资讯专栏INFORMATION COLUMN

Item-Based Collaborative Filtering Recommendation

voyagelab / 1174人阅读

摘要:用户过去的偏好很可能展示或者反应未来的兴趣偏好。数据集我们选用,下载地址数据集算法理论算法框架如图,输入是的评分矩阵,该矩阵非常稀疏。所以预测分两步进行计算项目之间的相似性和根据相似性进行预测评分。

【参考文献】:Sarwar B M . Item-based collaborative filtering recommendation algorithms[C]// International Conference on World Wide Web. ACM, 2001.
背景:推荐领域必读文献之一,经典之作,本博客主要记录了该文章的主要思想和相关实现代码,欢迎观摩!

前提或假设

用户对项目的评分值,能够反应用户对项目某种程度上的偏好。

用户过去的偏好很可能展示或者反应未来的兴趣偏好。

数据集

我们选用MovieLens 100K Dataset,=> 100,000 ratings from 1000 users on 1700 movies.
下载地址:movielens数据集

算法理论
算法框架:如图,输入是user-item的评分矩阵,该矩阵非常稀疏。算法的任务是预测特定用户对特定项目的评分,填补矩阵中空白单元格,接着根据预测评分从高到低为特定用户进行top-N推荐

算法预测:算法认为某用户喜欢某项目,在很大程度上也会对和该项目较相似的项目产生兴趣。所以预测分两步进行:计算项目之间的相似性和根据相似性进行预测评分。
文章提供了三个相似性计算公式:
Cosine-based Similarity
$$ sim(i,j)= cos(vec{i},vec{j})= frac{vec{i}cdot vec{j}}{left | vec{i} ight |_{2}*left | vec{j} ight |_{2}} $$
Correlation-based Similarity
$$ sim(i,j)= frac{sum _{uin U}(R_{u,i}-ar{R}_{i})(R_{u,j}-ar{R}_{j})}{sqrt{sum _{uin U}(R_{u,i}-ar{R}_{i})^{2}}sqrt{sum _{uin U}(R_{u,j}-ar{R}_{j})^{2}}} $$
Adjusted Cosine Similarity
$$ sim(i,j)= frac{sum _{uin U}(R_{u,i}-ar{R}_{u})(R_{u,j}-ar{R}_{u})}{sqrt{sum _{uin U}(R_{u,i}-ar{R}_{u})^{2}}sqrt{sum _{uin U}(R_{u,j}-ar{R}_{u})^{2}}} $$
但是所有的相似性计算公式必须在共同评分项上进行,即同时评价过i和j的历史评分

算法选取和该项目最相似的前N个项目作为预测基础,预测公式如下:
$$ P_{u,i}=frac{sum _{all similar items,N}(S_{i,N}*R_{u,N})}{sum _{all similar items,N}(left | S_{i,N} ight |)} $$
算法最后一步,根据预测评分值从高到低进行推荐

实验度量
文章采用MAE进行误差度量,公式如下:
$$ MAE = frac{sum_{i=1}^{N}left | p_{i}-q_{i} ight |}{N} $$

Python 代码

# !usr/bin/python
# -*- coding=utf-8 -*-
import math
import operator
#加载数据
def loadData():
    # trainSet格式为: testSet格式一致
    # {
    #   userid:{
    #       itemid1: rating,
    #       itemid2: rating
    #   }
    # }
    # movieUser格式为:看过某一部电影的所有用户集合
    # {
    #   itemid: {
    #       userid1: rating,
    #       userid2: rating
    #   }
    # }
    # 
    # 
    # 
    trainSet = {}
    testSet = {}
    movieUser = {}

    TrainFile = "./dataset/u1.base"  # 指定训练集
    TestFile = "./dataset/u1.test"  # 指定测试集

    # 读取训练集
    f = open(TrainFile,"r")
    lines = f.readlines()
    for line in lines:
        arr = line.strip().split("	")
        userId = arr[0]
        itemId = arr[1]
        rating = arr[2]
        trainSet.setdefault(userId, {})
        trainSet[userId].setdefault(itemId, float(rating))
        movieUser.setdefault(itemId, {})
        movieUser[itemId].setdefault(userId, float(rating))

    # 读取测试集
    f1 = open(TestFile,"r")
    lines1 = f1.readlines()
    for line1 in lines1:
        arr1 = line1.strip().split("	")
        userId1 = arr1[0]
        itemId1 = arr1[1]
        rating1 = arr1[2]
        testSet.setdefault(userId1, {})
        testSet[userId1].setdefault(itemId1, float(rating1))

    arr = [trainSet,movieUser]
    return arr


# 生成电影电影共有用户矩阵
def i_j_users(i_id,j_id,movieUser):
    # ij_users格式为:
    # {
    #   (i_id,j_id):{userid1:None,userid2:None,....}
    # }
    if i_id in movieUser.keys():
        i_users = movieUser[i_id]
    else:
        i_users = {}
    if j_id in movieUser.keys():
        j_users = movieUser[j_id]
    else:
        j_users = {}
    
    inter = dict.fromkeys([x for x in i_users if x in j_users])
    i_j_users = {(i_id,j_id):inter}
    return i_j_users


#计算一个用户的平均分数
def getAverageRating(trainSet,userid):
    average = (sum(trainSet[userid].values()) * 1.0) / len(trainSet[userid].keys())
    return average

#计算项目相似度
def getItemSim(i_j_users,i_id,j_id,trainSet):
    # 分子 sumtop
    # 分母 sumbot1  sumbot2
    sumtop = 0
    sumbot1 = 0
    sumbot2 = 0
    ij_users = i_j_users[(i_id,j_id)]
    if not ij_users:
        ij_sim = -9999  # 疑问? 为0 或者为None
    else:
        for user in ij_users.keys():
            avr_user = getAverageRating(trainSet,user)
            # 求分子
            left = trainSet[user][i_id] - avr_user
            right = trainSet[user][j_id] - avr_user
            sumtop += left*right
            # 求分母
            sumbot1 += left*left
            sumbot2 += right*right      
    if sumbot1 == 0 or sumbot2 == 0:
        ij_sim = 1
    else:
        ij_sim = sumtop*1.0 / (math.sqrt(sumbot1)*math.sqrt(sumbot2))
    
    return ij_sim

# 计算项目i和其她所有项目的相似度并排序
# i_allitem_sim格式为:
# {
#     j_id1:s1,
#     j_id2:s2
# }
def i_allitem_sort(i_id,movieUser,trainSet,N):
    i_allitem = {}
    for j in movieUser.keys():
        if j != i_id:
            i_j_user = i_j_users(i_id,j,movieUser)
            s = getItemSim(i_j_user,i_id,j,trainSet)
            i_allitem.setdefault(j, s)

    i_allitem_sort1 = sorted(i_allitem.items(), key = operator.itemgetter(1), reverse = True)[0:N]
    i_allitem_sort_dict = {}
    for n in range(len(i_allitem_sort1)):
        j1 = i_allitem_sort1[n][0]
        s = i_allitem_sort1[n][1]
        i_allitem_sort_dict.setdefault(j1, s)
    return i_allitem_sort_dict

# 预测评分
def prediction(userid,itemid,moviUser,trainSet,N):
    # predict 格式为:
    # {
    #   (userid,itemid): pui
    # }
    predict = 0
    sumtop = 0
    sumbot = 0
    nsets = i_allitem_sort(itemid,movieUser,trainSet,N)
    for j in nsets.keys():
        # 防止用户对i的领域集合内的j没评分
        if j not in trainSet[userid].keys():
            ruj = 0
            mid = 0
        else:
            ruj = trainSet[userid][j]
            mid = abs(nsets[j])
        sumtop += nsets[j]*ruj
        sumbot += mid
    # 防止分母为0 
    if sumbot == 0:
        predict = 0
    else:
        predict = sumtop * 1.0 / sumbot
    return predict

def saveFile(moviUser,trainSet,N):
    # 读取用户
    string = ""
    # 正在读取
    f = open("../Collaborative Filtering/dataset/u1.test")
    fw = open("../Collaborative Filtering/predict","w")
    fl = f.readlines()
    for i in fl:
        arr = i.split("	")
        uid = str(arr[0].strip())
        item = str(arr[1].strip())
        rating = float(arr[2].strip())
        predictScore = prediction(str(uid),str(item),moviUser,trainSet,N)
        string = string + str(uid) + "	" + str(item) + "	" + str(rating) + "	" + str(predictScore) + "
"
    fw.write(string)
    f.close()
    fw.close()
    
# 计算预测分析准确度
def getMAE():
    f = open("../Collaborative Filtering/predict")
    fl = f.readlines()
    mae = 0.0
    s = 0
    counttest = 0# 测试集的个数
    for i in fl:
        arr = i.split("	")
        uid = str(arr[0].strip())
        item = str(arr[1].strip())
        rating = float(arr[2].strip())
        predictScore = float(arr[3].strip())
        if predictScore == 0:
            mid = 0
        else:
            mid = abs((predictScore-rating))
            counttest = counttest + 1
        s = s + mid 
    mae = s/counttest
    print(mae)        


if __name__ == "__main__":

    N = 30
    arr = loadData()
    trainSet = arr[0]
    movieUser = arr[1]
    saveFile(movieUser,trainSet,N)
    # getMAE()

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/42694.html

相关文章

  • 推荐系统02--协同过滤

    摘要:如果做推荐系统不知道基于物品的协同过滤,那等同于做程序员不懂得冒泡排序。基于物品的八卦基于物品的协同过滤算法诞生于年,是由亚马逊首先提出的,并在年由其发明者发表了相应的论文。 不管你有没有剁过手,你对看了这个商品的还看了这样的推荐形式一定不陌生。无论是猫还是狗,或者是其他电商网站,这样的推荐产品可以说是推荐系统的标配了。 类似的还有,如点评标记类网站的喜欢了这部电影的还喜欢了,社交媒...

    jaysun 评论0 收藏0
  • [译]使用Google Cloud计算引擎和机器学习算法实现产品推荐

    摘要:经过一段时间的说句搜集,当具备一定的数据量时,你就可以用通过机器学习算法来执行一些有用的分析并产生一些有价值的推荐了。 翻译自 Google Cloud Platform 原文标题:Using Machine Learning on Compute Engine to Make Product Recommendations 原文地址:https://cloud.google.com/...

    eternalshallow 评论0 收藏0
  • surprise库文档翻译

    摘要:默认值为返回值,一个对象,包含了原生用户原生项目真实评分预测评分可能对后面预测有用的一些其他的详细信息在给定的测试集上测试算法,即估计给定测试集中的所有评分。 这里的格式并没有做过多的处理,可参考于OneNote笔记链接 由于OneNote取消了单页分享,如果需要请留下邮箱,我会邮件发送pdf版本,后续再解决这个问题 推荐算法库surprise安装 pip install surp...

    JessYanCoding 评论0 收藏0

发表评论

0条评论

voyagelab

|高级讲师

TA的文章

阅读更多
最新活动
阅读需要支付1元查看
<