implicit实现协同过滤实时推荐系统

!文章内容如有错误或排版问题，请提交反馈，非常感谢！

Implicit简介

Implicit是一个开源的协同过滤项目，其包含多种流行的推荐算法，主要应用场景是针对隐性反馈行为进行推荐。包含的算法主要有：

ALS（alternating least squares），最小交替二乘法
BRP（Bayesian Personalized Ranking），贝叶斯个性化排序
Logistic Matrix Factorization
使用Cosine, TF-IDF或BM25的近邻模型

Implicit使用

数据准备

Implicit输入需要使用的数据格式为user_id/item_id/rating，其中对于隐性评分的场景，可以根据具体情况进行设置，比如：

按照浏览时间设置不同的rating
按照浏览深度设置不同的rating（是否看过图片、点评等）
按照不同行为设置不同的rating（浏览、收藏、加购）

模型训练

import pandas as pd
import numpy as np
import scipy.sparse as sparse
import implicit

df = pd.read_csv("./data/user_visit.csv")
df['user_label'], user_idx = pd.factorize(df['user_id'])
df['item_label'], item_idx = pd.factorize(df['item_id'])

sparse_item_user = sparse.csr_matrix((df['rating'].astype(float), (df['item_label'], df['user_label'])))
sparse_user_item = sparse.csr_matrix((df['rating'].astype(float), (df['user_label'], df['item_label'])))
model = implicit.als.AlternatingLeastSquares(factors=50, regularization=0.1, iterations=50)
model.fit(sparse_item_user)

data = {
'model.item_factors': model.item_factors,
'model.user_factors': model.user_factors,
'item_labels': item_idx,
}
als_model_file = "user_visit.npz"
np.savez(als_model_file, **data)

注意：

这里使用了ALS算法，具体模型参数怎么调优目前还没有好的解决方案，给出的参数是随意给的。
这里将模型结果存储到.npz文件中，便于后期直接使用，而不是每次使用时都要训练。
需要对原先的user_id，item_id进行重新编码，否则会报错

模型使用

#加载模型
data = np.load(als_model_file, allow_pickle=True)
model = implicit.als.AlternatingLeastSquares(factors=data['model.item_factors'].shape[1])
model.item_factors = data['model.item_factors']
model.user_factors = data['model.user_factors']
model._YtY = model.item_factors.T.dot(model.item_factors)
item_labels = data['item_labels']

#基于酒店推荐：
item_id = 1024
item_lable = list(item_labels).index(item_id)
related = model.similar_items(item_lable, N=10)
for item_lable, score in related:
print(item_labels[item_lable], score)

#基于用户推荐
user_id = 10
user_label = list(user_idx).index(user_id)
sparse_user_items = sparse_item_user.T.tocsr()
recommendations = model.recommend(user_label, sparse_user_items)
for item_id, score in recommendations:
print(item_idx[item_id], score)

实时推荐

实时推荐的方案是使用离线模型结合实时行为进行推荐，而不是把整个模型部署到线上实时运行。中间主要区别是用户ID是不存在的，所以不能使用userid进行直接推荐。具体实现方式如下：

item_ids = [1024, 2046]
item_weights = [2, 3]
user_label = 0
user_items = None
item_lb = [list(item_labels).index(i) for i in item_ids]
user_ll = [0]*len(item_ids)
confidence = [10]*len(item_ids) if item_weights is None else item_weights
user_items = sparse.csr_matrix((confidence, (user_ll, item_lb)))
recommendations = model.recommend(user_label, user_items, N=10, recalculate_user=True)
for item_id, score in recommendations:
print(item_labels[item_id], score)

#根据返回的结果，获取推荐理由：
itemid = list(item_labels).index(2048)
model.explain(user_label, user_items, itemid, user_weights=None, N=1)

参考资料：

Building a Collaborative Filtering Recommender System with ClickStream Data

ALS Implicit Collaborative Filtering