python实现lfm_【知识发现】隐语义模型LFM算法python实现(二)

http://blog.csdn.net/fjssharpsword/article/details/78015956

基于该篇文章中的代码优化，主要是在生成负样例上提高执行速度，代码参考如下：

# -*- coding: utf-8 -*-

'''

Created on 2017年10月16日

@author: Administrator

'''

import numpy as np

import pandas as pd

from math import exp

import time

import math

class LFM:

def __init__(self,lclass,iters,alpha,lamda,topk,ratio,traindata):

self.lclass = lclass#隐类数量，对性能有影响

self.iters = iters#迭代次数，收敛的最佳迭代次数未知

self.alpha =alpha#梯度下降步长

self.lamda = lamda#正则化参数

self.topk =topk #推荐top k项

self.ratio =ratio #正负样例比率，对性能最大影响

self.traindata=traindata

#初始化开始.....

def getUserPositiveItem(self, userid):#生成正样例

traindata=self.traindata

series = traindata[traindata['userid'] == userid]['itemid']

positiveItemList = list(series.values)

return positiveItemList

def getUserNegativeItem(self, userid):#生成负样例

traindata=self.traindata

itemLen=self.itemLen

ratio=self.ratio

userItemlist = list(set(traindata[traindata['userid'] == userid]['itemid'])) #用户评分过的物品

negativeItemList = []

count = ratio*len(userItemlist)#生成负样例的数量

for key,value in itemLen.iteritems():#itemLen.index

if count==0:

break

if key in userItemlist:

continue<