一.概述

目的:使用推荐系统可以给用户推荐更好的商品和服务,使得产品的利润更高

算法:协同过滤

协同过滤是推荐系统最常见的算法之一,算法适用用户过去的购买记录和偏好进行推荐

基于商品的协同过滤(IBCF计算每个商品之间的相似度矩阵):

　　1.任意两个商品计算相似度

　　2.每一个商品找出其k个最相似的商品

　　3.每一个用户找出那些商品与其之前购买的商品最接近的商品

基于用户的协同过滤(UBCF计算用户之间的相似度矩阵):

　　1.计算每个用户与用户之间的相似度,通常使用皮尔森相关系数和余弦距离

　　2.找出最相近的用户(KNN)

　　3.把新用户最相似的用户所购买的商品进行排名

　　4.基于相似性矩阵选出n个推荐的商品

二.案例

案例1:基于电影数据集的推荐(IBCF)

　　1.1导入包

library(reshape2)
library(ggplot2)
library(countrycode)
library(recommenderlab)

　　1.2查看数据集

data("MovieLense")
dim(MovieLense)
str(MovieLense)
head(MovieLense@data)

　

　　结论:该数据集是一个稀疏矩阵,每一行是观众对每部电影的打分,每一列是电影,一共有943观众,1664部电影

　　1.3找到评分大于0的电影

vector_rating <- as.vector(MovieLense@data)
table_rating <- table(vector_rating)

#查看非0的评分
vector_rating <- vector_rating[vector_rating!=0]
vector_rating <- factor(vector_rating)
qplot(vector_rating) + ggtitle(\'Distribution of the ratings\')

　　结论:3,4分的电影比较多

　　1.4找到被评分较多的电影和打分比较多的观众

#找到评分比较多的电影和打分比较多的用户
rating_moives <- MovieLense[rowCounts(MovieLense) > 50,colCounts(MovieLense) > 100]
dim(rating_moives)

　　结论:只有560部电影和322位观众符合条件

　　1.5划分数据集

#80%位训练集,20%位测试集
which_train <- sample(x=c(T,F),size = nrow(rating_moives),replace = T,prob = c(0.8,0.2))
recc_data_train <- rating_moives[which_train,]
recc_data_test <- rating_moives[!which_train,]

　　1.6建立推荐模型

#IBCF是基于商品的推荐
recc_model=Recommender(data = recc_data_train,method="IBCF")

　　1.7查看模型

model_detail <- getModel(recc_model)
model_detail$description
str(model_detail)

dim(model_detail$sim)
n_items_top <- 20
image(model_detail$sim[1:n_items_top,1:n_items_top],main = "Heatmap of the first rows and columns")

　　结论:从相似性矩阵中抽取20*20的数据进行热图展示,颜色越深的电影相关性越大

　　1.8使用模型进行推荐

#定义推荐的个数
n_recommended <- 6
recc_predicted <- predict(object = recc_model,newdata=recc_data_test,n=n_recommended)
recc_user_1 <- recc_predicted@items[[1]]
moive_user_1 <- recc_predicted@itemLabels[recc_user_1]
#查看第一个用户的推荐结果
moive_user_1

使用基于用户的电影推荐(UBCF)

 　　1.9建立基于用户的模型

recommender_models <- recommenderRegistry$get_entries(dataType ="realRatingMatrix")

　　1.10查看参数

recommender_models$UBCF_realRatingMatrix$parameters

　　结论:使用cosine来计算每个用户的相似性

　　1.11建立相关性矩阵

recc_model_UBCF = Recommender(data = recc_data_train,method=\'UBCF\',
                              param=list(normalize=\'Z-score\',nn=5,method=\'Cosine\'))
model_detail_UBCF <- getModel(recc_model_UBCF)
names(model_detail_UBCF)
model_detail_UBCF$dat

　　结论:模型的参数

　　1.12使用模型进行推荐

recc_predicted_UBCF <- predict(object = recc_model_UBCF,newdata=recc_data_test,n=n_recommended)

　　1.13查看推荐的结果

recc_martix <- sapply(recc_predicted_UBCF@items, function(x){
  colnames(rating_moives[x])
})
dim(recc_martix)
recc_martix[,1:4]

　　结论:根据用户进行推荐的结果

对二进制的数据进行建模(一般应用于网页的商品推荐)

## 基于商品的建模

recc_model=Recommender(recc_data_train,method="IBCF", param=list(method="Jaccard"))
model_details <- getModel(recc_model)
###定义推荐个数
n_recommended <- 6
recc_predicted <- predict(object = recc_model, newdata = recc_data_test, n = n_recommended)
recc_matrix <- sapply(recc_predicted@items, function(x){
  colnames(ratings_movies)[x]
})

recc_matrix[, 1:4]

###UBCF
##基于用户的建模
recc_model=Recommender(recc_data_train,method="UBCF", param=list(method="Jaccard"))
model_details <- getModel(recc_model)

n_recommended <- 6
recc_predicted <- predict(object = recc_model, newdata = recc_data_test,n = n_recommended)
recc_matrix <- sapply(recc_predicted@items, function(x){
  colnames(ratings_movies)[x]
})
dim(recc_matrix)

recc_matrix[, 1:4]

 

　　　　　　　　       IBCF 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　UBCF

使用 k-fold对模型进行验证

 　　1.14使用交叉验证

eval_set <- evaluationScheme(data=rating_moives,method=\'cross-validation\',k=4,given=15,goodRating=3)
# 不同类型的模型和随机推荐进行比较
models_to_evaluate <- list(
  IBCF_cos = list(name=\'IBCF\',param=list(method=\'cosine\')),
  IBCF_cor = list(name=\'IBCF\',param=list(method=\'pearson\')),
  UBCF_cos = list(name=\'UBCF\',param=list(method=\'cosine\')),
  UBCF_cor = list(name=\'UBCF\',param=list(method=\'pearson\')),
  random = list(name=\'Random\',param=NULL)
)

　　1.15作图比较

##定义推荐电影的个数
n_recommendations <- c(1, 5, seq(10, 100, 10))

##开始建模
list_results <- evaluate(x = eval_sets, method = models_to_evaluate, n
                         = n_recommendations)


### plot #通过做图查看模型差异

plot(list_results, annotate = 1, legend = "topleft")

title("ROC curve")

　　结论:使用基于用户的皮尔森作为推荐的模型是最优的

　　1.16对参数进行优化

# 参数优化
vector_k <- c(5, 10, 20, 30, 40)


models_to_evaluate <- lapply(vector_k, function(k){
  list(name = "IBCF", param = list(method = "cosine", k = k))
})


names(models_to_evaluate) <- paste0("IBCF_k_", vector_k)


n_recommendations <- c(1, 5, seq(10, 100, 10))
list_results <- evaluate(x = eval_set, method = models_to_evaluate, n
                         = n_recommendations)

par(mar=c(1.1 ,1.1, 1.1, 1.1))

plot(list_results, annotate = 1, legend = "topleft")
title("ROC curve")

　　

　　结论:基于商品的推荐模式下,每个用户推荐30部是最优策略

案例2基于网页的推荐(用户没有对网页评分,是根据用户点击浏览网页来获取用户的行为作为推荐的依据)

　　2.1导入包

library(data.table)
library(reshape2)
library(ggplot2)
library(countrycode)
library(recommenderlab)

　　2.2查看并清洗数据集

web_data <- read.csv(\'E:\\Udacity\\Data Analysis High\\R\\R_Study\\高级课程代码\\数据集\\第二天\\5推荐系统\\anonymous-msweb.test.txt\',header=FALSE)
head(web_data)
#选择前两列
table_users <- web_data[, 1:2]
##定义成data frame
table_users <- data.table(table_users)
#定义列名称
setnames(table_users, 1:2, c("category", "value"))
table_users <- table_users[category %in% c("C", "V")]
head(table_users)

 

　　结论:

　　　　1.该数据集一共有20492个对象,每个对象有6列

　　　　2.该数据集的前两列C的value表示用户ID,V的value表示用户访问的网页ID

 　　2.3将数据表转化成宽表

#每遇到一个新用户则chunk user +1
table_users[, chunk_user := cumsum(category == "C")]
head(table_users)
tail(table_users)

### 把user 和item 分成两列
table_long <- table_users[, list(user = value[1], item = value[-1]), by ="chunk_user"]
head(table_long)


### long to wide 长表变宽表
table_long[, value := 1]
table_wide <- reshape(data = table_long,
                      direction = "wide",
                      idvar = "user",
                      timevar = "item",
                      v.names = "value")
head(table_wide[, 1:8, with = FALSE])

 

 

　　   step1　　　　　　　　　　　　　　step2　　　　　　　　　　　　　　　　　　　　　　　　　　step3

　　2.4将宽表的列名进行修正(第一列是用户id,之后的每一列是Item id,每一个值是代表用户是否访问过该页面)

# 保存用户的id
vector_users <- table_wide[,user]
# 从数据集删除用户ID和chunk_user
table_wide[, user := NULL]
table_wide[, chunk_user := NULL]


##对列名称进行修正，只取前7个字符
setnames(x = table_wide,
         old = names(table_wide),
         new = substring(names(table_wide),7))

# 添加行名称,并转化成矩阵
matrix_wide <- as.matrix(table_wide)
rownames(matrix_wide) <- vector_users
head(matrix_wide[,1:6])

　　2.5画出相关性热力图

# 转换成二进制矩阵
matrix_wide[is.na(matrix_wide)] <- 0
ratings_matrix <- as(matrix_wide, "binaryRatingMatrix")

image(ratings_matrix[1:50, 1:50], main = "Binary rating matrix")

　　2.6获取其他的信息

# 如果有一些网页，在五千个人中访问不超过5的，则删掉
ratings_matrix <- ratings_matrix[, colCounts(ratings_matrix) >= 5]
# 如果有一些用户，在网页中点评数量少于5个则删除
ratings_matrix <- ratings_matrix[rowCounts(ratings_matrix) >= 5, ]
# 获取描述信息
table_in <- data.table(table_in)
table_items <- table_in[V1 == "A"]
head(table_items)
# 修改列名
table_items <- table_items[,c(2,4,5),with=F]
setnames(table_items,1:3,c(\'id\',\'description\',\'url\'))
table_items <- table_items[order(id)]
# 新增一列category,默认是product,如果描述在country_code中则category改为region
table_items[,category := \'product\']
name_countries <-c(countrycode_data$country.name)
                    
table_items[description %in% name_countries, category := "region"]

table_items[, list(n_items = .N), by = category]

 

　　　　    step1  　　　　　　　　　　　　　　　　　　　　　　　　step2                                                               step3

 　　2.7划分数据集

which_train <- sample(x=c(T,F),
                      size = nrow(ratings_matrix),
                      replace = T,
                      prob = c(0.8,0.2)
                      )
recc_data_train <- ratings_matrix[which_train,]
recc_data_test <- ratings_matrix[!which_train,]

　　2.8基于商品的推荐模型

web_model <- Recommender(data=recc_data_train,method=\'IBCF\',parameter=list(method=\'Jaccard\'))

　

　　2.9计算相似性矩阵

## item 的相似性矩阵(评分矩阵)
dist_ratings <- as(web_model@model$sim, "matrix")

## item category的相似性矩阵(商品之间的相似性矩阵)
dist_category <- table_items[, 1 - dist(category == "product")]
dist_category <- as(dist_category, "matrix")

dim(dist_category)
dim(dist_ratings)
## 给dist_category矩阵添加行名和列名
rownames(dist_category) <- table_items[, id]
colnames(dist_category) <- table_items[, id]

## 给dist_category矩阵抽取dist_ratings的长度,两个矩阵的大小要一致
vector_items <- rownames(dist_ratings)
dist_category <- dist_category[vector_items, vector_items]
dim(dist_category)

     

　　step1　　　　　　　　　　step2

　　2.10使用模型进行预测

## category matrix 包含信息较少，所以只给0.25的权重
weight_catrgory <- 0.25
dist_tot <- dist_category * weight_catrgory + dist_ratings * (1-weight_catrgory)
## 转换成相似性矩阵
web_model@model$sim <- as(dist_tot,\'dgCMatrix\')
## 设定推荐的个数
n_recommend <- 10
web_predict <- predict(object = web_model,newdata=recc_data_test,n=n_recommend)
head(web_predict@itemLabels,10)

　　结论:该用户最想看到的10个网站的ID

 

 总结:

　　1.了解业务需求

　　2.载入包

　　3.清洗并转换数据集

　　4.拆分数据集

　　5.建立IBCF模型,如果两个网站被相同用户访问的越多,其相似度越大

　　6.使用对网站的描述建立描述相似性矩阵,如果是相同的类型则为1,否则是0

　　7.对两个相似性矩阵进行加权平均

　　8.使用模型进行预测

 数据集:https://github.com/Mounment/R-Project

版权声明：本文为luhuajun原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/luhuajun/p/8716278.html