推荐系统 - 基于SVD++的协同召回算法

最新推荐文章于 2024-06-14 11:14:58 发布

原创

最新推荐文章于 2024-06-14 11:14:58 发布 · 696 阅读

7 ·

CC 4.0 BY-SA版权

说明

1.SVD++相对SVD做了进一步的改进，主要的改进点还是在于兴趣矩阵的计算上，相对于之前的兴趣度计算方式，就入了更多的特征项来作为更好的评估依据，其主要增加了增加了用户对商品行为的隐式反馈向量的计算get_Yi ，训练，更新；以及用户对商品的行为集合构建。

2.其相对SVD的调整主要在这里把兴趣公式改成下式，其相对SVD结构，加入了右边的形式，通过隐式参数形式讲用户的喜好体现在模型中，其中Iu是用户u评论过的物品的集合，yj为隐藏的评价了物品j的个人喜好偏置，也通过梯度下降算法优化。这里的-1/2是个可调节的参数，具体新加内容的计算过程可以参见代码中的 getY函数。

。

代码实现： rating = self.avg + self.bi[iid] + self.bu[uid] + np.sum(self.qi[iid] * (self.pu[uid] + u_impl_prf))

代码

数据集下载地址： https://pan.baidu.com/s/1D4H4dMDdp-5P6B7mebAIVQ 提取码：0i46

因为兴趣计算式比SVD更复杂，所以其计算时间是比较漫长的，但是效果要比SVD好得多。

# -*- encoding:utf-8 -*-
# author: wangle

import numpy as np
import random
import time
import pickle
'''
     
        可以参考知乎这里的说明，  https://zhuanlan.zhihu.com/