第四章 實驗
4.1 環境與流程
4.1.2 實驗流程
國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
27
第四章 實驗
相較於第三章的實驗，本章實驗使用較大規模的資料集。資料集為 2010 年 9 月至 2011 年 3 月的使用紀錄，共 26 萬多筆資料，其中包含有 30 個使用者、1125 個手機應用 程式。
4.1 環境與流程
4.1.1 實驗環境本研究進行實驗時所使用的系統，硬體為一般個人電腦(單機)，軟體環境則是簡述如 下：
作業系統，使用 Ubuntu v12.04
程式語言，使用 C++、Python
關聯式資料庫使用 MySQL (Workbench CE 6.0.8)
另外，本研究使用由德克薩斯州大學資訊科學學系所開發的 Co-clustering Software (Version 1.1)16進行雙分群
4.1.2 實驗流程
此實驗為一個基於離線(Off-Line)及模型基礎(Model-Base)的架構。我們將資料集整理 成 CCS(Compressed Column Storage)檔，使用 Co-Clustering Software 三種演算法對使用者
16資料來源:http://www.cs.utexas.edu/Users/dml/Software/cocluster.html
‧
CSV(Comma Separated Value)檔並匯入資料庫，對每個 User，做不同的推薦。首先，我們 找出與此 User 相同群組的 User 名單，在各應用程式分類的群組中，使用三種方法計算同 的 User 使用的頻率分別是 0.39、0.36、0.09、0.12、0.06，那麼他的分數就是 1.02；App Cluster 是 1 的 App0100，被 2 個同群的 User 使用的頻率分別是 0.2、0.16，那麼他的分數
17 參考網址：https://www.python.org/
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
29
到我們所推薦的應用程式；然而，使用者是否使用某應用程式，也不能完全代表他或她是 否喜歡該應用程式。圖 18 為實驗一流程說明。
圖 14 實驗流程圖
以下介紹實驗一所用的 SQL。
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
30
SQL#1 找出與欲推薦 User 同一個 Cluster 其他 User，並以這些同群使用者的資料為基 準，其中 user_cluster_result 儲存了使用者分群的結果， $user_id$表示欲推薦的使用者。
SQL#2 取得 User 未使用過的 App 做為推薦候選名單，user_app_value 這個 Table 儲存 了使用者對應用程式的操作狀況，app_cluster_result 儲存了應用程式分群的結果。
SELECT user FROM user_cluster_result WHERE user_cluster = (
SELECT user_cluster FROM user_cluster_result WHERE User='$user_id$'
)
SELECT a.app_id, a.value, b.app_cluster FROM user_app_value a, app_cluster_result b
WHERE a.User='$user_ud$' and a.value='0' and a.app_id=b.app_id
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
31
SQL#3.1 計算每個應用程式的分群$app_cluster$的使用人數，使用@row 語法依照人數 多少從高到低排序。
SQL#3.2 計算每個應用程式的分群$app_cluster$的使用次數/頻率，使用@row 語法依 照使用次數/頻率多少從高到低排序。
SELECT *,@row := @row + 1 as row FROM (
SELECT app_id, count(user) AS user_app_value,app_cluster FROM recommender_list a, (
SELECT @row := 0
) r
WHERE app_cluster=$app_cluster$ AND user_app_value <> 0 GROUP BY app_id ) b
ORDER BY user_app_value DESC
SELECT *,@row := @row + 1 AS row FROM (
SELECT app_id, SUM(user_app_value) AS user_app_value, app_cluster FROM recommender_list a, (SELECT @row := 0) r
WHERE app_cluster=$app_cluster$
GROUP BY app_id ) b
ORDER BY user_app_value DESC
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
32
SQL#4 推薦排名前 5 的應用程式。
當我們在整理實驗所需的資料集時，發現類似的應用程式在 Google Play 的分類有些 特別，例如像是部分 Bus 相關的應用程式分類為 Transportation，而部分 MRT 相關的應用 程式分類為 Travel & Local，我們設計了額外的實驗，從 User 使用應用程式的相似性，探 討應用程式在 Co-Clustering 做分類的結果，想了解 Google Play 的分類情形是否可做調整。
Co-Clustering Software 所提供的參數有許多，必要輸入的參數有演算法(–A)、行分群 數量(–C)、 輸入之資料(–I)、列分群數量(–R)四種。本研究所用的參數為-A、-C、-I、-R、
-O 五種，在演算法中，我們使用了三種演算法分別做實驗；以應用程式為列(Column)，將 應用程式分成 30 個 Cluster；以使用者為行(Row)，將使用者分為 2 個 Cluster。本實驗的 參數設定說明如表 2。
SELECT * FROM recommender_result WHERE app_sequence<=5
‧
i -- Information Theoretic Co-Clustering algorithm(DEFAULT)
e -- Minimum Squared Residue I Co-Clustering Algorithm
r -- Minimum Squared Residue II Co-Clustering Algorithm
inputFormatType
若輸入稠密矩陣參數 d，必須指定檔案格式
s：矩陣與其維度資訊分別儲存於兩個檔案
t：矩陣與其維度資訊儲存於同一檔案
inputFilename
-I s f user_app_count
-R 列分群數量 ROW Cluster Num
outputAccessMode：輸出模式
a：將結果附加在檔案後
o：將結果覆蓋檔案
outputFilename：輸出的檔案名稱
-O c s 1 o result
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
34