摘  要： 目前常用的個性化推薦系統(tǒng)模型通常是基于協(xié)同過濾或者是基于內(nèi)容的，也有部分基于關(guān)聯(lián)規(guī)則的。這些算法沒有考慮事務間的順序，然而在很多應用中這樣的順序很重要。文章提出了一種簡易的基于序列模式的推薦模型，并且考慮到大規(guī)模數(shù)據(jù)的處理，結(jié)合了MapReduce編程模型。這種簡易的推薦模型可以用來輔助通常的個性化推薦系統(tǒng)。
關(guān)鍵詞： 推薦系統(tǒng)；序列規(guī)則；MapReduce

    21世紀以來，隨著互聯(lián)網(wǎng)的飛速發(fā)展，人類已經(jīng)進入信息社會的時代?；ヂ?lián)網(wǎng)對人們的生活影響越來越大，越來越多的人通過互聯(lián)網(wǎng)發(fā)布和查找信息，網(wǎng)絡成為了人們生活中必不可少的一部分，也成為信息制造、發(fā)布、處理和加工的主要平臺?，F(xiàn)如今，互聯(lián)網(wǎng)已經(jīng)逐漸參與到人們工作、生活、學習的各個方面，成為人們獲取所需信息、進行學習工作和信息交流的主要場所，并對人們的生活和社會的發(fā)展產(chǎn)生了巨大影響。
    個性化推薦系統(tǒng)是一種以海量數(shù)據(jù)挖掘為基礎的智能平臺，這個平臺借助于電子商務網(wǎng)站來為顧客提供因人而異的個性化決策支持和信息服務。個性化推薦系統(tǒng)逐漸地被應用于各種商業(yè)網(wǎng)站，它因人而異地根據(jù)每個用戶的喜好主動地為其預測、推薦符合需求的商品，從這一點上彌補了信息系統(tǒng)的不足。隨著個性化推薦系統(tǒng)的不斷完善，各種算法被深入研究。目前最常用的推薦模型是以協(xié)同過濾為基礎的。盡管基于協(xié)同過濾算法的應用比較成熟，但它有著自身固有的缺點[1]，這使得它需要與其他方法結(jié)合使用。
    本文第1部分介紹了MapReduce編程模型，第2部分描述了一種簡易的基于序列模式的推薦系統(tǒng)的框架，第3部分介紹該框架在MapReduce模型下的實現(xiàn)，最后在總結(jié)部分提出了該框架的不足及需要改進的地方。
1 MapReduce編程模型
    2004 年，谷歌發(fā)表論文向全世界介紹了GFS[2]和MapReduce[3]等模型，為大規(guī)模并行數(shù)據(jù)的計算和分析提供了重要的參考。MapReduce編程模型通過顯式的網(wǎng)絡拓撲結(jié)構(gòu)盡力保留網(wǎng)絡帶寬，并盡量在計算節(jié)點上存儲數(shù)據(jù)，以實現(xiàn)數(shù)據(jù)的本地快速訪問，從而帶來了良好的整體性能。
    MapReduce的設計靈感來自于Lisp等函數(shù)式編程語言中的map和reduce原語，相應的map和reduce函數(shù)由用戶負責編寫，它們通常遵循如下常規(guī)格式：
    Map：(K1，V1)→list(K2，V2)
    Reduce：(K2，list(V2))→list(K3，V3)
    具體的MapReduce操作流程如圖1所示。

    對圖1中的流程可以描述如下：
    (1)用戶程序利用MapReduce相關(guān)接口先把輸入文件劃分為若干份，每一份的大小根據(jù)其分布式文件系統(tǒng)的塊的大小進行設定，然后使用fork在系統(tǒng)中創(chuàng)建主控進程(master)和工作進程(worker)。
    (2)主控進程負責調(diào)度，為空閑worker分配作業(yè)(Map作業(yè)或者Reduce作業(yè))。主控進程根據(jù)輸入文件的劃分分配相應的Map作業(yè)，同時，主控進程還將分配若干個Reduce作業(yè)。
    (3)被分配了Map作業(yè)的worker，開始讀取對應分片的輸入數(shù)據(jù)，Map作業(yè)數(shù)量由輸入文件的劃分決定，與split一一對應；Map作業(yè)從輸入數(shù)據(jù)中抽取出鍵值對，每一個鍵值對都作為參數(shù)傳遞給map函數(shù)，map函數(shù)產(chǎn)生的中間鍵值對被緩存在內(nèi)存中。
    (4)緩存的中間鍵值對會定期寫入本地磁盤，而且被分為R個區(qū)，R的大小由用戶定義，將來每個區(qū)會對應一個Reduce作業(yè)；這些中間鍵值對的位置會通報給master，master負責將信息轉(zhuǎn)發(fā)給Reduce worker。
    (5)主控節(jié)點通知分配了Reduce作業(yè)的worker它負責的分區(qū)在什么位置，當Reduce worker把所有負責的中間鍵值對都讀過來后，先對它們進行排序，使得相同鍵的鍵值對聚集在一起。因為不同的鍵可能會映射到同一個分區(qū)也就是同一個Reduce作業(yè)，所以排序是必須的。
    (6)Reduce worker遍歷排序后的中間鍵值對，對于每個唯一的鍵，都將鍵與關(guān)聯(lián)的值傳遞給reduce函數(shù)，reduce函數(shù)產(chǎn)生的輸出會添加到這個分區(qū)的輸出文件中。
    (7)當所有的Map和Reduce作業(yè)都完成了，master將會喚醒用戶程序，用戶程序?qū)apReduce平臺的調(diào)用由此返回。
    MapReduce是一個簡便的編程模型，編程人員只需要實現(xiàn)其中的Map函數(shù)和Reduce函數(shù)即可。
2 框架描述
    序列模式挖掘[4]是指找出所有滿足用戶指定的最小支持讀的序列，每個這樣的序列成為一個頻繁序列，或者一個序列模式。本文描述的算法基于序列模式挖掘，但是不考慮最小支持度，并且經(jīng)過一次循環(huán)即可挖掘出模式，所以不存在產(chǎn)生候選項集。
    通常個性化推薦系統(tǒng)分為3個階段：數(shù)據(jù)預處理階段、模式發(fā)現(xiàn)階段和推薦階段。其中數(shù)據(jù)預處理階段和模式發(fā)現(xiàn)階段都是推薦系統(tǒng)定期執(zhí)行的（即離線部分），而推薦階段是實時的（即在線部分），因為系統(tǒng)需要通過用戶訪問的信息及時生成推薦信息。

    在推薦階段，需要對用戶瀏覽過的頁面實時地進行分析，并預測用戶要點擊的頁面，動態(tài)地為用戶推薦可能要瀏覽的頁面，因此在本階段引入活動窗口。如果根據(jù)用戶最新瀏覽的兩個網(wǎng)頁進行推薦，則窗口大小為2。為便于理解，暫時討論活動窗口為3的情況。例如用戶u的活動窗口為〈A，B，C〉，假設用戶u下一個頁面點擊了頁面D，則活動窗口改為〈B，C，D〉，在此基礎上用戶u下一個頁面點擊了頁面D，則活動窗口改為〈B，D，C〉。如圖3所示。系統(tǒng)根據(jù)用戶的活動窗口，在已經(jīng)挖掘到的模式中進行查詢，如果查詢到結(jié)果頁面，并且不止一個結(jié)果頁面，則可以根據(jù)模式比值進行相應處理，可以將比值最高的作為推薦頁面返回給用戶，也可以將比值排名前幾的作為推薦頁面返回給用戶。

3 MapReduce算法設計
    在MapReduce算法設計[5]中，定義活動窗口的大小為2，并且默認數(shù)據(jù)經(jīng)過預處理并保存在文本文件中，文本文件的一行為一個用戶的事務，一個單詞表示為一個項，項與項之間用空格隔開。
3.1 Map階段
    Map階段輸入數(shù)據(jù)的鍵值對，Key為文本的行標，在本文中沒有實際意義，Value為文本中的一行數(shù)據(jù)。Map階段的偽代碼如下：
    輸入：(key, value)
    輸出：(word, one)
    方法：map
    {
    line = value.toString();
    pages = line.split(“ ”);
    length = pages.length();
    //通過三層循環(huán)發(fā)現(xiàn)模式
    for(i=0; i<length-2; i++)
    {
        for(j=i+1; j<length-1; j++)
        {
        for(k=j+1; k<length; k++)
        {
          word=pages[i]+“ ”+pages[j];
          one=pages[k];
          //輸出結(jié)果
          output.collect(word,one);
        }
        }
      }
    }
3.2 Reduce階段
    在Reduce階段，Reduce工作節(jié)點從遠程Map工作節(jié)點讀取中間結(jié)果。在此階段中，統(tǒng)計出模式出現(xiàn)的頻率，并得出與事務總數(shù)的比值，最后輸出結(jié)果鍵值對。
    輸入：(word, values)
    輸出：(word, sum)
    方法：reduce
    {
       //通過循環(huán)發(fā)現(xiàn)模式出現(xiàn)的頻率
       while(values.hasNext())
       {
        value=values.next().get();
        result=resultMap.get(value);
        if(null != result)
       {
        result += 1;
        resultMap.put(value,result);
       }
       else
       {
        resultMap.put(value, 1);
       }
     }
     itr=map.keySet().iterator();
     //根據(jù)頻率得出與事務總數(shù)的比值
     while(itr.hasNext())
     {
       key=itr.next();
       ratio=map.get(key)/sumt;
       resultBuffer.append(key+“:”+ratio);
     }
     //輸出結(jié)果
     output.collect(word, resultBuffer);
    }
    本文提出了一種簡易的基于序列模式的推薦模型，并結(jié)合MapReduce，實現(xiàn)了在大數(shù)據(jù)條件下進行模式挖掘的系統(tǒng)，彌補了常見的個性化推薦系統(tǒng)缺少時序的缺點，可以作為輔助的個性化推薦系統(tǒng)的應用。但本文缺少實驗數(shù)據(jù)，沒有進行實現(xiàn)分析，從而略顯遺憾。并且存在以下問題需要在以后的工作中繼續(xù)研究：
    (1)個性化推薦的研究是基于用戶行為的研究，尤其是用戶Web瀏覽行為[6]，用戶對不同類別的Web瀏覽習慣存在較大的差別。本文在用戶事務和活動窗口中均沒有考慮重復頁面的情況，并且活動窗口固定大小，因此在后續(xù)工作中應加入特定條件下用戶行為的研究。
    (2)在事務中的項較多的情況下，可以考慮對項進行分類的策略，但是不同類別的項之間也可能存在關(guān)聯(lián)，在活動窗口中也可引入類別的概念，可以考慮同類別項之間的前后順序，而不像本文只單純地考慮瀏覽頁面的順序，這也將在后續(xù)工作中進行研究。
參考文獻
[1] SARWAR B，KARYPIS G，KONSTAN J，et al.Item-based collaborative filtering recommendation algorithms[C].In Proceedings of the Tenth International. World Wide Web Conference on World Wide Web，2001.
[2] GHEMAWAT S，GOBIOFF H，LEUNG S-T.The Google file system[C].Procedings of 19th ACM Symposium on Operating System Principles，2003：29-43.
[3] DEAN J，GHEMAWAT S.MapReduce: simplified data processing on large clusters[J].Communications of the ADM 50th Anniversary lssue：1958-2008，2008，51(1)：107-113.
[4] AGRAWAL R，SRIKANT R.Mining sequential patterns[C]. In Proc. of the Intl.conf.on Data Engineering，1995：3-15.
[5] WHITE T.Hadoop：the definitive guide[M].Yahoo Press，2010.
[6] MOBASHER B，DAI H，LUO T，et al.Effective personalization based on association rule discovery from web usage data[C].Proceedings of the 3rd International Workshop on  Web Information and Data Management，2001：9-15.