前言：尋找寫作靈感？中文期刊網用心挑選的過濾技術的室內設計推薦方法探討，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：針對當前室內設計項目推薦精度、執行效率低的難題，以改善室內設計項目推薦結果為目標，提出了基于協同過濾技術的室內設計項目推薦方法。首先分析當前國內外室內設計項目推薦的研究現狀，找到各種室內設計項目推薦方法的不足，然后提取室內設計用戶、項目特征，并設計了相似度度量計算公式，并根據k個最近鄰用戶對項目的預測評分得到室內設計項目推薦結果，最后與其它室內設計項目推薦方法進行了對照實驗，分析其有效性和優越性，結果表明，文中方法的室內設計項目推薦精度超過95％，執行時間很短，加快了室內設計項目推薦速度，推薦結果明顯好于其它室內設計項目推薦方法，解決了當前室內設計項目推薦過程中存在的缺陷。
關鍵詞：協同過濾技術；室內設計；推薦方法；相似度度量；執行效率
0引言
隨著生活水平的不斷提高，人們對居住的環境越來越高，尤其是對室內的環境更加重視。在室內環境中，室內設計效果最為關鍵，因此如何向用戶推薦他們真正喜歡的室內設計項目具有十分重要的研究意義［1－2］。由于當前處于一個信息爆炸的時代，用戶獲取信息的途徑十分多，而用戶的需要也是呈多樣化方向發展，這樣信息源－信息生產者之間存在一定的矛盾，使得室內設計項目推薦都面臨著著很大的挑戰［3］。室內設計項目推薦實際是一個數據挖掘問題，當前國內外的學者們對其投入了大量的時間和精力進行了深度的研究，涌現了許多優秀的室內設計項目推薦方法［4］。由于用戶行為，偏好以及特征具有差異性，當前主要采用個性偏好的室內設計項目推薦技術，其以用戶的歷史數據為基礎，對這些歷史數據進行分析，建立一個室內設計項目推薦方法，然后根據這個模型為用戶推薦其興趣偏好以及個人需求的室內設計項目［5－6］。在個性偏好推薦過程中，最初基于用戶搜索的關鍵詞建立室內設計項目推薦方法，該技術的室內設計項目推薦精度比較低；隨后出現了基于項目評分的室內設計項目推薦方法，其室內設計項目推薦精度得到明顯的改善，但是室內設計項目推薦效率低，無法滿足當前室內設計項目推薦發展的要求［7－9］。最近出現了基于用戶的室內設計項目推薦方法，根據用戶之間的相似度建立最優的室內設計項目推薦方法，但是其考慮的因素比較少，使得室內設計項目推薦效果有待進一步改善［10］。為了提高室內設計項目推薦精度，加快室內設計項目推薦效率，提出了基于協同過濾技術的室內設計項目推薦方法，在相同條件下，與其它室內設計項目推薦方法進行了對照實驗，結果表明，本文方法解決了當前室內設計項目推薦方法存在的局限性，是一種精度高、速度快的項目推薦方法。
1協同過濾技術的室內項目設計項目推薦方法
1．1協同過濾技術的室內項目設計項目推薦框架。由于當前室內項目設計項目推薦方法存在各自的不足，為此將協同過濾技術引入到室內項目設計項目推薦的研究中，協同過濾技術的室內項目設計項目推薦方法的基本框架，如圖1所示。
1．2提取室內設計項目用戶的特征。對于用戶或者室內設計項目，它們都有自己的特征，協同過濾技術的室內項目設計項目推薦方法的設計過程中，用戶特征具有一定的穩定性，特征相近的兩個用戶，通常情況，選擇相似的室內設計項目概率要大一些，首先對室內設計用戶的特征進行描述，然后對它們進行量化處理，選擇的室內設計用戶的特征可以作如下描述，如表1所示。對于室內設計用戶性別特征，用“1”表示男，“－1”表示女，而室內設計用戶性別年齡特征，采用“0～4”進行量化，其中“0”表示30歲以下，“1”表示30～39，“2”表示39～44，“3”表示45～60，“4”表示60歲以上，其中職業和教育程度也分別采用數字進行量化，在此不詳細描述了。對于m個用戶，那么可以建立如下的室內設計用戶特征矩陣，如表2所示。其中Uij表示第i個用戶的第j個特征。戶間相似度是室內設計項目推薦中的一項關鍵技術，當前用戶間相似性度量方式很多，如余弦相似性、皮爾森相關系數、Jaccard相關系數，設有兩個用戶U和V，那么不同的用戶間相似性度量方式分別定義，如式（1）—式（3）。式中，RUI表示第U個用戶、在第I項目上的評分，IU表示示第U個用戶的評分集合，I′表示共同評分的項目集。目標用戶對目標項目的評分值進行預測，珚Ru和珚Rku為第u個用戶對項目評分、及第k個近鄰評分的均值，用戶預測評分具體公式，如式（4）。
1．3提取室內設計項目的特征。對于具有相似特征的室內設計項目，它們被用戶接受的相似度也越大，同時每一個室內設計項目具有自身特性，本文選擇的室內設計項目特征為：設計風格、價格、室內大小、顏色主題、材料等。設每一個室內設計項目有p個特征，那么可以建立一個室內設計項目特征矩陣，如式（5）。項目間相似度同樣是室內設計項目推薦中的一項關鍵技術，主要余弦相似性、皮爾森相關系數，設有兩個項目i和j，那么不同項目的余弦相似性、皮爾森相關系數計算公式，如式（6）、式（7）。式中，Uij表示項目i和j的評分交集。項目預測評分具體公式，如式（8）。
1．4本文的相似度度量的設計。如果有m個用戶，n個項目，它們組成的集合分別為：U＝｛U1，U2，…，Um｝和I＝｛I1，I2，…，In｝，那可以建立如下的用戶項目評分矩陣，如式（9）。由于當前相似度計算公式存在一定的缺陷，如當前用戶項目評分矩陣比較稀疏，易出現冷啟動問題，導致推薦錯誤大，效率低等。為此本文對相似度計算公式進行改進，獲得理想的室內設計項目推薦結果，采用巴氏系數和Jaccard相結合的相似度計算公式，如式（10）。
1．5協同過濾技術的室內設計項目推薦步驟。Step1：采集室內項目設計的相關歷史數據，并對其進行處理，去掉一些錯誤的數據。Step2：提取室內項目設計的用戶特征和項目特征，它們組成相應的特征集合。Step3：建立室內項目設計的用戶特征和項目特征矩陣。Step4：計算室內項目設計的用戶和項目相似度。Step5：根據室內項目設計的用戶和項目相似度產生k個近鄰。Step6：根據k個近鄰對計算室內項目設計的評分值，并根據評分值實現用戶感興趣的室內項目設計推薦，輸出推薦結果。
2仿真測試
2．1仿真環境。為了測試本文提出的協同過濾技術的室內設計項目推薦方法性能，采用一些室內設計項目數據集作為測試對象，采用測試環境設置，如表3所示。
2．2對比方法及實驗數據選擇文獻。［9］和文獻［10］的推薦方法進行對比測試，為了使室內設計項目推薦結果更具說服力，選擇5個數據集進行仿真實驗，選擇實驗對象，如表4所示。
2．3實驗結果分析。統計本文方法和文獻［9］和文獻［10］的室內設計項目推薦精度，如圖2所示。從圖2的室內設計項目推薦結果可以發現，本文方法的室內設計項目推薦精度超過95％，室內設計項目推薦錯誤相當小，而文獻［9］和文獻［10］的室內設計項目推薦精度卻低于90％，對比結果證明本文方法獲得了理想的室內設計項目推薦結果，可以幫助用戶得到自己偏好的室內設計項目。統計本文方法和文獻［9］和文獻［10］的室內設計項目推薦平均時間（ms），如圖3所示。從圖3的室內設計項目推薦結果可以發現，本文方法的室內設計項目推薦時間很少，室內設計項目推薦速度快，而文獻［9］和文獻［10］的室內設計項目推薦時間多，對比結果證明本文方法提高了室內設計項目推薦效率。
3總結
室內設計是當前的熱點，室內設計項目好壞十分關鍵，因此室內設計項目推薦方法設計成為人們高度關注的問題，由于當前室內設計項目推薦方法存在錯誤大、耗時長等不足，為了獲得理想的室內設計項目推薦結果，設計了協同過濾技術的室內設計項目推薦方法，通過仿真測試實驗可以得到如下結論。（1）由于提取了更好的室內設計項目特征，設計優異的室內設計項目相似度度量函數，室內設計項目推薦精度超過了95％，將室內設計項目推薦錯誤率控制在實際應用的范圍內，解決了當前室內設計項目推薦方法存在的錯誤率高的不足。（2）由于引入了協同過濾技術，減少了室內設計項目推薦時間，加快了室內設計項目推薦速度，獲得了比其它方法更好的室內設計項目推薦效率，克服了當前室內設計項目推薦方法存在效率低的弊端。（3）協同過濾技術的室內設計項目推薦方法可以應用于其它領域具有相似特征問題的求解中，具有十分廣泛的應用價值。
作者:寧云智 單位:湖南鐵道職業技術學院軌道交通電務技術學院
