Introduction to Recommender System 之 Module 6 Item-Item Collaborative Filtering

最新推荐文章于 2020-11-25 14:36:42 发布

imak47

最新推荐文章于 2020-11-25 14:36:42 发布

阅读量454

点赞数

分类专栏：推荐系统文章标签： IBCF

本文链接：https://blog.csdn.net/imak47/article/details/50244195

版权

推荐系统专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文深入探讨了Item-Based协同过滤（IBCF）推荐算法，对比User-Based CF，详细讲解了IBCF的方法步骤、细节调整等内容，并介绍了如何将其推广至Unary Data，最后讨论了IBCF的混合与扩展方式。

摘要由CSDN通过智能技术生成

Item-Based Collaberative Filtering其实与User-based CF是思路基本上是一致的。问题描述与[2]中的一样，只不过此时进行相似度测量的主题变成了Item。
这一讲，主要涉及到了如下的几个方面：
与UBCF的比较
方法步骤
细节调整
推广至Unary Data
混合与扩展

与UBCF的比较

在UBCF中，由于评分矩阵非常稀疏，有可能造成相似用户数量非常少，导致无法进行推荐；另外，当user的数量非常多时，计算量是非常大的。而且用户的profile变化的相对较快，这对计算的实时性要求较高。
而IBCF，利用的是Item的profile几乎是不会改变的，因此，相似的Item之间的相似度也不会改变的很快，至少与用户的profile相比，Item的改变要慢了许多。说到底，IBCF利用的是Item之间的相似性相对来说比较稳定。

方法步骤

1 计算相似性

在此步骤之前有可能还有一步normalization，主要就是减去均值bias，有可能再除以一个自己的方差sigma

2 进行预测

只不过在这里，item是用user来进行建模的，这种模型比之前的模型包含的element要多一些。
与user-based相比，这种方式具有稳定性，可以预先计算item之间的相似性（相当于减少了计算量）
但是依然受困于sparsity的问题，还有其他的两个问题：
1 随着时间的变化，Item相似性的稳定性也在改变；
2 推荐的serendipity比较低（这个好多算法都存在这种问题）。

细节调整

normalization

实验结果表明，采用item-mean的方式进行normalization，最终的结果预测比较好。具体公式如下：

r ˆ u, i = r u, i - r ˆ - μ ˆ i

$\widehat r_{u,i} = r_{u,i} - \widehat r-\widehat {\mu}_i$

r ˆ = \sum u , i r u , i | \sum u , i r u , i |

$\widehat r = \frac {\sum_{u,i}{r_{u,i}}} {|\sum_{u,i}{r_{u,i}}|}$

μ ˆ i = \sum u ( r u , i - r ˆ ) | \sum u r u , i |

$\widehat \mu_i = \frac {\sum_{u}{(r_{u,i} - \widehat r)}} {|\sum_{u}{r_{u,i}}|}$
其中，

|∑u,iru,i| $|\sum_{u,i}{r_{u,i}}|$ 表示所有用户所有评分的数量，

|∑uru,i| $|\sum_{u}{r_{u,i}}|$ 表示物品

i $i$ 得到的评分数量。

similarity function

相似性计算可以采用cosine或者pearson correlation。计算之前也需要注意normalization。这里注意，计算cosine similarity的时候也可以使用两个Item共有的评分项进行。如下式所示：

s i m (i, j) = \sum u r ˆ u , i r ˆ u , j \sum u r ˆ 2 u , i - - - - - - \sqrt \sum u r ˆ 2 u , j - - - - - - \sqrt

$sim(i,j) = \frac {\sum_u \widehat r_{u,i} \widehat r_{u,j}} {\sqrt{\sum_u \widehat r_{u,i}^2} \sqrt{\sum_u \widehat r_{u,j}^2}}$
其中，

u∈U(i)∩U(j) $u \in U(i) \cap U(j)$ ，

U(i) $U(i)$ 为对物品

i $i$ 评分的用户的集合。

u $u$ 即为对物品

i $i$ ，

j $j$ 均评分的用户集合中的元素。

neighbourhood size

进行预测时，由经验可知，选取的neighbour的数量为20时，获得的效果比较好[1]。

model size

计算similarity的模型大小M（主要是考虑内存、准确性和覆盖率），一般情况下远大于k。
具体在解释一下，就是在计算Item相似性的时候，我们需要计算的数量远大于k，这样才能选出k个最好的最为预测时使用的Item。M就是这个数量。

damped similarity

貌似对结果没什么大的影响。主要的做法如下式：

p u, i = \sum j r ˆ u , j * s i m ( i , j ) + k * μ \sum j s i m ( i , j ) + k + μ ˆ i + r ˆ

$p_{u,i} = \frac {\sum_j \widehat r_{u,j}*sim(i,j) + k*\mu} {\sum_j sim(i,j) + k} + \widehat \mu_i + \widehat r$
式中，

k $k$ 与

μ $\mu$ 的作用就是在预测的结果中添加阻尼。

推广到unary data

unary data一般指implicit feedback，比如说purchase、click、play等等。
Unary Data与普通评分的主要区别如下：
1 原始的rate变成了现在的是否有**implicit feedback或者说是**feedback的数量有多少。但是这里引入了一个normalization的问题，因为直接的减去item的bias得到的数据根本没有意义。这里采取了如下的方法：
normalize user vector to unit vector
通过这样做，为了突出对很多item都感兴趣的user的一次implicit feedback作用没有对item感兴趣少的user的一次implicit feedback的作用大）
2 相似性计算
直接使用cosine即可，也可以使用conditional probability，此时要注意popular item的影响，具体的说明见[3]中的Product Association）
3 预测score
直接对beighbour的相似性进行求和即可，因为此时已经没有rate了，或者说，现在的rate都已经变成1了。