推荐系统之 BPR 算法及 Librec的BPR算法实现【2】

先前的是：推荐系统之 BPR 算法及 Librec的BPR算法实现【1】

 

LibREC源码里的BPR算法的输入比较是：“（购买+点击）v.s.没出现的”，先前有修改过一次是让输入比较对为：“购买v.s. 点击”。

如今的状况是：以上两者结合起来，即比较对是：“（购买+点击）v.s.没出现的”+“购买v.s. 点击”的比较对。

 

就好比，购买了1，点击了2，而未出现的设为3和4（隐式 item）。

原先代码默认的比较对比较方式（正样本>负样本）是：1>3；1>4；2>3；2>4.；

 

如今还要加上一个 1>2 的比较对。

 

所以最终的比较对是：1>2 ；1>3；1>4；2>3；2>4.

 

LibREC社区的不二前辈的建议是：

写代 码：正样本只采样1-2的物品。

而后采样到1的时候，采样2-4的物品做为负样本。

采样到2的时候，采样3-4的物品做为负样本。

 

 

目前，BRP训练完的数据是没有缓存的。（——能够等下个版本。我记得@王宇峰 在实现模型的序列化和反序列化。1.3就尽快迁移到2.0吧。或者亦能够本身实现一下，用Json或者Kyro保存。参考一下相关文章。 ）

 

 

【个人最终作法】

正样本 i 是已经肯定能够采样出来。即为购买+点击的item

负样本 j 来源于两部分，一个是点击无购买item，一部分是隐式item（随机）。由于两个集合没办法放一块儿，故采用随机数的方法，若是随机数等于1，采样后者，若是随机数等于0，采样前者。