Memory-Based One-Class Collaborative Filtering

1、介绍

1.1 隐式反馈推荐

我们可以用矩阵的形式表示用户的隐式反馈

如果我们可以估计矩阵中缺失的值(用“?”表示)，或者直接对条目进行排序，我们就可以为每个用户做出推荐。

1.2 符号表示

2、相似度测量

2.1 Jaccard 系数

Jaccard index , 又称为Jaccard相似系数（Jaccard similarity coefficient）用于比较有限样本集之间的相似性与差异性。Jaccard系数值越大，样本相似度越高。

• 项目 $k$ 和项目 $j$ 之间的相似度计算公式：

$$S_{kj}=\frac{{\mathcal{U}}_k\cap {\mathcal{U}}_j}{{\mathcal{U}}_k\cup {\mathcal{U}}_j}=\frac{同时喜欢k和j的用户数}{至少喜欢一个的用户数}$$

• $S_{kj}$ 的默认值为 0 。

2.2 余弦相似度

• 项目 $k$ 和项目 $j$ 之间的余弦相似度计算公式：

$$S_{kj}=\frac{{\mathcal{U}}_k\cap {\mathcal{U}}_j}{\sqrt{{\mathcal{U}}_k}\sqrt{{\mathcal{U}}_j}}$$

• $S_{kj}$ 的默认值为 0 。

2.4 余弦相似度(加入惩罚机制)

• 项目 $k$ 和项目 $j$ 之间的余弦相似度计算公式：

$$S_{kj}=\frac{{\mathcal{U}}_k\cap {\mathcal{U}}_j}{{\sqrt{{\mathcal{U}}_k}}^{\alpha }{\sqrt{{\mathcal{U}}_j}}^{1-\alpha }}$$

其中 $0.5\le \alpha \le 1$

• 备注
  • 当 $0.5=\alpha$ 时，这就是普通的余弦相似度计算公式；
  • 当 $\alpha >0.5$ 时，就相当于给受欢迎项目 $k$ 一个惩罚权重；
  • 当 $\alpha =1$ 时，它降低了关联规则挖掘的置信度；

2.5 余弦相似度(逆用户频率)

• 项目 $k$ 和项目 $j$ 之间的余弦相似度计算公式：
  $$S_{kj}=\frac{{\sum }_{w\in {\mathcal{U}}_k\cap {\mathcal{U}}_j}^{}\frac{1}{{\log }_{}(1+|{\mathcal{I}}_w|)}}{{\sqrt{{\mathcal{U}}_k}}^{\alpha }{\sqrt{{\mathcal{U}}_j}}^{1-\alpha }}$$

  解释：普通余弦相似度计算公式中分子部分一个用户算1分，现在引入用户的喜欢项目数作为计算，越多分子的值越小，一直小于1。

• 备注：这是一个在检索领域非常出名的技巧。

2.6 关联规则挖掘的置信度

• 一个喜欢项目 $k$ 的用户也会喜欢项目 $j$ 的置信度计算公式：

$$S_{kj}=\frac{|{\mathcal{U}}_k\cap {\mathcal{U}}_j|}{|{\mathcal{U}}_k|}=\frac{同时喜欢k和j的用户数}{喜欢k的用户数}$$

• 备注
  • 关联规则挖掘可以看作是基于条目的OCCF的一种特殊情况；
  • 也支持定义为 $S_{kj}=\frac{|{\mathcal{U}}_k\cap {\mathcal{U}}_j|}{|\mathcal{U}|}$;

2.7 标准化

• 当我们有一个相似度评分矩阵 ${\left[s_{kj}\right]}_{m\times m},k,j=1,\dots ,m$ 时，我们可以将相似性标准化如下：

$${\bar{s}}_{kj}=\frac{s_{kj}}{{\max }_{j^{\prime },j^{\prime }\ne k}{s}_{k{j}^{\prime }}}$$

• 备注
  • 这并不是一个整体标准化，例如 $\frac{s_{kj}}{{\max }_{k^{\prime },j^{\prime }}{s}_{k^{\prime }{j}^{\prime }}}$ 。因为当 $j=k$ 时代表项目与本身的相似度，这个计算出来没有意义

3、计算方法

3.1 邻居选择

• 相似度计算选择与项目 $j$ 最临近的 $k$ 个项目 ${\mathcal{N}}_j$。

3.2 基于项目的OCCF

• 预测规则

$${\hat{r}}_{uj}=\sum _{k\in {\mathcal{I}}_u\cap {\mathcal{N}}_j}{s}_{kj}$$

其中 $s_{kj}$ 就是项目 $i$ 和项目 $j$ 的相似度或者关联规则挖掘的置信度。

• 注意到有时会 $\left|{\mathcal{I}}_u\cap {\mathcal{N}}_j\right|<K$ ，但是在OCCF中通常是被允许的。

3.3 基于用户的OCCF

• 预测规则

$${\hat{r}}_{uj}=\sum _{w\in {\mathcal{U}}_j\cap {\mathcal{N}}_u}{s}_{wu}$$

其中 $s_{wu}$ 就是用户 $w$ 和用户 $u$ 的相似度或者关联规则挖掘的置信度。${\mathcal{U}}_j\cap {\mathcal{N}}_u$ 表示既是喜欢项目 $j$ 的用户，也是 $u$ 的邻居。

• 注意到有时会 $\left|{\mathcal{U}}_j\cap {\mathcal{N}}_u\right|<K$ ，但是在OCCF中通常是被允许的。

4、实验

4.1 数据集

• 我们分别使用MovieLens100K 的u1.base和u1.test作为训练集和测试集
• 用户数量：n=943；项目数量：m=1682;
• u1.base中共有80000条评分记录，密度为5.04%(80000/943/1682)
• u1.test中共有20000条评分记录
• 只保留评分为4/5的的数据项，其他移除。最后我们得到u1.base.OCCF 和 u1.test.OCCF

4.2 实施细节

• 如果我们使用基于项目的方法，隐式反馈如何存储?
  • 计算两个项目之间的相似度 $S_{kj}：{\mathcal{U}}_k,{\mathcal{U}}_j$
  • 预测评分 ${\hat{r}}_{uj}:{\mathcal{I}}_u,{\mathcal{N}}_j$
• 如果我们使用基于用户的方法，隐式反馈如何存储?
  • 计算两个用户之间的相似度 $S_{wu}：{\mathcal{I}}_w,{\mathcal{I}}_u$
  • 预测评分 ${\hat{r}}_{uj}:{\mathcal{U}}_j,{\mathcal{N}}_u$

4.3 评价方法

• Pre@5

用户 $u$ 的预测精确度计算公式定义如下：
$${\mathrm{Pre}}_u@k=\frac{1}{k}\sum _{\ell =1}^k\delta \left(i(\ell )\in {\mathcal{I}}_u^{\mathrm{te}}\right)=\frac{命中个数}{预测序列总个数}=命中率$$
其中，当 $x$ 为真时，$\delta \left(x\right)=1$ ,当 $x$ 为假时，$\delta \left(x\right)=0$ ；

${\sum }_{\ell =1}^k\delta \left(i(\ell )\in {\mathcal{I}}_u^{te}\right)=\left|{\mathcal{I}}_u^{re}\cap {\mathcal{I}}_u^{te}\right|$ 表示既属于 ${\mathcal{I}}_u^{re}$ 又属于 ${\mathcal{I}}_u^{te}$ 的项目数，$k$ 是预测序列的个数 $|{\mathcal{I}}_u^{re}|$。

所以总精确度可以这样计算：
$$\text{ Pre@k }=\sum _{u\in {\mathcal{U}}^{\text{te }}}{\mathrm{Pre}}_u@k/\left|{\mathcal{U}}^{\text{te }}\right|$$
注：实际就是每个用户的精确度求和再除以用户数。

• Rec@5

用户 $u$ 的召回率定义如下：
$${\mathrm{Rec}}_u@k=\frac{1}{|{\mathcal{I}}_u^{\mathrm{te}}|}\sum _{\ell =1}^k\delta \left(i(\ell )\in {\mathcal{I}}_u^{\mathrm{te}}\right)=\frac{命中个数}{测试集项目数}=召回率$$
这表示有多少在 ${\mathcal{I}}_u^{\mathrm{te}}$ 中的项目也在 ${\mathcal{I}}_u^{\mathrm{re}}$ 中。

因此，总的召回率计算公式如下：
$$\text{ Rec@k }=\sum _{u\in {\mathcal{U}}^{\text{te }}}{\mathrm{Rec}}_u@k/\left|{\mathcal{U}}^{\text{te }}\right|$$

4.4 结果

PopRank和基于记忆的OCCF的预测性能 (Jaccard 指标, K = 50)上的MovieLens100K (u1.base;OCCF u1.test.OCCF)。

观察到，混合方法性能较好，符合预期。

4.5 结论

• 三个主要部分
  • 相似度计算方法以及相关技术
  • 邻居选择
  • 预测规则