LibRec 学习笔记（八）：如何固定每次算法运行的推荐结果?

固定每次算法运行的推荐结果是非常有必要的，这样可以方便其他人进行复现。

一、算法的哪些部分发生变化可能会产生不一样的推荐结果?

• 数据集划分部分，比如下面的代码是按给定比例将数据集划分为测试集和训练集，如果采用的写法如下，那么一般会造成划分训练集和测试集数据的随机性，因此可能会导致不一样的推荐结果。
  
• 各种初始化部分，比如类似于矩阵分解类算法的用户矩阵 P 和物品矩阵 Q 的初始化，用户偏置向量，物品偏置向量，社交偏置向量的初始化，以及其他必要的数据结构的初始化的不同，都会导致最后训练的结果略微不同，从而导致不一样的推荐结果。
• 以及不同算法中的很多其他部分…

二、在 LibRec 中的解决办法

在我使用 LibRec 去写自己算法代码的时候，我发现即使我在 conf 配置项中设置了 “rec.random.seed” 一项的参数，最后每次产生的评估推荐结果还是不一样。

仔细走读代码发现，原来 LibRec 中用的Random 函数都是自己重新构造的一个新的类，叫 Randoms ，并且所有代码里面的 Random 的方法都是这个类里的成员方法，所以对于 LibRec 中的代码来说，只需要在自己运行代码的最前面，设置以下代码，即可保证后面所有的 random 固定下来。继而可以保证算法每次运行的推荐结果是固定的。

		Long seed = conf.getLong("rec.random.seed");
        if (seed != null) {
            Randoms.seed(seed);
        }	

三、如果是python代码的话

import random
import numpy as np
seed = 0
random.seed(seed)
np.random.seed(seed)