1. 数据集
本博客用Movielens-1m数据集的ratings.dat作为推荐数据来训练MF推荐模型。第一列是用户id(user_id)、第二列是物品id(item_id)、第三列是用户对物品的评分(score)、第四列是时间戳(timestamp)。
在Movielens-1m数据集中，注意ratings.dat是用::作为分隔符的。。
2. 代码
import numpy as np from tqdm import tqdm def loadData(dataset_path, split="::"): ''' 加载数据 :param dataset_path: 数据文件地址 :return: 以用户id排序为主，同时按用户评分时间序列化的数据列表 ''' data_item_list = [] # 一条数据项(data_item)内所包含的信息按顺序展示为: # userId::movieId::rating::timestamp (ml-1m) for data_item in open(dataset_path): # data_item_list存储的是元组类型的数据项：[(6040, 858, 4, 956703932), (1, 593, 3, 1112484661), ...] temp_tuple = list(data_item.strip().split(split)[:4]) # 分隔符，ml-1m上是"::"，ml-20m上是"," temp_tuple[0] = int(temp_tuple[0]) # 用户ID temp_tuple[1] = int(temp_tuple[1]) # 物品ID temp_tuple[2] = int(temp_tuple[2]) # 物品评分，ml-1m上评分是int，ml-20m上评分是float temp_tuple[3] = int(temp_tuple[3]) # 时间戳 data_item_list.append(tuple(temp_tuple)) # 根据该数据项产生的时间(timestamp:tup[3])和该数据项的用户id(userId:tup[0])对data_item_list进行排序 data_item_list = sorted(data_item_list, key=lambda tup: tup[3]) data_item_list = sorted(data_item_list, key=lambda tup: tup[0]) return data_item_list # 所返回的data_item_list是以用户id排序为主，同时按用户评分时间序列化的 def getUIMat(data): # 构造U-I评分矩阵 user_list = [i[0] for i in data] item_list = [i[1] for i in data] UI_matrix = np.zeros((max(user_list) + 1, max(item_list) + 1)) # 遍历历史数据，令uimat[u][i] = r for each_interaction in tqdm(data, total=len(data)): UI_matrix[each_interaction[0]][each_interaction[1]] = each_interaction[2] return UI_matrix class MF(): def __init__(self, R, K, alpha, beta, iterations): """ 执行矩阵分解，预测矩阵中的0项。 参数 - R (ndarray) : user-item 评分矩阵 - K (int) : 隐特征维度 - alpha (float) : 学习率 - beta (float) : 正则化参数 """ self.R = R self.num_users, self.num_items = R.shape self.K = K self.alpha = alpha self.beta = beta self.iterations = iterations def train(self): # 初始化用户和项目隐特征矩阵 self.P = np.random.normal(scale=1./self.K, size=(self.num_users, self.K)) self.Q = np.random.normal(scale=1./self.K, size=(self.num_items, self.K)) # 初始化 biases self.b_u = np.zeros(self.num_users) self.b_i = np.zeros(self.num_items) self.b = np.mean(self.R[np.where(self.R != 0)]) # 构建训练样本 self.samples = [ (i, j, self.R[i, j]) for i in range(self.num_users) for j in range(self.num_items) if self.R[i, j] > 0 ] # 迭代进行随机梯度下降 training_process = [] for i in tqdm(range(self.iterations), total=self.iterations): np.random.shuffle(self.samples) self.sgd() mse = self.mse() training_process.append((i, mse)) # 每完成10%的训练迭代，就输出一次损失 if (i == 0) or ((i+1) % (self.iterations / 10) == 0): print("Iteration: %d ; error = %.4f" % (i+1, mse)) return training_process def mse(self): """ 均方误差损失 """ xs, ys = self.R.nonzero() predicted = self.full_matrix() error = 0 for x, y in zip(xs, ys): error += pow(self.R[x, y] - predicted[x, y], 2) return np.sqrt(error) def sgd(self): """ 随机梯度下降 """ for i, j, r in self.samples: # 计算预测值和error prediction = self.get_rating(i, j) e = (r - prediction) # 更新 biases self.b_u[i] += self.alpha * (e - self.beta * self.b_u[i]) self.b_i[j] += self.alpha * (e - self.beta * self.b_i[j]) # 更新 user 和 item 隐特征矩阵 self.P[i, :] += self.alpha * (e * self.Q[j, :] - self.beta * self.P[i,:]) self.Q[j, :] += self.alpha * (e * self.P[i, :] - self.beta * self.Q[j,:]) def get_rating(self, i, j): """ 获取预测评分 r_ij，其中i是用户id，j是项目id """ prediction = self.b + self.b_u[i] + self.b_i[j] + self.P[i, :].dot(self.Q[j, :].T) return prediction def full_matrix(self): """ 获取完整的预测矩阵 """ return self.b + self.b_u[:,np.newaxis] + self.b_i[np.newaxis:,] + self.P.dot(self.Q.T) if __name__ == "__main__": obs_dataset = loadData('./ratings.dat') # 读取数据 ratings.dat R = getUIMat(obs_dataset) # 获取交互矩阵 # alpha是学习率，不宜过大；beta是正则化系数，不宜过小 mf = MF(R, K=2, alpha=0.1, beta=0.3, iterations=100) mf.train() # ------ 进行推荐 ------ # # 给用户1推荐top10 each_user = 1 user_ratings = mf.full_matrix()[each_user].tolist() topN = [(i, user_ratings.index(i)) for i in user_ratings] # 关联项目id及其评分 topN = [i[1] for i in sorted(topN, key=lambda x:x[0], reverse=True)][:10] print("------ user ------") print(each_user) print("------ temp_topN ------") print(topN) # 给所有用户推荐Top10 # user_list = [i[0] for i in obs_dataset] # for each_user in tqdm(list(set(user_list)), total=len(list(set(user_list)))): # user_ratings = mf.full_matrix()[each_user].tolist() # topN = [(i, user_ratings.index(i)) for i in user_ratings] # 关联项目id及其评分 # # 对TopN列表排序，取出index，即项目id # topN = [i[1] for i in sorted(topN, key=lambda x:x[0], reverse=True)][:10] # print("------ each_user ------") # print(each_user) # print("------ temp_topN ------") # print(temp_topN)
对用户1(user_id=1)产生一次推荐的输出结果（示例）：
Iteration: 1 ; error = 19.0769 10%|■■■■■■■■ | 1/10 [00:13<02:04, 13.79s/it] Iteration: 2 ; error = 11.2177 20%|■■■■■■■■■■■■■■■■ | 2/10 [00:27<01:51, 13.90s/it] Iteration: 3 ; error = 7.8996 30%|■■■■■■■■■■■■■■■■■■■■■■■■ | 3/10 [00:41<01:37, 13.89s/it] Iteration: 4 ; error = 6.0109 40%|■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ | 4/10 [00:55<01:23, 13.91s/it] Iteration: 5 ; error = 4.7724 50%|■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ | 5/10 [01:09<01:09, 13.90s/it] Iteration: 6 ; error = 3.9248 60%|■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ | 6/10 [01:23<00:55, 13.94s/it] Iteration: 7 ; error = 3.2809 70%|■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ | 7/10 [01:37<00:41, 13.99s/it] Iteration: 8 ; error = 2.7991 80%|■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ | 8/10 [01:51<00:27, 13.97s/it] Iteration: 9 ; error = 2.4106 90%|■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ | 9/10 [02:05<00:13, 13.90s/it] Iteration: 10 ; error = 2.0992 ------ user ------ 1 ------ temp_topN ------ [579, 1618, 2131, 576, 309, 892, 513, 1563, 106, 346]
