欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

NMF和SVD在推荐系统中的应用(实战)

程序员文章站 2024-03-13 21:16:13
...

本文以NMF和经典SVD为例,讲一讲矩阵分解在推荐系统中的应用。

数据

item\user Ben Tom John Fred
item 1 5 5 0 5
item 2 5 0 3 4
item 3 3 4 0 3
item 4 0 0 5 3
item 5 5 4 4 5
item 6 5 4 5 5
user\item item 1 item 2 item 3 item 4 item 5 item 6
Ben 5 5 3 0 5 5
Tom 5 0 4 0 4 4
John 0 3 0 5 4 5
Fred 5 4 3 3 5 5

NMF

关于NMF,在浅谈隐语义模型和NMF已经有过介绍。

用户和物品的主题分布

#!/usr/bin/python2.7
# coding: UTF-8
import numpy as np  
from sklearn.decomposition import NMF  
import matplotlib.pyplot as plt

RATE_MATRIX = np.array(  
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 4, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]]
)

nmf = NMF(n_components=2)  # 设有2个隐主题  
user_distribution = nmf.fit_transform(RATE_MATRIX)  
item_distribution = nmf.components_

print '用户的主题分布:'  
print user_distribution  
print '物品的主题分布:'  
print item_distribution  

运行后输出:

用户的主题分布:
[[ 2.20884275  0.84137492]
 [ 2.08253282 -0.        ]
 [-0.          3.18154406]
 [ 1.84992603  1.60839505]]
物品的主题分布:
[[ 2.4129931   1.02524235  1.62258152  0.          1.80111078  1.69591943]
 [ 0.0435741   1.13506094  0.          1.54526337  1.21253494  1.48756118]]

可视化物品的主题分布:

#!/usr/bin/python2.7
# coding: UTF-8
import numpy as np  
from sklearn.decomposition import NMF  
import matplotlib.pyplot as plt

RATE_MATRIX = np.array(  
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 4, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]]
)

nmf = NMF(n_components=2)  
user_distribution = nmf.fit_transform(RATE_MATRIX)  
item_distribution = nmf.components_

item_distribution = item_distribution.T  
plt.plot(item_distribution[:, 0], item_distribution[:, 1], "b*")  
plt.xlim((-1, 3))  
plt.ylim((-1, 3))

plt.title(u'the distribution of items (NMF)')  
count = 1  
for item in item_distribution:  
    plt.text(item[0], item[1], 'item '+str(count), bbox=dict(facecolor='red', alpha=0.2),)
    count += 1

plt.show()  

结果:NMF和SVD在推荐系统中的应用(实战)

从距离的角度来看,item 5和item 6比较类似;从余弦相似度角度看,item 2、5、6 比较相似,item 1、3比较相似。

可视化用户的主题分布:

#!/usr/bin/python2.7
# coding: UTF-8
import numpy as np  
from sklearn.decomposition import NMF  
import matplotlib.pyplot as plt

RATE_MATRIX = np.array(  
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 4, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]]
)

nmf = NMF(n_components=2)  
user_distribution = nmf.fit_transform(RATE_MATRIX)  
item_distribution = nmf.components_

users = ['Ben', 'Tom', 'John', 'Fred']  
zip_data = zip(users, user_distribution)

plt.title(u'the distribution of users (NMF)')  
plt.xlim((-1, 3))  
plt.ylim((-1, 4))  
for item in zip_data:  
    user_name = item[0]
    data = item[1]
    plt.plot(data[0], data[1], "b*")
    plt.text(data[0], data[1], user_name, bbox=dict(facecolor='red', alpha=0.2),)

plt.show()  

结果:

NMF和SVD在推荐系统中的应用(实战)

从距离的角度来看,Fred、Ben、Tom的口味差不多;从余弦相似度角度看,Fred、Ben、Tom的口味还是差不多。

如何推荐

现在对于用户A,如何向其推荐物品呢?

方法1: 找出与用户A最相似的用户B,将B评分过的、评分较高、A没评分过的的若干物品推荐给A。

方法2: 找出用户A评分较高的若干物品,找出与这些物品相似的、且A没评分的若干物品推荐给A。

方法3: 找出用户A最感兴趣的k个主题,找出最符合这k个主题的、且A没评分的若干物品推荐给A。

方法4: 由NMF得到的两个矩阵,重建评分矩阵。例如:

#!/usr/bin/python2.7
# coding: UTF-8
import numpy as np  
from sklearn.decomposition import NMF  
import matplotlib.pyplot as plt

RATE_MATRIX = np.array(  
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 4, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]]
)

RATE_MATRIX[1, 2] = 0  # 对评分矩阵略做修改  
print '新评分矩阵:'  
print RATE_MATRIX

nmf = NMF(n_components=2)  
user_distribution = nmf.fit_transform(RATE_MATRIX)  
item_distribution = nmf.components_

reconstruct_matrix = np.dot(user_distribution, item_distribution)  
filter_matrix = RATE_MATRIX < 1e-6  # 小于0  
print '重建矩阵,并过滤掉已经评分的物品:'  
print reconstruct_matrix*filter_matrix  

运行结果:

新评分矩阵:
[[5 5 3 0 5 5]
 [5 0 0 0 4 4]
 [0 3 0 5 4 5]
 [5 4 3 3 5 5]]
重建矩阵,并过滤掉已经评分的物品:
[[ 0.          0.          0.          0.80443133  0.          0.        ]
 [ 0.          2.19148602  1.73560797  0.          0.          0.        ]
 [ 0.02543568  0.          0.48692891  0.          0.          0.        ]
 [ 0.          0.          0.          0.          0.          0.        ]]

对于Tom(评分矩阵的第2行),其未评分过的物品是item 2、item 3、item 4。item 2的推荐值是2.19148602,item 3的推荐值是1.73560797,item 4的推荐值是0,若要推荐一个物品,推荐item 2。

如何处理有评分记录的新用户

NMF是将非负矩阵V分解为两个非负矩阵W和H:

V = W×H  

在本文上面的实现中,V对应评分矩阵,W是用户的主题分布,H是物品的主题分布。

对于有评分记录的新用户,如何得到其主题分布?

方法1: 有评分记录的新用户的评分数据放入评分矩阵中,使用NMF处理新的评分矩阵。

方法2: 物品的主题分布矩阵H保持不变,将V更换为新用户的评分组成的行向量,求W即可。

下面尝试一下方法2。

设新用户Bob的评分记录为:

[5,5,0,0,0,5] 
#!/usr/bin/python2.7
# coding: UTF-8
import numpy as np  
from sklearn.decomposition import NMF  
import matplotlib.pyplot as plt

RATE_MATRIX = np.array(  
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 4, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]]
)

nmf = NMF(n_components=2)  
user_distribution = nmf.fit_transform(RATE_MATRIX)  
item_distribution = nmf.components_

bob = [5, 5, 0, 0, 0, 5]  
print 'Bob的主题分布:'  
print nmf.transform(bob)  

运行结果是:

Bob的主题分布:  
[[ 1.37800534  0.69236738]]

NMF和SVD在推荐系统中的应用(实战)

经典SVD

关于SVD的一篇好文章:强大的矩阵奇异值分解(SVD)及其应用

相关分析与上面类似,这里就直接上代码了。

#!/usr/bin/python2.7
# coding: UTF-8
import numpy as np  
from scipy.sparse.linalg import svds  
from scipy import sparse  
import matplotlib.pyplot as plt

def vector_to_diagonal(vector):  
    """
    将向量放在对角矩阵的对角线上
    :param vector:
    :return:
    """
    if (isinstance(vector, np.ndarray) and vector.ndim == 1) or \
            isinstance(vector, list):
        length = len(vector)
        diag_matrix = np.zeros((length, length))
        np.fill_diagonal(diag_matrix, vector)
        return diag_matrix
    return None

RATE_MATRIX = np.array(  
    [[5, 5, 3, 0, 5, 5],
     [5, 0, 4, 0, 4, 4],
     [0, 3, 0, 5, 4, 5],
     [5, 4, 3, 3, 5, 5]]
)

RATE_MATRIX = RATE_MATRIX.astype('float')  
U, S, VT = svds(sparse.csr_matrix(RATE_MATRIX),  k=2, maxiter=200) # 2个隐主题  
S = vector_to_diagonal(S)

print '用户的主题分布:'  
print U  
print '奇异值:'  
print S  
print '物品的主题分布:'  
print VT  
print '重建评分矩阵,并过滤掉已经评分的物品:'  
print np.dot(np.dot(U, S), VT) * (RATE_MATRIX < 1e-6)  

运行结果:

用户的主题分布:
[[-0.22279713  0.57098887]
 [-0.51723555  0.4274751 ]
 [ 0.82462029  0.38459931]
 [ 0.05319973  0.58593526]]
奇异值:
[[  6.39167145   0.        ]
 [  0.          17.71392084]]
物品的主题分布:
[[-0.53728743  0.24605053 -0.40329582  0.67004393  0.05969518  0.18870999]
 [ 0.44721867  0.35861531  0.29246336  0.20779151  0.50993331  0.53164501]]
重建评分矩阵,并过滤掉已经评分的物品:
[[ 0.          0.          0.          1.14752376  0.          0.        ]
 [ 0.          1.90208543  0.         -0.64171368  0.          0.        ]
 [ 0.21491237  0.         -0.13316888  0.          0.          0.        ]
 [ 0.          0.          0.          0.          0.          0.        ]]

可视化一下:NMF和SVD在推荐系统中的应用(实战)

经典SVD + 协同过滤

0代表没有评分,但是上面的方法(如何推荐这一节的方法4)又确实把0看作了评分,所以最终得到的只是一个推荐值(而且总体都偏小),而无法当作预测的评分。在How do I use the SVD in collaborative filtering?有这方面的讨论。

SVD简要介绍

SVD的目标是将m*n大小的矩阵A分解为三个矩阵的乘积:

A=USVTA=U∗S∗VT

U和V都是正交矩阵,大小分别是m*mn*n。S是一个对角矩阵,大小是m*n,对角线存放着奇异值,从左上到右下依次减小,设奇异值的数量是r

kk<<r

取得UU的前k列得到UkUk,SS的前k个奇异值对应的方形矩阵得到SkSk,VTVT的前k行得到VTkVkT,于是有

Ak=UkSkVTkAk=Uk∗Sk∗VkT

AkAk可以认为是AA的近似。

下面的算法将协同过滤和SVD结合了起来。

Item-based Filtering Enhanced by SVD

这个算法来自下面这篇论文:

Vozalis M G, Margaritis K G. Applying SVD on Generalized Item-based Filtering[J]. IJCSA, 2006, 3(3): 27-51.

1、 设评分矩阵为R,大小为m*n,m个用户,n个物品。R中元素rijrij代表着用户uiui对物品ijij的评分。

2、 预处理R,消除掉其中未评分数据(即值为0)的评分。

  • 计算R中每一行的平均值(平均值的计算中不包括值为0的评分),令Rfilledin=RRfilled−in=R,然后将RfilledinRfilled−in中的0设置为该行的平均值。
  • 计算R中每一列的平均值(平均值的计算中不包括值为0的评分)riri,RfilledinRfilled−in中的所有元素减去对应的riri,得到正规化的矩阵RnormRnorm。(norm,即normalized)。

3、 对RnormRnorm进行奇异值分解,得到: Rnorm=USVTRnorm=U∗S∗VT

4、 设正整数k,取得UU的前k列得到UkUk,SS的前k个奇异值对应的方形矩阵得到SkSk,VTVT的前k行得到VTkVkT,于是有

Rred=UkSkVTkRred=Uk∗Sk∗VkT

red,即dimensionality reduction中的reduction。可以认为k是指最重要的k个主题。定义RredRred中元素rrijrrij用户i对物品j在矩阵RredRred中的值。

5、 UkS12kUk∗Sk12,是用户相关的降维后的数据,其中的每行代表着对应用户在新特征空间下位置。S12kVTkSk12∗VkT,是物品相关的降维后的数据,其中的每列代表着对应物品在新特征空间下的位置。

S12kVTkSk12∗VkT中的元素mrijmrij代表物品j在新空间下维度i中的值,也可以认为是物品j属于主题i的程度。(共有k个主题)。

6、 获取物品之间相似度。

  • 根据S12kVTkSk12∗VkT计算物品之间的相似度,例如使用余弦相似度计算物品j和f的相似度:NMF和SVD在推荐系统中的应用(实战)

  • 相似度计算出来后就可以得到每个物品最相似的若干物品了。

7、 使用下面的公式预测用户a对物品j的评分:NMF和SVD在推荐系统中的应用(实战)这个公式里有些变量的使用和上面的冲突了(例如k)。 ll是指取物品j最相似的ll个物品。 mrijmrij代表物品j在新空间下维度i中的值,也可以认为是物品j属于主题i的程度。 simjksimjk是物品j和物品k的相似度。 RredRred中元素rrakrrak是用户a对物品k在矩阵RredRred中对应的评分。ra¯ra¯是指用户a在评分矩阵RR中评分的平均值(平均值的计算中不包括值为0的评分)。

参考

SVD Recommendation System in Ruby 这篇文章使用的数据来自该链接,里面处理新用户的方法表示没看懂。

How do I use the SVD in collaborative filtering?

Vozalis M G, Margaritis K G. Applying SVD on Generalized Item-based Filtering[J]. IJCSA, 2006, 3(3): 27-51.