每日一博 | KTV 歌曲推荐——深入浅出协同过滤
前言
推荐算法有很多,最基础的就是协同过滤,前段时间对KTV数据比较感兴趣,大家去唱歌也只是唱熟悉的歌,那是不是有办法给大家一些建议拓展一下唱歌的宽度呢。KTV推荐可能要考虑很多因素,比如唱歌者的音域,年龄,地区,喜好,等等。第一版算法暂时只从item base的角度出发去给用户推荐。由于是个人兴趣,所以没有模型反馈迭代的过程,有兴趣的可以自己实现。
协同过滤算法
协同过滤又叫行为相似召回,其实就是基于共现的一种相似度计算。 Item Base的协同过滤算法有几个关键概念:
相似度计算
相似度计算有很多种:共现相似度,欧几里得距离,皮尔逊相关系数,等等这里使用的是共现相似度,公式如下:
其中N(i)为喜欢i歌曲的用户数,同样N(j)为喜欢j歌曲的用户数,分子为同时喜欢i,j的用户数。该公式为改良公式,分子中加入了N(j)对相似度进行惩罚。这里不细讲。
ItemBase和UserBase
UserBase
寻找兴趣相似的用户,然后将偏好相同的用户的歌曲推荐给被推荐用户,表中发现A和C用户都喜欢i和k歌曲所以两个用户相似,所以将C用户的歌曲l推荐给A用户。如果用共现的方式去表述就是。这里细节计算的时候会涉及到用户打分和相似用户数据排序汇总。我这里都是概述。
用户/歌曲 | 歌曲i | 歌曲j | 歌曲k | 歌曲l |
---|---|---|---|---|
用户A | 1 | 1 | 推荐 | |
用户B | 1 | |||
用户C | 1 | 1 | 1 |
ItemBase
与UserBase类似,计算相似的时候使用的是歌曲矩阵找到相似的歌曲,然后根据用户历史数据进行推荐,大概原理如下表。表中发现i,k歌曲同事被A,B两个用户喜欢,所以i,k相似,如果C用户喜欢i歌曲那么他应该也喜欢相似的k歌曲.
用户/歌曲 | 歌曲i | 歌曲j | 歌曲k |
---|---|---|---|
用户A | 1 | 1 | |
用户B | 1 | 1 | 1 |
用户C | 1 | 推荐 |
这里使用的是ItemBase
算法实现
得到用户对歌曲的one hot矩阵
- 将歌曲去重,按歌名排序
- 得到歌曲和索引的转换字典
计算得到歌曲对歌曲的共现度矩阵
- 计算共现矩阵
- 计算单个歌曲的出现次数
- 计算共现率值公式计算共现度
推荐
如果用户喜欢i歌曲则
得到推荐歌曲为k歌曲
代码实现
获取数据
import elasticsearch import elasticsearch.helpers import re import numpy as np import operator def trim_song_name(song_name): """ 处理歌名,过滤掉无用内容和空白 """ song_name = song_name.strip() song_name = re.sub("-?【.*?】", "", song_name) song_name = re.sub("-?(.*?)", "", song_name) song_name = re.sub("-?(.*?)", "", song_name) return song_name def get_data(size=0): """ 获取uid=>作品名list的字典 """ cur_size=0 ret = {} es_client = elasticsearch.Elasticsearch() search_result = elasticsearch.helpers.scan( es_client, index="ktv_works", doc_type="ktv_works", scroll="10m", query={} ) all_songs_list = [] all_songs_set = set() for hit_item in search_result: cur_size += 1 if size>0 and cur_size>size: break item = hit_item['_source'] work_list = item['item_list'] ret[item['uid']] = [trim_song_name(item['songname']) for item in work_list] return ret def get_uniq_song_sort_list(song_dict): """ 合并重复歌曲并按歌曲名排序 """ return sorted(list(set(np.concatenate(list(song_dict.values())).tolist())))
相似度计算
import math # 共现数矩阵 col_show_count_matrix = np.zeros((song_count, song_count)) one_trik_matrix = np.zeros(song_count) for i in range(song_count): for j in range(song_count): if i>j: # 对角矩阵只计算一半的矩阵 one_trik_matrix = np.zeros(song_count) one_trik_matrix[i] = 1 one_trik_matrix[j] = 1 ret_m = user_song_one_hot_matrix.dot(one_trik_matrix.T) col_show_value = len([ix for ix in ret_m if ix==2]) col_show_count_matrix[i,j] = col_show_value col_show_count_matrix[j,i] = col_show_value # 相似度矩阵 col_show_rate_matrix = np.zeros((song_count, song_count)) # 歌曲count N(i)矩阵 song_count_matrix = np.zeros(song_count) for i in range(song_count): song_col = user_song_one_hot_matrix[:,i] song_count_matrix[i] = len([ix for ix in song_col if ix>=1]) # 相似度矩阵计算 for i in range(song_count): for j in range(song_count): if i>j: # 对角矩阵只计算一半的矩阵 # 相似度计算 N(i)nN(j)/sqart(N(i)*N(j)) rate_value = col_show_count_matrix[i,j]/math.sqrt(song_count_matrix[i]*song_count_matrix[j]) col_show_rate_matrix[i,j] = rate_value col_show_rate_matrix[j,i] = rate_value
推荐
import operator def get_songs_from_recommand(col_recommand_matrix): return [(int_to_song[k],r_value) for k,r_value in enumerate(col_recommand_matrix) if r_value>0] input_song = "十年" # 构造被推荐矩阵 one_trik_matrix = np.zeros(song_count) one_trik_matrix[song_to_int[input_song]] = 1 col_recommand_matrix = col_show_rate_matrix.dot(one_trik_matrix.T) recommand_array = get_songs_from_recommand(col_recommand_matrix) sorted_x = sorted(recommand_array, key=lambda k:k[1], reverse=True) # 获取推荐结果 print(sorted_x)
结果
[('三生三世', 0.5773502691896258), ('下个路口见', 0.5773502691896258), ('不分手的恋爱', 0.5773502691896258),...]
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
11 月入选码云 GVP 最有价值开源项目一览表
GVP (Gitee MostValuableProject ) - 码云最有价值开源项目计划是码云综合评定出的优秀开源项目的展示平台。GVP 项目的评选既要满足客观的硬指标,还需要通过评委会主观的投票认可。经过 2 年多时间,目前 Gitee 的 GVP 项目已有两百多个。 下面是 2019年11月最新入选 GVP 的项目列表(安装入选时间先后顺序排列): Dapps 一个应用程序商店,包含丰富的软件,因为基于docker,使你本机电脑有云开发的效果。 一键安装程序;多版本共存,完善的使用说明,且不影响本机环境。 前端、服务端、运维、站长可以直接使用,效率提高非常多。普通用户亦可使用其中部分软件 授权许可:Apache Radar 实时风控引擎(Risk Engine),自定义规则引擎(Rule Script),完美支持中文,适用于反欺诈(Anti-fraud)应用场景,开箱即用!!!移动互联网时代的风险管理利器 授权许可:Apache FastDFS FastDFS是一款轻量级的开源分布式文件系统,功能包括:文件存储、文件同步、文件上传、文件下载等,解决了文件大容量存储和高性能...
- 下一篇
Mozilla Firefox 72 Nightly 在默认情况下阻止指纹脚本
目前,Mozilla 已在 Firefox 72 Nightly 的增强跟踪保护的标准模式中启用了“指纹识别器”选项,默认情况下启用了标准内容阻止模式,当用户上网时,将受到保护,使其免受指纹脚本的攻击。Firefox 72 计划于 2020 年 1 月 7 日发布。 当前具有标准模式的 Firefox 70 稳定版可阻止社交媒体跟踪器,跨站点跟踪 cookie,默认情况下跟踪私有窗口中的内容和 Cryptominer。 有些网站可以根据用户的系统配置,屏幕分辨率,使用的浏览器,安装的字体为其构图,这称为指纹识别,当用户选择“严格”或在自定义模式下启用“指纹识别器”时,Firefox 可以使用“增强的跟踪保护”来防御此类脚本。 参考消息:https://techdows.com/2019/11/mozilla-firefox-72-nightly-now-blocks-fingerprinting-scripts-by-default.html
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
-
Docker使用Oracle官方镜像安装(12C,18C,19C)
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS8编译安装MySQL8.0.19
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
推荐阅读
最新文章
- CentOS7,CentOS8安装Elasticsearch6.8.6
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- CentOS6,CentOS7官方镜像安装Oracle11G
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- 设置Eclipse缩进为4个空格,增强代码规范
- Mario游戏-低调大师作品
- MySQL8.0.19开启GTID主从同步CentOS8
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果