《推荐系统实践》 程序实现 ——2.5 隐语义模型

2.5.1 基础算法

P67 负样本采样过程

程序实现

##正样本：用户喜欢的物品； 
##负样本：用户不感兴趣的物品。
import random

items = {'a':1,'b':1,'c':1}  # 用户已经有过行为的物品的集合，即用户喜欢的物品列表，即正样本

ret = dict()  # 用来存储正样本和负样本，即用户喜欢的和不感兴趣的物品都将存储在这里

for i in items.keys(): 
	ret.update({i:1})  # 将用户已经有过行为的物品，添加到ret字典中，并标注成正样本

items_pool = ['a','b','c','d','e','f','g','h','i']
n = 0  # 计数，计算已经找到的负样本的数目
for i in range(0,len(items)*3):  # 当然，也有可能循环len(items)*3次后，找到的负样本还是不如正样本多，但这毕竟是小概率事件
	item = items_pool[random.randint(1,len(items_pool) - 1)]  # items_pool 是候选物品的列表，包括正样本和负样本。（注意！但不是所有物品，因为除了正样本后，不止有负样本，还有热门物品中，用户不感兴趣的物品）。 换言之，items_pool[]中不包括热门物品中，用户不感兴趣的物品
	if item in ret.keys():
		continue
	
	ret.update({item:0})
	n += 1
	if n >= len(items):
		break

for item,ret in ret.items():
	print(item,'correspond to ',ret)

执行结果

a correspond to  1
b correspond to  1
c correspond to  1
f correspond to  0
i correspond to  0
d correspond to  0

该算法中涉及到的梯度下降法的学习：梯度下降法