史数据进行分析，建立一个室内设计项目推荐方法，然后根据这个模型为用户推荐其兴趣偏好以及个人需求的室内设计项目［5－6］。在个性偏好推荐过程中，最初基于用户搜索的关键词建立室内设计项目推荐方法，该技术的室内设计项目推荐精度比较低；随后出现了基于项目评分的室内设计项目推荐方法，其室内设计项目推荐精度得到明显的改善，但是室内设计项目推荐效率低，无法满足当前室内设计项目推荐发展的要求［7－9］。最近出现了基于用户的室内设计项目推荐方法，根据用户之间的相似度建立最优的室内设计项目推荐方法，但是其考虑的因素比较少，使得室内设计项目推荐效果有待进一步改善［10］。为了提高室内设计项目推荐精度，加快室内设计项目推荐效率，提出了基于协同过滤技术的室内设计项目推荐方法，在相同条件下，与其它室内设计项目推荐方法进行了对照实验，结果表明，本文方法解决了当前室内设计项目推荐方法存在的局限性，是一种精度高、速度快的项目推荐方法。
1协同过滤技术的室内项目设计项目推荐方法
1．1协同过滤技术的室内项目设计项目推荐框架。由于当前室内项目设计项目推荐方法存在各自的不足，为此将协同过滤技术引入到室内项目设计项目推荐的研究中，协同过滤技术的室内项目设计项目推荐方法的基本框架，如图1所示。
1．2提取室内设计项目用户的特征。对于用户或者室内设计项目，它们都有自己的特征，协同过滤技术的室内项目设计项目推荐方法的设计过程中，用户特征具有一定的稳定性，特征相近的两个用户，通常情况，选择相似的室内设计项目概率要大一些，首先对室内设计用户的特征进行描述，然后对它们进行量化处理，选择的室内设计用户的特征可以作如下描述，如表1所示。对于室内设计用户性别特征，用“1”表示男，“－1”表示女，而室内设计用户性别年龄特征，采用“0～4”进行量化，其中“0”表示30岁以下，“1”表示30～39，“2”表示39～44，“3”表示45～60，“4”表示60岁以上，其中职业和教育程度也分别采用数字进行量化，在此不详细描述了。对于m个用户，那么可以建立如下的室内设计用户特征矩阵，如表2所示。其中Uij表示第i个用户的第j个特征。户间相似度是室内设计项目推荐中的一项关键技术，当前用户间相似性度量方式很多，如余弦相似性、皮尔森相关系数、Jaccard相关系数，设有两个用户U和V，那么不同的用户间相似性度量方式分别定义，如式（1）—式（3）。式中，RUI表示第U个用户、在第I项目上的评分，IU表示示第U个用户的评分集合，I′表示共同评分的项目集。目标用户对目标项目的评分值进行预测，珚Ru和珚Rku为第u个用户对项目评分、及第k个近邻评分的均值，用户预测评分具体公式，如式（4）。
1．3提取室内设计项目的特征。对于具有相似特征的室内设计项目，它们被用户接受的相似度也越大，同时每一个室内设计项目具有自身特性，本文选择的室内设计项目特征为：设计风格、价格、室内大小、颜色主题、材料等。设每一个室内设计项目有p个特征，那么可以建立一个室内设计项目特征矩阵，如式（5）。项目间相似度同样是室内设计项目推荐中的一项关键技术，主要余弦相似性、皮尔森相关系数，设有两个项目i和j，那么不同项目的余弦相似性、皮尔森相关系数计算公式，如式（6）、式（7）。式中，Uij表示项目i和j的评分交集。项目预测评分具体公式，如式（8）。
1．4本文的相似度度量的设计。如果有m个用户，n个项目，它们组成的集合分别为：U＝｛U1，U2，…，Um｝和I＝｛I1，I2，…，In｝，那可以建立如下的用户项目评分矩阵，如式（9）。由于当前相似度计算公式存在一定的缺陷，如当前用户项目评分矩阵比较稀疏，易出现冷启动问题，导致推荐错误大，效率低等。为此本文对相似度计算公式进行改进，获得理想的室内设计项目推荐结果，采用巴氏系数和Jaccard相结合的相似度计算公式，如式（10）。
1．5协同过滤技术的室内设计项目推荐步骤。Step1：采集室内项目设计的相关历史数据，并对其进行处理，去掉一些错误的数据。Step2：提取室内项目设计的用户特征和项目特征，它们组成相应的特征集合。Step3：建立室内项目设计的用户特征和项目特征矩阵。Step4：计算室内项目设计的用户和项目相似度。Step5：根据室内项目设计的用户和项目相似度产生k个近邻。Step6：根据k个近邻对计算室内项目设计的评分值，并根据评分值实现用户感兴趣的室内项目设计推荐，输出推荐结果。
2仿真测试
2．1仿真环境。为了测试本文提出的协同过滤技术的室内设计项目推荐方法性能，采用一些室内设计项目数据集作为测试对象，采用测试环境设置，如表3所示。
2．2对比方法及实验数据选择文献。［9］和文献［10］的推荐方法进行对比测试，为了使室内设计项目推荐结果更具说服力，选择5个数据集进行仿真实验，选择实验对象，如表4所示。
2．3实验结果分析。统计本文方法和文献［9］和文献［10］的室内设计项目推荐精度，如图2所示。从图2的室内设计项目推荐结果可以发现，本文方法的室内设计项目推荐精度超过95％，室内设计项目推荐错误相当小，而文献［9］和文献［10］的室内设计项目推荐精度却低于90％，对比结果证明本文方法获得了理想的室内设计项目推荐结果，可以帮助用户得到自己偏好的室内设计项目。统计本文方法和文献［9］和文献［10］的室内设计项目推荐平均时间（ms），如图3所示。从图3的室内设计项目推荐结果可以发现，本文方法的室内设计项目推荐时间很少，室内设计项目推荐速度快，而文献［9］和文献［10］的室内设计项目推荐时间多，对比结果证明本文方法提高了室内设计项目推荐效率。
3总结
室内设计是当前的热点，室内设计项目好坏十分关键，因此室内设计项目推荐方法设计成为人们高度关注的问题，由于当前室内设计项目推荐方法存在错误大、耗时长等不足，为了获得理想的室内设计项目推荐结果，设计了协同过滤技术的室内设计项目推荐方法，通过仿真测试实验可以得到如下结论。（1）由于提取了更好的室内设计项目特征，设计优异的室内设计项目相似度度量函数，室内设计项目推荐精度超过了95％，将室内设计项目推荐错误率控制在实际应用的范围内，解决了当前室内设计项目推荐方法存在的错误率高的不足。（2）由于引入了协同过滤技术，减少了室内设计项目推荐时间，加快了室内设计项目推荐速度，获得了比其它方法更好的室内设计项目推荐效率，克服了当前室内设计项目推荐方法存在效率低的弊端。（3）协同过滤技术的室内设计项目推荐方法可以应用于其它领域具有相似特征问题的求解中，具有十分广泛的应用价值。
作者:宁云智 单位:湖南铁道职业技术学院轨道交通电务技术学院
