文档章节

基于协同过滤,NMF和Baseline的推荐算法

初雪之音
 初雪之音
发布于 2015/10/07 00:46
字数 3079
阅读 5231
收藏 15

杂谈

        老早就想整理一篇推荐算法的入门博文,今天抽空写一下。本文以电影推荐系统为例,简单地介绍基于协同过滤,PMF概率矩阵分解,NMF非负矩阵分解和Baseline的推荐系统算法。NMF的实现具体可以参考Reference中的「基于矩阵分解的推荐算法,简单入门」一文,对我启发很大。

基于协同过滤的推荐算法

        什么是协同过滤?协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF),首先想一个简单的问题,如果你现在想看个电影,但你不知道具体看哪部,你会怎么做?大部分的人会问问周围的朋友,看看最近有什么好看的电影推荐,而我们一般更倾向于从口味比较类似的朋友那里得到推荐;或者,搜索与你喜欢的电影同类型的电影推荐。

User-based的推荐算法

         如上图,我们收集到用户-电影评价矩阵,假设用户A对于物品D的评价为null,这时我们对比用户A、用户B、用户C的特征向量(以物品评价为特征),可以发现用户A与用户C的相似度较大,这时我们可以认为,对于用户C喜欢的物品D,用户A也应该喜欢它,这是就把物品D推荐给用户A。

Item-based的推荐算法

        同理,我们对比物品A、物品B、物品C的特征向量(以用户对该物品的喜欢程度为特征),发现物品A与物品C很像,就把用品C推荐给喜欢物品A的用户C。

SVD和PMF概率矩阵分解 

        在实际业务场景中,user-Item矩阵有可能非常稀疏,存储率有可能连1%都达不到。怎么办呢?通常使用矩阵分解算法来提取出更有用的信息。SVD在矩阵分解方面可以参考基于SVD实现PCA的图像识别 一文,把它分解成用户矩阵(左奇异特征向量矩阵)和物品矩阵(右奇异特征向量矩阵)分别代表各自的特性。

        但是SVD算法的时间复杂度很大,不适合用来解决这种比数据量较大的问题,这时就有PMF概率矩阵分解。把用户-电影 评分看成一个矩阵,rui表示u对电影i的评分,于是电影评分矩阵可以这样来估计:

        其中P和Q就相当于SVD中的前k 个特征向量构成的矩阵,分别描述user-based和item-based。在PMF中使用SGD(随机梯度下降)进行优化时,使用如下的迭代公式:

        我们把证明放到下一章节 NMF非负矩阵分解,NMF其实就是在PMF的基础上加入一点约束,具体约束公式如下:

基于NMF非负矩阵分解的推荐算法

        我们知道,要做推荐系统,最基本的一个数据就是,用户-物品的评分矩阵,如下图所示:

        矩阵中,描述了5个用户(U1,U2,U3,U4 ,U5)对4个物品(D1,D2,D3,D4)的评分(1-5分),“-” 表示没有评分,现在目的是把没有评分的 给预测出来,然后按预测的分数高低,给用户进行推荐。

        如何预测缺失的评分呢?对于缺失的评分,可以转化为基于机器学习的回归问题,也就是连续值的预测,对于矩阵分解有如下式子,R是类似图的评分矩阵,假设N*M维(N表示行数,M表示列数),可以分解为P跟Q矩阵,其中P矩阵维度N*K,P矩阵维度K*M。

        对于P,Q矩阵的解释,直观上,P矩阵是N个用户对K个主题的关系,Q矩阵是K个主题跟M个物品的关系,至于K个主题具体是什么,在算法里面K是一个参数,需要调节的,通常10~100之间。


        对于上式的左边项,表示的是R^ 第i 行,第j 列的元素值,对于如何衡量矩阵分解的好坏,我们给出如下风险函数:

        有了风险函数,我们就可以采用梯度下降法不断地减小损失值,直到不能再减小为止,最后的目标,就是每一个元素(非缺失值)的e(i,j)的总和 最小。我们可以得到如下梯度以及p、q的更新方式(其中α是学习步长,详见李航《统计机器学习》):

        在训练p、q参数过程中,为了防止过拟合,我们给出一个正则项,风险函数修改如下:

        相应的p、q参数学习更新方式如下:

        至此,我们就可以学习出p、q矩阵,将p x q就可以得到新的估计矩阵,由于加入了非负处理(缺失值部分的处理),我们可以发现原先缺失的地方有了一个估计值,这个估计值就作为了推荐的分值(其实就是拿非缺失值部分作参数学习训练,学习出来的结果当然不会有负数)。NMF实现代码如下:

package nmf;

public class Nmf {
    public double[][] RM, PM, QM;
    public int Kc, Uc, Oc;
    public int steps;
    public double Alpha, Beta;

    public void run() {
        for (int s = 0; s < steps; s++) {
            // 梯度下降更新
            for (int i = 0; i < Uc; i++) {
                for (int j = 0; j < Oc; j++) {
                    if (RM[i][j] > 0) {
                        // 计算eij
                        double e = 0, pq = 0;
                        for (int k = 0; k < Kc; k++) {
                            pq += PM[i][k] * QM[k][j];
                        }
                        e = RM[i][j] - pq;
                        // 更新Pik和Qkj,同时保证非负
                        for (int k = 0; k < Kc; k++) {
                            PM[i][k] += Alpha
                                    * (2 * e * QM[k][j] - Beta * PM[i][k]);
                            // PM[i][k] = PM[i][k] > 0 ? PM[i][k] : 0;
                            QM[k][j] += Alpha
                                    * (2 * e * PM[i][k] - Beta * QM[k][j]);
                            // QM[k][j] = QM[k][j] > 0 ? QM[k][j] : 0;
                        }
                    }
                }
            }

            // 计算风险损失
            double loss = 0;
            for (int i = 0; i < Uc; i++) {
                for (int j = 0; j < Oc; j++) {
                    if (RM[i][j] > 0) {
                        // 计算eij^2
                        double e2 = 0, pq = 0;
                        for (int k = 0; k < Kc; k++) {
                            pq += PM[i][k] * QM[k][j];
                        }
                        e2 = Math.pow(RM[i][j] - pq, 2);
                        for (int k = 0; k < Kc; k++) {
                            e2 += Beta
                                    / 2
                                    * (Math.pow(PM[i][k], 2) + Math.pow(
                                            QM[k][j], 2));
                        }
                        loss += e2;
                    }
                }
            }

            if (loss < 0.01) {
                System.out.println("OK");
                break;
            }
            // if (s % 100 == 0) {
            // System.out.println(loss);
            // }
        }
    }

    public Nmf(double[][] RM, double[][] PM, double[][] QM, int Kc, int Uc,
            int Oc, int steps, double Alpha, double Beta) {
        this.RM = RM;
        this.PM = PM;
        this.QM = QM;
        this.Kc = Kc;
        this.Uc = Uc;
        this.Oc = Oc;
        this.steps = steps;
        this.Alpha = Alpha;
        this.Beta = Beta;
    }
}
package nmf;

import java.util.Scanner;

public class Keyven {
    public static void main(String[] args) {
        int Uc = 5, Oc = 4, Kc = 2;
        double[][] RM = new double[Uc][Oc];
        double[][] PM = new double[Uc][Kc];
        double[][] QM = new double[Kc][Oc];

        /*
         * 5 3 0 1 4 0 0 1 1 1 0 5 1 0 0 4 0 1 5 4
         */
        Scanner input = new Scanner(System.in);
        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Oc; j++) {
                RM[i][j] = input.nextDouble();
            }
        }
        
        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Oc; j++) {
                System.out.printf("%.2f\t", RM[i][j]);
            }
            System.out.println();
        }
        System.out.println();

        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Kc; j++) {
                PM[i][j] = Math.random() % 9;
            }
        }

        for (int i = 0; i < Kc; i++) {
            for (int j = 0; j < Oc; j++) {
                QM[i][j] = Math.random() % 9;
            }
        }
        // 最多迭代5000次,学习步长控制为0.002,正则项参数设置为0.02
        Nmf nmf = new Nmf(RM, PM, QM, Kc, Uc, Oc, 5000, 0.002, 0.02);
        nmf.run();

        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Oc; j++) {
                double temp = 0;
                for (int k = 0; k < Kc; k++) {
                    temp += PM[i][k] * QM[k][j];
                }
                System.out.printf("%.2f\t", temp);
            }
            System.out.println();
        }

        input.close();
    }
}

        实验结果:

基于Baseline的推荐算法

        要评估一个策略的好坏,就需要建立一个对比基线,以便后续观察算法效果的提升。此处我们可以简单地对推荐算法进行建模作为基线。假设我们的训练数据为:  <user, item, rating>三元组, 其中user为用户id, item为物品id(item可以是MovieLens上的电影,Amazon上的书, 或是百度关键词工具上的关键词), rating为user对item的投票分数, 其中用户u对物品i的真实投票分数我们记为rui,基线(baseline)模型预估分数为bui,则可建模如下:

        其中mu(希腊字母mu)为所有已知投票数据中投票的均值bu为用户的打分相对于平均值的偏差(如果某用户比较苛刻,打分都相对偏低, 则bu会为负值;相反,如果某用户经常对很多片都打正分, 则bu为正值); bi为该item被打分时,相对于平均值得偏差,可反映电影受欢迎程度。 bui则为基线模型对用户u给物品i打分的预估值。该模型虽然简单, 但其中其实已经包含了用户个性化和item的个性化信息, 而且特别简单(很多时候, 简单就是一个非常大的特点, 特别是面对大规模数据时)。

         基线模型中, mu可以直接统计得到,我们的优化函数可以写为(其实就是最小二乘法):

        也可以直接写成如下式子,因为它本身就是经验似然:

        上述式子中u∈R(i) 表示评价过电影 i 的所有用户,|R(i)| 为其集合的个数;同理,i∈R(u) 表示用户 u 评价过的所有电影,|R(u)| 为其集合的个数。实现代码如下:

package baseline;

public class Baseline {
    public double[] bi, bu;
    public double[][] RM;
    public int Uc, Ic;
    public double lamada2, lamada3;

    public Baseline(double[][] RM, int Uc, int Ic, double lamada2,
            double lamada3) {
        this.RM = RM;
        this.lamada2 = lamada2;
        this.lamada3 = lamada3;
        this.Uc = Uc;
        this.Ic = Ic;
        this.bu = new double[Uc];
        this.bi = new double[Ic];
    }

    public void run() {
        // 计算μ
        double avg = 0;
        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Ic; j++) {
                avg += RM[i][j];
            }
        }
        avg = avg / Uc / Ic;

        // 更新bi
        for (int i = 0; i < Ic; i++) {
            double bis = 0;
            int Icnt = 0; // 点评过电影i的所有User个数
            for (int tu = 0; tu < Uc; tu++) {
                if (RM[tu][i] != 0) {
                    bis += RM[tu][i] - avg;
                    Icnt++;
                }
            }
            bi[i] = bis / ((double)Icnt + lamada2);
        }

        // 更新bu
        for (int u = 0; u < Uc; u++) {
            double bus = 0;
            int Ucnt = 0; // 用户u点评过得电影Item个数
            for (int ti = 0; ti < Ic; ti++) {
                if (RM[u][ti] != 0) {
                    bus += RM[u][ti] - avg - bi[ti];
                    Ucnt++;
                }
            }
            bu[u] = bus / ((double)Ucnt + lamada3);
        }

        for (int u = 0; u < Uc; u++) {
            for (int i = 0; i < Ic; i++) {
                if (RM[u][i] == 0) {
                    RM[u][i] = avg + bi[i] + bu[u];
                }
            }
        }
    }
}
package baseline;

import java.util.Scanner;

public class Keyven {
    public static void main(String[] args) {
        int Uc = 5, Ic = 4;
        double[][] RM = new double[Uc][Ic];

        /*
         * 5 3 0 1 4 0 0 1 1 1 0 5 1 0 0 4 0 1 5 4
         */
        Scanner input = new Scanner(System.in);
        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Ic; j++) {
                RM[i][j] = input.nextDouble();
            }
        }

        Baseline bl = new Baseline(RM, Uc, Ic, 0, 0);
        bl.run();

        for (int i = 0; i < Uc; i++) {
            for (int j = 0; j < Ic; j++) {
                System.out.printf("%.2f\t", RM[i][j]);
            }
            System.out.println();
        }

        input.close();
    }
}

        Baseline基线模型与NMF矩阵分解模型试验效果对比如下:

后记

        什么是梯度下降?考虑下图一种简单的情形,风险函数为loss = kx,则总体损失就是积分∫kx dx,取梯度的反方向进行逐步更新至总体损失减小… …在我看来,其实,数据挖掘 = ①线性代数+②应用概率统计+③高数(积分、梯度等数理意义)+④李航《统计机器学习》神书+⑤算法与数据结构… …只要好好努力打好基础,人就能不断向前走下去^_^


Reference

从item-base到svd再到rbm,多种Collaborative Filtering(协同过滤算法)从原理到实现

百度电影推荐系统比赛 小结 ——记我的初步推荐算法实践

白话NMF(Non-negative Matrix Factorization)

基于矩阵分解的推荐算法,简单入门(证明算法,非常有用!)

SVD因式分解实现协同过滤-及源码实现

探索推荐引擎内部的秘密,第 2 部分: 深入推荐引擎相关算法 - 协同过滤

推荐系统中近邻算法与矩阵分解算法效果的比较——基于movielens数据集

© 著作权归作者所有

共有 人打赏支持
初雪之音
粉丝 47
博文 268
码字总数 150009
作品 0
广州
程序员
私信 提问
加载中

评论(3)

r
rashly
而且你的lamada2和lamada3都是0,
r
rashly
楼主,你的基于Baseline的推荐算法为什么没有计算loss的值小于某一个指的时候停止更新参数啊,
r
rashly
楼主,你的基于Baseline的推荐算法为什么没有计算loss的值小于某一个指的时候停止更新参数啊,
推荐算法概览

推荐算法概览(一) 为推荐系统选择正确的推荐算法非常重要,而可用的算法很多,想要找到最适合所处理问题的算法还是很有难度的。这些算法每种都各有优劣,也各有局限,因此在作出决策前我们...

hblt-j
01/23
0
0
各大平台的推荐系统原来是靠他来完成的,太牛了

1. 推荐系统概述 电子商务网站是个性化推荐系统重要地应用的领域之一,亚马逊就是个性化推荐系统的积极应用者和推广者,亚马逊的推荐系统深入到网站的各类商品,为亚马逊带来了至少30%的销售...

h8b6pk7m7r8
2017/11/27
0
0
各大平台的推荐系统原来是靠他来完成的,太牛了

1. 推荐系统概述 电子商务网站是个性化推荐系统重要地应用的领域之一,亚马逊就是个性化推荐系统的积极应用者和推广者,亚马逊的推荐系统深入到网站的各类商品,为亚马逊带来了至少30%的销售...

h8b6pk7m7r8
2017/11/30
0
0
推荐算法综述

1. 前言 随着移动互联网技术和社交网络的发展,每天都有大量包括博客,图片,视频,微博等等的信息发布到网上。我们正处于大数据的时代,传统的信息检索技术已经不能满足用户对信息发现的需求...

u013709270
2017/11/24
0
0
系列学习——推荐算法综述

作者:章华燕 编辑:祝鑫泉 随着移动互联网技术和社交网络的发展,每天都有大量包括博客,图片,视频,微博等等的信息发布到网上。我们正处于大数据的时代,传统的信息检索技术已经不能满足用...

u013709270
01/01
0
0

没有更多内容

加载失败,请刷新页面

加载更多

w, vmstat, top, sar, nload命令查看系统状态信息

w/uptime 查看系统负载 cat /proc/cpuinfo 查看cpu核数 vmstat 监控系统状态,用法 vmstat 1,关键的几列: r, b, swpd, si, so, bi, bo, us, wa top 查看进程使用资源情况 top -c 显示详细的...

野雪球
今天
1
0
小白创建一个spring boot项目

进入 https://start.spring.io/

lilugirl
今天
2
0
Alibaba Java诊断利器Arthas实践--使用redefine排查应用奇怪的日志来源

背景 随着应用越来越复杂,依赖越来越多,日志系统越来越混乱,有时会出现一些奇怪的日志,比如: [] [] [] No credential found 那么怎样排查这些奇怪的日志从哪里打印出来的呢?因为搞不清...

hengyunabc
今天
2
0
home hosts

home hosts lwk@qwfys:~$ cat /etc/hosts127.0.0.1 localhost127.0.1.1 qwfys192.168.56.101vm600.qwfys.com39.108.212.91alpha1.ppy.com39.108.117.122alpha2.p......

qwfys
今天
3
0
大数据教程(6.1)hadoop生态圈介绍及就业前景

1. HADOOP背景介绍 1.1、什么是HADOOP 1.HADOOP是apache旗下的一套开源软件平台 2.HADOOP提供的功能:利用服务器集群,根据用户的自定义业务逻辑,对海量数据进行分布式处理 3.HADOOP的核心组...

em_aaron
今天
5
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部