[置顶] 隐语义模型 —— 利用用户行为数据二 —— 《推荐系统实践》阅读笔记二

3、隐语义模型

LFM核心思想在于通过隐含的特征联系用户兴趣和物品，即基于用户行为的统计数据来自动聚类，发现物品中隐含的类别，从而用于推荐。

3.1 基础算法

（1） 假设物品中隐含的类别（ 隐特征）有 个，参数 用来表征用户u的兴趣和第k个隐类的关系，参数 用来表征第i个物品和第k个隐类之间的关系，从而LFM定义了用户u对物品i的兴趣度量方式： 。那么显然LFM核心在于通过用户行为数据得到参数 和 ，从而利用兴趣度量公式为每个用户推荐物品。

（2） 参数和的获取，LFM是通过机器学习的方法，即优化下述损失函数：

采用随机梯度下降法，很容易得到递推公式为

然后完成推荐程序即可。

（3） Python实现代码如下：

### Select the negative samples
### in implicit feedback dataset & TopN recommandation ###
def extendDataset(items_interacted, items_candidated):
	# the frequency of occurrence of certain item in the candidated items pool
	# is proportional to its popularity
	retDataset = dict()
	# positive samples
	for ii in items_interacted.keys():
		retDataset[ii] = 1
	# negative samples
	for ii in range(0, len(items_interacted)*3):
		# the upper bound len(items_interacted)*3 is for ensuring that
		# the number of negative samples is nearly same as positive samples
		item = items_candidated[random.randint(0, len(items_candidated)-1)]
		if item in retDataset:
			continue
		retDataset[item] = 0
		n += 1
		if n > len(items_interacted):
			break
	return retDataset

def LFM(user_items, K, alpha, lam, maxIter):
	[P, Q] = InitModel(user_items, K)
	for iter in range(maxIter):
		for user, items in user_items.items():
			samples = extendDataset(items)
			for item, rui in samples.items():
				eui = rui - Predict(user, item)
				for k in range(K):
					P[user][k] += alpha*(eui*Q[item][k]-lam*P[user][k])
					Q[item][k] += alpha*(eui*P[user][k]-lam*Q[item][k])
		alpha *= 0.9
	
def Recommend(user, P, Q):
	rank = dict()
	for item in Q.keys():
		for k, qik in Q[item].items():
			puk = P[user][k]
			if item not in rank:
				rank[item] += puk*qik
	return rank

3.2 性能评价

（1）这里首先讲述下上面程序中样本扩展的内容。由于此书的重点在于讨论隐反馈数据集下TopN推荐的问题，显然其中一个特点就是原数据集只有正样本而没有负样本，这对于LFM中的算法学习显然是不可行的，因此，必须在原数据集上想办法为每个用户生成负样本。这里采用以下原则：对于每个用户，从那些热门物品且他没有过行为的物品中采样出一些作为负样本，采样时，要保证每个用户的正负样本数目相当。

（2）在完成样本扩充之后，LFM在TopN推荐中的性能实际上由四个参数影响：隐特征的个数K，学习速率alpha，正则化参数lambda和负/正样本比例ratio。实验证明，参数ratio对LFM性能影响最大。

（3）由LFM算法可以看出，LFM在每次训练时，即计算参数和，都是在所有用户行为记录上进型的，而且为了效果更好，还要反复迭代，所以每次训练很耗时间和资源，一般实际应用中都是每天训练一次，很难实现实时更新。雅虎在新闻推送中为了解决LFM非常明显的冷启动问题，对兴趣计算公式采取了一些改进，有兴趣可以细读。

3.3 LFM与基于领域方法的比较

（1） 理论基础：LFM具有比较好的理论基础，是一种学习方法。基于领域的方法是一种基于统计的方法，没有学习的过程。

（2） 离线计算的空间复杂度：假设系统有M个用户和N个物品，基于领域的方法需要维护一张离线的相关表，可能这张表还是一张比较稠密的临时相关表，对于UserCF，用户相关表需要O(M*M)的空间，对于ItemCF，物品相关表需要O(N*N)的空间。对于有K个隐类的LFM来说，则需要O(K*(M+N))的存储空间。

（3） 离线计算的时间复杂度：进一步假设系统内每个用户对一件物品有F条评论的话，UserCF计算用户相关表需要的时间复杂度为O(N*(F/N)^2)，而ItemCF的物品相关表为O(M*(F/M)^2)，对于迭代S次的LFM来说，则是O(K*F*S)。一般情况下，LFM的时间复杂度稍高于基于领域的方法，但没有质的差别。

（4） 在线实时推荐：由于基于领域的方法可以将相关表缓存在内存中，可实施在线实时预测，由于LFM生成用户推荐列表速度太慢，因而不能执行在线实时计算，即当用户有了新的行为后，他的推荐列表并不会发生变化。

（5） 推荐解释：显然，LFM是没法提供推荐解释的。