基于内容的推荐 java实现

• 这是本人在cousera上学习机器学习的笔记，不能保证其正确性，慎重參考
• 看完这一课后Content Based Recommendations 后自己用java实现了一下

1、下图是待处理的数据，代码使用数据和下图一样：

2、思路：对每一个用户假定其为一个3维向量（在代码中初始化为[1,1,1]的转置，然后採用梯度下降法不断的对这个3维向量的值进行更新）。如果更新到最后的向量值为[0，5，0]的转置，然后使用该向量和电影“Cute puppoes of love”的特征向量进行计算，就可以得到该电影的预測分为4.95。

3、使用梯度下降法对某个用户的向量进行更新（我在代码中没有考虑正则化这一问题，如今还不懂正则化。后面学会了就附上加了正则化的）：

下图为没有使用正则化的函数：

4、以下仅针对用户carol进行了代码实现

public class ContentBase {
    private static int[][] rate_set = { { 5, 5, 0, 0 }, { 5, -1, -1, 0 },
            { -1, 4, 0, -1 }, { 0, 0, 5, 4 }, { 0, 0, 5, -1 } };
    private static double[][] m_feature = { { 0.9, 0 }, { 1.0, 0.01 },
            { 0.99, 0 }, { 0.1, 1.0 }, { 0, 0.9 } };
    //仅针对用户carol进行了代码实现
    public static void main(String[] args) {
        double t = 0.1;
        double[] para = { 1.0, 1.0, 1.0 };
        double[] partial = new double[3];
        double min = 0.0;

        int i = 0, j, u,times=0;
        double temp,temp2;
        //100为用户2的向量学习次数
        while(times++<100){
            min=0.0;
            i=0;
            //该while循环计算代价函数
            while (i < 5) {
                temp = 0.0;
                if (rate_set[i][2] != -1) {
                    for (u = 0; u < 3; u++) {
                        if (u == 0)
                            temp += para[u];
                        else
                            temp += para[u] * m_feature[i][u - 1];
                    }
                    min += (temp - rate_set[i][2]) * (temp - rate_set[i][2]);
                }
                i++;
            }
            System.out.print("当用户 carol的向量值为[");
            for(j=0;j<3;j++)
                if(j!=2)
                    System.out.print(para[j]+",");
                else
                    System.out.println(para[j]+"]时，min="+min);
            System.out.println();

            for (j = 0; j < 3; j++) {
                i = 0;
                partial[j] = 0;
                while (i < 5) {
                    temp = 0.0;temp2=0.0;
                    if (rate_set[i][2] != -1) {
                        for (u = 0; u < 3; u++) {
                            if (u == 0)
                                temp += para[u];
                            else
                                temp += para[u] * m_feature[i][u - 1];
                        }
                        temp2 += temp - rate_set[i][2];
                        if (j != 0)
                            temp2 *= m_feature[i][j - 1];
                        partial[j]+=temp2;
                    }
                    i++;
                }
            }
            //依据求得的偏导数 partial来更新某用户的參数值
            for (j = 0; j < 3; j++) {
                para[j] = para[j] - t * partial[j];

            }
        }
    }
}

4、执行结果：

注：部分图片来源为 机器学习-吴恩达 中的视频截图