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:
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:
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]]
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:
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=U∗S∗VTA=U∗S∗VT
U和V都是正交矩阵,大小分别是m*m
、n*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
。
取k
,k<<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=Uk∗Sk∗VTkAk=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Rfilled−in=RRfilled−in=R,然后将Rfilled−inRfilled−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,Rfilled−inRfilled−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=U∗S∗VTRnorm=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=Uk∗Sk∗VTkRred=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、 Uk∗S12kUk∗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。S12k∗VTkSk12∗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。
S12k∗VTkSk12∗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S12k∗VTkSk12∗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:
-
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: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.