用户电影评分数据集下载

1) Item-Based,非个性化的，每个人看到的都一样

2) User-Based，个性化的，每个人看到的不一样对用户的行为分析得到用户的喜好后，可以根据用户的喜好计算相似用户和物品，然后可以基于相似用户或物品进行推荐。这就是协同过滤中的两个分支了，基于用户的和基于物品的协同过滤。在计算用户之间的相似度时，是将一个用户对所有物品的偏好作为一个向量，而在计算物品之间的相似度时，是将所有用户对某个物品的偏好作为一个向量。求出相似度后，接下来可以求相似邻居了。

3）基于模型（ModelCF）

        按照模型，可以分为：

        1）最近邻模型：基于距离的协同过滤算法

       2）Latent Factor Mode（SVD）：基于矩阵分解的模型

       3）Graph：图模型，社会网络图模型

适用场景

     对于一个在线网站，用户的数量往往超过物品的数量，同时物品数据相对稳定，因此计算物品的相似度不但     计算量小，同时不必频繁更新。但是这种情况只适用于电子商务类型的网站，像新闻类，博客等这类网站的     系统推荐，情况往往是相反的，物品数量是海量的，而且频繁更新。r语言实现基于物品的协同过滤算法      

  #引用plyr包    library(plyr)    #读取数据集    train<-read.table(file="C:/users/Administrator/Desktop/u.data",sep=" ")    train<-train[1:3]        names(train)<-c("user","item","pref")        #计算用户列表方法    usersUnique<-function(){      users<-unique(train$user)      users[order(users)]    }            #计算商品列表方法    itemsUnique<-function(){      items<-unique(train$item)      items[order(items)]    }        # 用户列表    users<-usersUnique()    # 商品列表    items<-itemsUnique()     #建立商品列表索引    index<-function(x) which(items %in% x)    data<-ddply(train,.(user,item,pref),summarize,idx=index(item))         #同现矩阵    cooccurrence<-function(data){      n<-length(items)      co<-matrix(rep(0,n*n),nrow=n)      for(u in users){    idx<-index(data$item[which(data$user==u)])    m<-merge(idx,idx)    for(i in 1:nrow(m)){      co[m$x[i],m$y[i]]=co[m$x[i],m$y[i]]+1    }      }      return(co)    }        #推荐算法    recommend<-function(udata=udata,co=coMatrix,num=0){      n<-length(items)            # all of pref      pref<-rep(0,n)      pref[udata$idx]<-udata$pref            # 用户评分矩阵      userx<-matrix(pref,nrow=n)            # 同现矩阵*评分矩阵      r<-co %*% userx            # 推荐结果排序       # 把该用户评分过的商品的推荐值设为0      r[udata$idx]<-0      idx<-order(r,decreasing=TRUE)      topn<-data.frame(user=rep(udata$user[1],length(idx)),item=items[idx],val=r[idx])      topn<-topn[which(topn$val>0),]            # 推荐结果取前num个      if(num>0){    topn<-head(topn,num)      }            #返回结果      return(topn)    }        #生成同现矩阵    co<-cooccurrence(data)     #计算推荐结果    recommendation<-data.frame()    for(i in 1:length(users)){      udata<-data[which(data$user==users[i]),]      recommendation<-rbind(recommendation,recommend(udata,co,0))     }

mareduce 实现

参考文章：

代码下载

spark ALS实现

Spark mllib里用的是矩阵分解的协同过滤，不是UserBase也不是ItemBase。

参考文章：

import org.apache.spark.SparkConfimport org.apache.spark.mllib.recommendation.{ALS, MatrixFactorizationModel, Rating}import org.apache.spark.rdd._import org.apache.spark.SparkContextimport scala.io.Sourceobject MovieLensALS {  def main(args:Array[String]) {    //设置运行环境    val sparkConf = new SparkConf().setAppName("MovieLensALS").setMaster("local[5]")    val sc = new SparkContext(sparkConf)    //装载用户评分，该评分由评分器生成(即生成文件personalRatings.txt)    val myRatings = loadRatings(args(1))    val myRatingsRDD = sc.parallelize(myRatings, 1)    //样本数据目录    val movielensHomeDir = args(0)    //装载样本评分数据，其中最后一列Timestamp取除10的余数作为key，Rating为值，即(Int，Rating)    val ratings = sc.textFile(movielensHomeDir + "/ratings.dat").map {      line =>        val fields = line.split("::")        // format: (timestamp % 10, Rating(userId, movieId, rating))        (fields(3).toLong % 10, Rating(fields(0).toInt, fields(1).toInt, fields(2).toDouble))    }    //装载电影目录对照表(电影ID->电影标题)    val movies = sc.textFile(movielensHomeDir + "/movies.dat").map {      line =>        val fields = line.split("::")        // format: (movieId, movieName)        (fields(0).toInt, fields(1))    }.collect().toMap    //统计有用户数量和电影数量以及用户对电影的评分数目    val numRatings = ratings.count()    val numUsers = ratings.map(_._2.user).distinct().count()    val numMovies = ratings.map(_._2.product).distinct().count()    println("Got " + numRatings + " ratings from " + numUsers + " users " + numMovies + " movies")    //将样本评分表以key值切分成3个部分，分别用于训练 (60%，并加入用户评分), 校验 (20%), and 测试 (20%)    //该数据在计算过程中要多次应用到，所以cache到内存    val numPartitions = 4    val training = ratings.filter(x => x._1 < 6).values.union(myRatingsRDD).repartition(numPartitions).persist()    val validation = ratings.filter(x => x._1 >= 6 && x._1 < 8).values.repartition(numPartitions).persist()    val test = ratings.filter(x => x._1 >= 8).values.persist()    val numTraining = training.count()    val numValidation = validation.count()    val numTest = test.count()    println("Training: " + numTraining + " validation: " + numValidation + " test: " + numTest)    //训练不同参数下的模型，并在校验集中验证，获取最佳参数下的模型    val ranks = List(8, 12)    val lambdas = List(0.1, 10.0)    val numIters = List(10, 20)    var bestModel: Option[MatrixFactorizationModel] = None    var bestValidationRmse = Double.MaxValue    var bestRank = 0    var bestLambda = -1.0    var bestNumIter = -1    for (rank <- ranks; lambda <- lambdas; numIter <- numIters) {      val model = ALS.train(training, rank, numIter, lambda)      val validationRmse = computeRmse(model, validation, numValidation)      println("RMSE(validation) = " + validationRmse + " for the model trained with rank = "        + rank + ",lambda = " + lambda + ",and numIter = " + numIter + ".")      if (validationRmse < bestValidationRmse) {        bestModel = Some(model)        bestValidationRmse = validationRmse        bestRank = rank        bestLambda = lambda        bestNumIter = numIter      }    }    //用最佳模型预测测试集的评分，并计算和实际评分之间的均方根误差（RMSE）    val testRmse = computeRmse(bestModel.get, test, numTest)    println("The best model was trained with rank = " + bestRank + " and lambda = " + bestLambda      + ", and numIter = " + bestNumIter + ", and its RMSE on the test set is " + testRmse + ".")    //create a naive baseline and compare it with the best model    val meanRating = training.union(validation).map(_.rating).mean()    val baselineRmse = math.sqrt(test.map(x => (meanRating - x.rating) * (meanRating - x.rating)).reduce(_ + _) / numTest)    val improvement = (baselineRmse - testRmse) / baselineRmse * 100    println("The best model improves the baseline by " + "%1.2f".format(improvement) + "%.")    //推荐前十部最感兴趣的电影，注意要剔除用户已经评分的电影    val myRatedMovieIds = myRatings.map(_.product).toSet    val candidates = sc.parallelize(movies.keys.filter(!myRatedMovieIds.contains(_)).toSeq)    val recommendations = bestModel.get      .predict(candidates.map((0, _)))      .collect()      .sortBy(-_.rating)      .take(10)    var i = 1    println("Movies recommended for you:")    recommendations.foreach { r =>      println("%2d".format(i) + ": " + movies(r.product))      i += 1    }    sc.stop()  }  /** 校验集预测数据和实际数据之间的均方根误差 **/  def computeRmse(model:MatrixFactorizationModel,data:RDD[Rating],n:Long):Double = {    val predictions:RDD[Rating] = model.predict(data.map(x => (x.user,x.product)))    val predictionsAndRatings = predictions.map{ x =>((x.user,x.product),x.rating)}      .join(data.map(x => ((x.user,x.product),x.rating))).values    math.sqrt(predictionsAndRatings.map( x => (x._1 - x._2) * (x._1 - x._2)).reduce(_+_)/n)  }  /** 装载用户评分文件 personalRatings.txt **/  def loadRatings(path:String):Seq[Rating] = {    val lines = Source.fromFile(path).getLines()    val ratings = lines.map{      line =>        val fields = line.split("::")        Rating(fields(0).toInt,fields(1).toInt,fields(2).toDouble)    }.filter(_.rating > 0.0)    if(ratings.isEmpty){      sys.error("No ratings provided.")    }else{      ratings.toSeq    }  }}

参考文章：

本文出自 “” 博客，请务必保留此出处