【知识发现】隐语义模型LFM算法python实现(一)

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/fjssharpsword/article/details/78015956

1、隐语义模型:

物品:表示为长度为k的向量q(每个分量都表示  物品具有某个特征的程度)
用户兴趣:表示为长度为k的向量p(每个分量都表示  用户对某个特征的喜好程度)


用户u对物品i的兴趣可以表示为:

其损失函数定义为:
  

使用随机梯度下降,获得参数p,q。
负样本生成:对于只有正反馈信息(用户收藏了,关注了xxx)的数据集,需要生成负样本,原则如下
1)生成的负样本要和正样本数量相当
2)物品越热门(用户没有收藏该物品),越有可能是负样本

 

2、数据集:https://grouplens.org/datasets/movielens/

格式:

 

3、参考代码:

 

# -*- coding: utf-8 -*-
'''
Created on 2017年9月15日

@author: Jason.F
'''

from math import exp
import pandas as pd
import numpy as np
import pickle
import time
from numpy import rank


def getUserNegativeItem(frame, userID):
    '''
    获取用户负反馈物品:热门但是用户没有进行过评分 与正反馈数量相等
    :param frame: ratings数据
    :param userID:用户ID
    :return: 负反馈物品
    '''
    userItemlist = list(set(frame[frame['userid'] == userID]['itemid']))                       #用户评分过的物品
    otherItemList = [item for item in set(frame['itemid'].values) if item not in userItemlist] #用户没有评分的物品
    itemCount = [len(frame[frame['itemid'] == item]['userid']) for item in otherItemList]      #物品热门程度
    series = pd.Series(itemCount, index=otherItemList)
    series = series.sort_values(ascending=False)[:len(userItemlist)]                            #获取正反馈物品数量的负反馈物品
    negativeItemList = list(series.index)
    return negativeItemList


def getUserPositiveItem(frame, userID):
    '''
    获取用户正反馈物品:用户评分过的物品
    :param frame: ratings数据
    :param userID: 用户ID
    :return: 正反馈物品
    '''
    series = frame[frame['userid'] == userID]['itemid']
    positiveItemList = list(series.values)
    return positiveItemList


def initUserItem(frame, userID=1):
    '''
    初始化用户正负反馈物品,正反馈标签为1,负反馈为0
    :param frame: ratings数据
    :param userID: 用户ID
    :return: 正负反馈物品字典
    '''
    positiveItem = getUserPositiveItem(frame, userID)
    negativeItem = getUserNegativeItem(frame, userID)
    itemDict = {}
    for item in positiveItem: itemDict[item] = 1
    for item in negativeItem: itemDict[item] = 0
    return itemDict

def initUserItemPool(frame,userID):
    '''
    初始化目标用户样本
    :param userID:目标用户
    :return:
    '''
    userItem = []
    for id in userID:
        itemDict = initUserItem(frame, userID=id)
        userItem.append({id:itemDict})
    return userItem

def initPara(userID, itemID, classCount):
    '''
    初始化参数q,p矩阵, 随机
    :param userCount:用户ID
    :param itemCount:物品ID
    :param classCount: 隐类数量
    :return: 参数p,q
    '''
    arrayp = np.random.rand(len(userID), classCount) #构造p矩阵,[0,1]内随机值
    arrayq = np.random.rand(classCount, len(itemID)) #构造q矩阵,[0,1]内随机值
    p = pd.DataFrame(arrayp, columns=range(0,classCount), index=userID)
    q = pd.DataFrame(arrayq, columns=itemID, index=range(0,classCount))
    
    return p,q

def initModel(frame, classCount):
    '''
    初始化模型:参数p,q,样本数据
    :param frame: 源数据
    :param classCount: 隐类数量
    :return:
    '''
    userID = list(set(frame['userid'].values))
    itemID = list(set(frame['itemid'].values))
    p, q = initPara(userID, itemID, classCount)#初始化p、q矩阵
    userItem = initUserItemPool(frame,userID)#建立用户-物品对应关系
    return p, q, userItem

def latenFactorModel(frame, classCount, iterCount, alpha, lamda):
    '''
    隐语义模型计算参数p,q
    :param frame: 源数据
    :param classCount: 隐类数量
    :param iterCount: 迭代次数
    :param alpha: 步长
    :param lamda: 正则化参数
    :return: 参数p,q
    '''
    p, q, userItem = initModel(frame, classCount)
    for step in range(0, iterCount):
        for user in userItem:
            for userID, samples in user.items():
                for itemID, rui in samples.items():
                    eui = rui - lfmPredict(p, q, userID, itemID)
                    for f in range(0, classCount):
                        print('step %d user %d class %d' % (step, userID, f))
                        p[f][userID] += alpha * (eui * q[itemID][f] - lamda * p[f][userID])
                        q[itemID][f] += alpha * (eui * p[f][userID] - lamda * q[itemID][f])
        alpha *= 0.9
    return p, q

def sigmod(x):
    '''
    单位阶跃函数,将兴趣度限定在[0,1]范围内
    :param x: 兴趣度
    :return: 兴趣度
    '''
    y = 1.0/(1+exp(-x))
    return y


def lfmPredict(p, q, userID, itemID):
    '''
    利用参数p,q预测目标用户对目标物品的兴趣度
    :param p: 用户兴趣和隐类的关系
    :param q: 隐类和物品的关系
    :param userID: 目标用户
    :param itemID: 目标物品
    :return: 预测兴趣度
    '''
    p = np.mat(p.ix[userID].values)
    q = np.mat(q[itemID].values).T
    r = (p * q).sum()
    r = sigmod(r)
    return r

def recommend(frame, userID, p, q, TopN=10):
    '''
    推荐TopN个物品给目标用户
    :param frame: 源数据
    :param userID: 目标用户
    :param p: 用户兴趣和隐类的关系
    :param q: 隐类和物品的关系
    :param TopN: 推荐数量
    :return: 推荐物品
    '''
    userItemlist = list(set(frame[frame['userid'] == userID]['itemid']))
    otherItemList = [item for item in set(frame['itemid'].values) if item not in userItemlist]
    predictList = [lfmPredict(p, q, userID, itemID) for itemID in otherItemList]
    series = pd.Series(predictList, index=otherItemList)
    series = series.sort_values(ascending=False)[:TopN]
    return series

def Recall(df_test,p,q):#召回率
    hit=0
    all=0
    df_userid=df_test['userid']
    df_userid=df_userid.drop_duplicates()
    for userid in df_userid:
        pre_item=recommend(df_test, userid, p, q)
        df_user_item=df_test.loc[df_test['userid'] == userid]
        true_item=df_user_item['itemid']
        for itemid,prob in pre_item.items():
            if itemid in true_item:
                hit+=1
        all+=len(true_item)
    return hit/(all*1.0)

def Precision(df_test,p,q):
    hit=0
    all=0
    df_userid=df_test['userid']
    df_userid=df_userid.drop_duplicates()
    for userid in df_userid:
        pre_item=recommend(df_test, userid, p, q)
        df_user_item=df_test.loc[df_test['userid'] == userid]
        true_item=df_user_item['itemid']
        for itemid,prob in pre_item.items():
            if itemid in true_item:
                hit+=1
        all+=len(pre_item)
    return hit/(all*1.0)
          
if __name__ == '__main__':    
    start = time.clock()  
    
    #导入数据
    df_sample = pd.read_csv("D:\\tmp\\ratings.csv",names=['userid','itemid','ratings','time'],header=0)  
    #模型训练
    p, q = latenFactorModel(df_sample,5, 3, 0.02, 0.01 )
    #模型评估
    df_test=df_sample.sample(frac=0.2)#抽20%来测试
    print (Recall(df_test,p,q))#召回率
    print (Precision(df_test,p,q))#准确率
    print (Coverage(df_test,p,q))#覆盖率

    end = time.clock()    
    print('finish all in %s' % str(end - start)) 


实际推荐应用中,应结合特征工程开展。

 

 

补充覆盖率评价指标的函数:

 

def Coverage(df_test,p,q):#覆盖率
    
    df_itemid=df_test['itemid']
    df_itemid=df_itemid.drop_duplicates()
    rec_items=set()#推荐的物品总数
    df_userid=df_test['userid']
    df_userid=df_userid.drop_duplicates()
    for userid in df_userid:
        pre_item=recommend(df_test, userid, p, q)
        for itemid,prob in pre_item.items():
            rec_items.add(itemid)
    return len(rec_items)/(len(df_itemid)*1.0)

 

 

 

 

 

展开阅读全文

没有更多推荐了,返回首页