基于时序行为的协同过滤推荐算法（Python）

r囧r小猫 2024-04-01 14:56 72阅读 0赞

目录  
1相关工作 1  
1.1 传统的协同过滤算法 1  
1.2 基于时序信息的推荐算法 2  
1.3 基于关系挖掘的协同过滤算法 2  
2 问题定义和概率矩阵分解 3  
3 SequentialMF 推荐算法描述 4  
3.1 基于时序行为建模的最近邻选择 4  
3.2 矩阵分解模型 5  
3.3 SequentialMF时间复杂度分析 8  
3.4 算法讨论 8  
4 推荐框架 9  
5 实验结果及分析 9  
5.1 实验数据集 9  
5.2 评价标准 10  
5.3 比较算法及参数设定 10  
5.4 实验结果与分析 12  
6总结 15  
4 推荐框架  
第 3.1 节和第 3.2 节分别介绍了最近邻构建方式和求解优化方法,在本节中将给出本文提出的基于时序行 为的推荐算法具体的推荐框架.该推荐算法一共分 4 个步骤:  
(1) 读入数据,其中数据的信息应包括用户的评分信息和评分的时间信息;  
(2) 系统将根据读入的信息构建用户的消费网络图和产品的消费网络图,并根据此图计算影响力最大的 近邻集(第 3.1 节);  
(3) 算法将该近邻集合运用到概率矩阵分解模型当中,利用概率矩阵分解模型学习出用户的特征向量和 项目的特征向量(第 3.2 节);  
(4) 根据该特征向量预测重构评分矩阵,利用该评分矩阵对用户形成相应的推荐.  
图 4 介绍了该算法的具体过程,图中对每个步骤都进行了相应的介绍.从图中可以看出,该算法中主要的计 算复杂度在步骤(2)和步骤(3)中,第 3.3 节已经对这两个步骤的时间复杂度进行了具体的分析.值得注意的是,在 实际的推荐系统中,往往将计算复杂度较高的步骤(1)~步骤(3)放在线下处理,通过已有的数据,在线下学习到用 户和产品的特征向量,而在线上则通过学习到的特征向量进行推荐,以提高系统的推荐速度;在线上推荐结束后,系统将用户在线上的行为数据再传输给存储系统,然后将根据新的数据更新相应的推荐模型. 从图 4 中可以更直观地看出,SequentialMF 推荐框架利用更易获取的时序信息获取关系信息,并且算法采 用有向的影响力来衡量关系程度,从而进一步提高推荐精度.最后算法将计算的关系信息融入到概率矩阵分解模型当中,为如何扩展矩阵分解提供了一条思路.  
5 实验结果及分析  
本节首先介绍实验所用数据集,然后说明评价标准及对比算法,最后给出 SequentialMF 模型与其他方法的 对比实验结果,并对实验结果进行了相应的分析.  
5.1 实验数据集  
为了可以比较不同信息(关系)对推荐结果的影响,实验数据集应当含有评分信息、标签信息以及用户社会 关系.为此,本文使用从豆瓣网站抓取的数据作为实验数据集.豆瓣网站是一个针对电影、书籍及音乐的评价讨 论网站,网站为用户提供了评分、讨论以及推荐服务.它拥有目前中国最大的中文类书籍、音乐以及电影数据 库,并且是中国最大的网上社区之一.在该网站中,每个用户可以为书籍、音乐或电影做出\[1,5\]范围内的评分.另 外,豆瓣中也提供了类似于 Facebook 的社交关系服务,它允许用户通过 E-mail 发现自己的朋友.本文转载自http://www.biyezuopin.vip/onews.asp?id=16999综上所述,豆瓣 数据集比较适合本文中的实验研究.  
本文从豆瓣网站中抓取了两组数据集:一组数据为用户对书籍的评分信息、用户社交关系以及标签信息, 另一组数据为用户对电影的评分信息及对应的其他信息.数据情况见表 1.  
![在这里插入图片描述][51e3ef174ef04e078b7fd69cd276ebd7.png]

# -*- coding: utf-8 -*-
    # --------------------------------------------------------
    # Name:        UserBasedCF.py
    # Purpose:     基于已知的训练集，"测试集"中的user的item进行评分预测.
    # Data:        MovieLens
    # Language:    Python 2.7
    # Author:      Hailin
    # E-mail:      hailinfufu@outlook.com
    # Created:     1-11-2016
    # --------------------------------------------------------
    import math, random, sys, datetime
    from math import sqrt
    from loadMovieLens import loadMovieLensTrain
    from loadMovieLens import loadMovieLensTest
    
    class UserBasedCF:
        def __init__(self, train=None, test=None):
            self.trainfile = train
            self.testfile = test
            self.readData()
    
        def readData(self, train=None, test=None):
            self.trainfile = train or self.trainfile
            self.testfile = test or self.testfile
            self.traindata = loadMovieLensTrain(train)  # 加载训练集
            self.testdata = loadMovieLensTest(test)  # 加载测试集
    
        def generate_dataset(self, filename, pivot=0.7):
            ''' load rating data and split it to training set and test set '''
            trainset_len = 0
            testset_len = 0
            for line in self.loadfile(filename):
                user, movie, rating, _ = line.split('::')
                # split the data by pivot
                if (random.random() < pivot):
                    self.trainset.setdefault(user, {
        })
                    self.trainset[user][movie] = int(rating)
                    trainset_len += 1
                else:
                    self.testset.setdefault(user, {
        })
                    self.testset[user][movie] = int(rating)
                    testset_len += 1
            print >> sys.stderr, 'split training set and test set succ'
            print >> sys.stderr, 'train set = %s' % trainset_len
            print (self.trainset)
            print >> sys.stderr, 'test set = %s' % testset_len
            print (self.testset)
    
    ### 计算pearson相关度
    def sim_pearson(prefer, person1, person2):
        sim = {
        }
        # 查找双方都评价过的项
        for item in prefer[person1]:
            if item in prefer[person2]:
                sim[item] = 1  # 将相同项添加到字典sim中
        # 元素个数
        n = len(sim)
        if len(sim) == 0:
            return -1
    
        # 所有偏好之和
        sum1 = sum([prefer[person1][item] for item in sim])
        sum2 = sum([prefer[person2][item] for item in sim])
    
        # 求平方和
        sum1Sq = sum([pow(prefer[person1][item], 2) for item in sim])
        sum2Sq = sum([pow(prefer[person2][item], 2) for item in sim])
    
        # 求乘积之和 ∑XiYi
        sumMulti = sum([prefer[person1][item] * prefer[person2][item] for item in sim])
    
        num1 = sumMulti - (sum1 * sum2 / n)
        num2 = sqrt((sum1Sq - pow(sum1, 2) / n) * (sum2Sq - pow(sum2, 2) / n))
        if num2 == 0:  ### 如果分母为0，本处将返回0.
            return 0
    
        result = num1 / num2
        return result
    
    ### 获取对item评分的K个最相似用户（K默认20）
    def topKMatches(prefer, person, itemId, k=20, sim=sim_pearson):
        userSet = []
        scores = []
        users = []
        # 找出所有prefer中评价过Item的用户,存入userSet
        for user in prefer:
            if itemId in prefer[user]:
                userSet.append(user)
        # 计算相似性
        scores = [(sim(prefer, person, other), other) for other in userSet if other != person]
    
        # 按相似度排序
        scores.sort()
        scores.reverse()
    
        if len(scores) <= k:  # 如果小于k，只选择这些做推荐。
            for item in scores:
                users.append(item[1])  # 提取每项的userId
            return users
        else:  # 如果>k,截取k个用户
            kscore = scores[0:k]
            for item in kscore:
                users.append(item[1])  # 提取每项的userId
            return users  # 返回K个最相似用户的ID
    
    ### 计算用户的平均评分
    def getAverage(prefer, userId):
        count = 0
        sum = 0
        for item in prefer[userId]:
            sum = sum + prefer[userId][item]
            count = count + 1
        return sum / count
    
    ### 平均加权策略，预测userId对itemId的评分
    def getRating(prefer1, userId, itemId, knumber=20, similarity=sim_pearson):
        sim = 0.0
        averageOther = 0.0
        jiaquanAverage = 0.0
        simSums = 0.0
        # 获取K近邻用户(评过分的用户集)
        users = topKMatches(prefer1, userId, itemId, k=knumber, sim=sim_pearson)
    
        # 获取userId 的平均值
        averageOfUser = getAverage(prefer1, userId)
    
        # 计算每个用户的加权，预测
        for other in users:
            sim = similarity(prefer1, userId, other)  # 计算比较其他用户的相似度
            averageOther = getAverage(prefer1, other)  # 该用户的平均分
            # 累加
            simSums += abs(sim)  # 取绝对值
            jiaquanAverage += (prefer1[other][itemId] - averageOther) * sim  # 累加，一些值为负
    
        # simSums为0，即该项目尚未被其他用户评分，这里的处理方法：返回用户平均分
        if simSums == 0:
            return averageOfUser
        else:
            return (averageOfUser + jiaquanAverage / simSums)
    
    
            ##==================================================================
    
    ### 计算RMSE评分预测
    def getRMSE(records):
        return math.sqrt(sum([(rui-pui)*(rui-pui) for u,i,rui,pui in records]))/float(len(records))
    
    ### 计算MAE评分预测
    def getMAE(records):
        return sum([abs(rui-pui) for u,i,rui,pui in records])/float(len(records))
    
    ##     getAllUserRating(): 获取所有用户的预测评分，存放到fileResult中
    ##
    ## 参数:fileTrain,fileTest 是训练文件和对应的测试文件，fileResult为结果文件
    ##     similarity是相似度度量方法，默认是皮尔森。
    ##==================================================================
    
    def loadfile(filename):
        ''' load a file, return a generator. '''
        fp = open(filename, 'r')
        for i, line in enumerate(fp):
            yield line.strip('\r\n')
    #       if i % 100000 == 0:
    #            print >> sys.stderr, 'loading %s(%s)' % (filename, i)
        fp.close()
        #print >> sys.stderr, 'load %s succ' % filename
    
    def getAllUserRating(n=1,k=20, similarity=sim_pearson):
        if(n==1):
            traindata = loadMovieLensTrain('ml-100k/u1.base')  # 加载训练集
            testdata = loadMovieLensTest('ml-100k/u1.test')  # 加载测试集
        else:
            pivot = 0.7
            traindata={
        }
            testdata={
        }
            for line in loadfile('ml-1m/ratings.dat'):
                user, movie, rating, _ = line.split('::')
                # split the data by pivot
                if (random.random() < pivot):
                    traindata.setdefault(user, {
        })
                    traindata[user][movie] = int(rating)
                else:
                    testdata.setdefault(user, {
        })
                    testdata[user][movie] = int(rating)
        inAllnum = 0
        records=[]
        for userid in testdata:  # test集中每个用户
            for item in testdata[userid]:  # 对于test集合中每一个项目用base数据集,CF预测评分
                rating = getRating(traindata, userid, item, k)  # 基于训练集预测用户评分(用户数目<=K)
                records.append([userid,item,testdata[userid][item],rating])
                inAllnum = inAllnum + 1
        #np.savetxt("records.txt",records,fmt='%1.4e')
        #print("-------------Completed!!-----------", inAllnum)
        SaveRecords(records)
        return records
    
    def SaveRecords(records):
        file = open('records.txt', 'a')
        file.write("%s\n" % ("------------------------------------------------------"))
        for u, i, rui, pui in records:
            file.write('%s\t%s\t%s\n' % (u, i, rui,pui))
        file.close()
    
    ############    主程序   ##############
    if __name__ == "__main__":
        trainfile = 'ml-100k/u1.base'
        testfile = 'ml-100k/u1.test'
        ratingfile = 'ml-1m/ratings.dat'
        #usercf=UserBasedCF()
        #usercf.generate_dataset()
        print("\n--------------基于MovieLens的推荐系统 运行中... -----------\n")
        print ("请选择你要使用的数据集\n1:ml-100k\n2:ml-1m")
        n=input("Your choose:")
        if(n==1):
            print ("即将进行的试验数据为ml-100k")
        else:
            print ("即将进行的试验数据为ml-1m")
        starttime = datetime.datetime.now()
        print("%3s%20s%20s%20s" % ('K', "RMSE","MAE","耗时"))
        for k in [ 25, 50, 75, 100, 125, 150]:
            r=getAllUserRating(n, k)
            rmse=getRMSE(r)
            mae=getMAE(r)
            print("%3d%19.3f%%%19.3f%%%17ss" % (k, rmse * 100, mae * 100, (datetime.datetime.now() - starttime).seconds))

![在这里插入图片描述][ab70fa1587f446d68f6c4b391870c751.png_pic_center]  
![在这里插入图片描述][23b1caf57c404cd49af8838410c0f356.png_pic_center]  
![在这里插入图片描述][eaa2c81c0a534b45a18d1e61d57ff6f2.png_pic_center]  
![在这里插入图片描述][b5f820e005b249cebd7d7601f07a8d55.png_pic_center]  
![在这里插入图片描述][b84dd329f5214e518908318325c7fd48.png_pic_center]  
![在这里插入图片描述][838822fe16844e06a4102c1f1d21f2d8.png_pic_center]  
![在这里插入图片描述][f2b512f5bee344f9af734532ba8e08df.png_pic_center]  
![在这里插入图片描述][54dd1543f14b44afbd932df73cde3f17.png_pic_center]  
![在这里插入图片描述][77e4f1ffb61d4b01959cf1b7ffe3a004.png_pic_center]  
![在这里插入图片描述][90c17657153946c294a7582e4b1a8eda.png_pic_center]  
![在这里插入图片描述][692fcc9b437d478abe65ce45cfc4df6a.png_pic_center]  
![在这里插入图片描述][9f26311ba6c04386867f6d6accf1bc5b.png_pic_center]  
![在这里插入图片描述][5c7f8354d05c47089bcf6eb1d3024715.png_pic_center]  
![在这里插入图片描述][906644c5691340a894b563191e2a127d.png_pic_center]  
![在这里插入图片描述][8c5e9b2c7d06444eaee38924a9eab004.png_pic_center]  
![在这里插入图片描述][fd49d3e520b34d68822ed2644e737a6d.png_pic_center]  
![在这里插入图片描述][21ccb982b4684ca7820d1f108d4b9955.png_pic_center]  
![在这里插入图片描述][41de504a83194e8cb90460beca991074.png_pic_center]  
![在这里插入图片描述][7834a1b51b8c490e968be0835e420a31.png_pic_center]

[51e3ef174ef04e078b7fd69cd276ebd7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/fba206c62b41424a81e68312f07f79e4.png
[ab70fa1587f446d68f6c4b391870c751.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/d1a9eb6c03b14b0ca7a569d223768573.png
[23b1caf57c404cd49af8838410c0f356.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/623d0fc6f49544f1aa6917ee0f272ae2.png
[eaa2c81c0a534b45a18d1e61d57ff6f2.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/dcd307da333d4894891e68144a7a8a85.png
[b5f820e005b249cebd7d7601f07a8d55.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/f5eff0a8e7c34b35bc39cfba656d8ad2.png
[b84dd329f5214e518908318325c7fd48.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/0104cdca98a94caeac9b47d781e40eff.png
[838822fe16844e06a4102c1f1d21f2d8.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/eab3076be40e4e7787b9abc970490c15.png
[f2b512f5bee344f9af734532ba8e08df.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/8e48100f48b542eca9a10864768530b2.png
[54dd1543f14b44afbd932df73cde3f17.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/31cddf15e8344f4dac796a91fa2e7df3.png
[77e4f1ffb61d4b01959cf1b7ffe3a004.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/e9fea4ba3b294d2bafb942c7905508ec.png
[90c17657153946c294a7582e4b1a8eda.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/659d481249444c6da7a0693e340ee96b.png
[692fcc9b437d478abe65ce45cfc4df6a.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/6372277807014abfa7a93b4868a621d0.png
[9f26311ba6c04386867f6d6accf1bc5b.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/3b5eee3842214ee28f7b47607c5e5686.png
[5c7f8354d05c47089bcf6eb1d3024715.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/0bc7922ae5c94adaaa8e34792d45f7d2.png
[906644c5691340a894b563191e2a127d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/c381fc59ddcc42b3853653200df1d9cc.png
[8c5e9b2c7d06444eaee38924a9eab004.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/798a6f8a9540462690dfd837e2a8ed7d.png
[fd49d3e520b34d68822ed2644e737a6d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/4329d8d325664999afec149ee29f68e1.png
[21ccb982b4684ca7820d1f108d4b9955.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/232c37e80150439aad6f8093beecbae9.png
[41de504a83194e8cb90460beca991074.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/01bafe4a505c4bc3875f47ca3dc8c44f.png
[7834a1b51b8c490e968be0835e420a31.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/c827ca8751d246a4a2b55652ff3df4b3.png