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。

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.

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),...]