tensorflow怎么作个性推荐？

个性推荐算法说的不少了，经常使用的模型是：

U*V= Q

其中Q是评分表，通常共3列：用户id，物品id，评分值

U是用户特征表，V是物品特征表。

算法的最终目标就是从Q算出U和V。那么Spark Mllib里有ALS算法能够作矩阵分解，其基本原理是最小交叉二乘法，用到了Breeze库的矩阵函数库。所谓交叉二乘就是轮流固定U或V，来算出V或U。好比第一轮固定U，来算出V，第二轮固定算出的V，来算出U。直到最后偏差收敛。

Spark里主要是用RDD框架来对数据分块计算，达到并行的特色。

而Tensorflow里用深度学习的方法来实现矩阵分解就更简便了，其基本原理是根据U*V和Q的差值来自动优化，深度学习的特色就是只要你搭建好了学习模型，那么只要自动训练就能够找到最优解，所以实现起来也很方便。

TensorFlow的代码能够参考以下。

一、收集原始数据

import pandas as pd
import numpy as np
import tensorflow as tf
 
# 第一步：------------------------收集和清洗数据 
ratings_df = pd.read_csv('F:\Machine\data_sets\ml-latest-small/ratings.csv')
# print(ratings_df.tail())
# tail命令用于输入文件中的尾部内容。tail命令默认在屏幕上显示指定文件的末尾5行。
# 相对应的有：ratings_df.head()
movies_df = pd.read_csv('F:\Machine\data_sets\ml-latest-small/movies.csv')
movies_df['movieRow'] = movies_df.index
# 生成一列‘movieRow’，等于索引值index
# print(movies_df.tail())
 
movies_df = movies_df[['movieRow', 'movieId', 'title']]
# 筛选三列出来
movies_df.to_csv('F:\Machine\data_sets\ml-latest-small/moviesProcessed.csv', index=False, header=True, encoding='utf-8')
# 生成一个新的文件moviesProcessed.csv
print(movies_df.tail())
 
ratings_df = pd.merge(ratings_df, movies_df, on='movieId')
# print(ratings_df.head())
ratings_df = ratings_df[['userId', 'movieRow', 'rating']]
# 筛选出三列
ratings_df.to_csv('F:\Machine\data_sets\ml-latest-small/ratingsProcessed.csv', index=False, header=True, encoding='utf-8')
# 导出一个新的文件ratingsProcessed.csv
print(ratings_df.head())

 

​​​​​​​二、建立用户矩阵和电影矩阵

# 第二步：-----------------------建立电影评分矩阵rating和评分纪录矩阵record
userNo = ratings_df['userId'].max() + 1
# userNo的最大值
movieNo = ratings_df['movieRow'].max() + 1
# movieNo的最大值
 
rating = np.zeros((movieNo, userNo))
print(rating.shape)
# 建立一个值都是0的数据
flag = 0
ratings_df_length = np.shape(ratings_df)[0]
 
print(np.shape(ratings_df))
# 查看矩阵ratings_df的第一维度是多少
for index, row in ratings_df.iterrows():
    # interrows（），对表格ratings_df进行遍历
    # rating[int(row['movieRow']), int(row['userId'])] = row['rating']
    # 等价于：
    rating[int(row['movieRow'])][int(row['userId'])] = row['rating']
    # 在rating表里的'movieRow'行和'userId'列处，填上row的‘评分’，即ratings_df对应的评分
    flag += 1
    # if (ratings_df_length-flag) % 5000 == 0:
    #     print(u'还剩多少待处理：%d' %(ratings_df_length-flag))
# print(rating[3][450])
record = rating > 0
record = np.array(record, dtype=int)
print(record)
 

 

三、预处理数据

对上一步的数据进行归一化处理。

# 第三步：----------------------------预处理数据 
def normalizeRatings(rating, record):
    m, n = rating.shape
    #m表明电影数量，n表明用户数量
    rating_mean = np.zeros((m, 1))
    #每部电影的平均得分
    rating_norm = np.zeros((m, n))
    #处理过的评分
    for i in range(m):
        idx = (record[i, :] != 0)
        #每部电影的评分，[i，:]表示每一行的全部列
        rating_mean[i] = np.mean(rating[i, idx])
        # 第i行，评过份idx的用户的平均得分
        # np.mean() 对全部元素求均值
        rating_norm[i, idx] = rating[i, idx] - rating_mean[i]
        #rating_norm = 原始得分-平均得分
    return rating_norm, rating_mean
 
rating_norm, rating_mean = normalizeRatings(rating, record)
rating_norm = np.nan_to_num(rating_norm)
# 对值为NaNN进行处理，改为数值0
# print(rating_norm)
rating_mean = np.nan_to_num(rating_mean)
# 对值为NaNN进行处理，改为数值0
# print(rating_mean)

 

四、构建模型和损失函数

# 构建模型
num_features = 12
X_parameters = tf.Variable(tf.random_normal([movieNo, num_features], stddev = 0.35))
Theta_parameters = tf.Variable(tf.random_normal([userNo, num_features], stddev = 0.35))
# tf.Variables()初始化变量
# tf.random_normal()函数用于从服从指定正太分布的数值中取出指定个数的值，mean: 正态分布的均值。stddev: 正态分布的标准差。dtype: 输出的类型
loss = 1/2 * tf.reduce_sum(((tf.matmul(X_parameters, Theta_parameters, transpose_b=True) - rating_norm) * record) ** 2) + \
       0.5*(1/2 * (tf.reduce_sum(X_parameters ** 2) + tf.reduce_sum(Theta_parameters ** 2)))
# 基于内容的推荐算法模型
train = tf.train.AdamOptimizer(1e-3).minimize(loss)

 

五、训练模型

# 第四步：------------------------------------训练模型 
tf.summary.scalar('train_loss', loss)
# 用来显示标量信息
summaryMerged = tf.summary.merge_all()
# merge_all 能够将全部summary所有保存到磁盘，以便tensorboard显示。
filename = 'F:\Machine\data_sets\ml-latest-small/movie_tensorborad.csv'
writer = tf.summary.FileWriter(filename)
# 指定一个文件用来保存图。
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
# 运行
for i in range(2000):
    _, movie_summary = sess.run([train, summaryMerged])
    # 把训练的结果summaryMerged存在movie里
    writer.add_summary(movie_summary, i)
    # 把训练的结果保存下来 

 

六、评估模型

# 第五步：-------------------------------------评估模型
 Current_X_parameters, Current_Theta_parameters = sess.run([X_parameters, Theta_parameters])
# Current_X_parameters为电影内容矩阵，Current_Theta_parameters用户喜爱矩阵
predicts = np.dot(Current_X_parameters, Current_Theta_parameters.T) + rating_mean
# dot函数是np中的矩阵乘法，np.dot(x,y) 等价于 x.dot(y)
errors = np.sqrt(np.sum(((predicts - rating) * record)**2))
# sqrt(arr) ,计算各元素的平方根
print(u'模型评估errors：', errors)

 

七、推荐电影

# 第六步：--------------------------------------构建完整的电影推荐系统 
user_id = input(u'您要想哪位用户进行推荐？请输入用户编号：')
sortedResult = predicts[:, int(user_id)].argsort()[::-1]
# argsort()函数返回的是数组值从小到大的索引值; argsort()[::-1] 返回的是数组值从大到小的索引值
print(u'为该用户推荐的评分最高的20部电影是：'.center(80, '='))
# center() 返回一个原字符串居中,并使用空格填充至长度 width 的新字符串。默认填充字符为空格。
idx = 0
for i in sortedResult:
    print(u'评分: %.2f, 电影名: %s' % (predicts[i, int(user_id)]-2, movies_df.iloc[i]['title']))
    # .iloc的用法：https://www.cnblogs.com/harvey888/p/6006200.html
    idx += 1
    if idx == 20:
        break