4

我正在努力弄清楚如何开始使用带有 MovieLens/Netflix 类型数据集的 SVD 进行评级预测。我非常感谢 python/java 中的任何简单示例，或所涉及过程的基本伪代码。有许多论文/帖子总结了整体概念，但我不确定如何开始实施它，即使使用了一些建议的库。

据我了解，我需要将我的初始数据集转换如下：

初始数据集：

    user    movie   rating
    1       43      3
    1       57      2
    2       219     4

需要转为：

user        1   2
movie   43  3   0
        57  2   0
        219 0   4

此时，我是否只需将该矩阵注入可用库提供的 SVD 算法中，然后（以某种方式）提取结果，还是需要我做更多的工作？

我读过的一些信息：

http://www.netflixprize.com/community/viewtopic.php?id=1043
http://sifter.org/~simon/journal/20061211.html
http://www.slideshare.net/NYCPredictiveAnalytics/building-a -recommendation-engine-an-example-of-a-product-recommendation-engine
http://www.slideshare.net/bmabey/svd-and-the-netflix-dataset-presentation
.. 和其他一些论文

一些库：
LingPipe(java)
Jama(java)
Pyrsvd(python)

任何提示都将不胜感激，尤其是在基本数据集上。非常感谢，奥利

4

2 回答 2

4

请参阅Apache Mahout 中的SVDRecommender。您关于输入格式的问题完全取决于您使用的库或代码。没有一个标准。在某种程度上，是的，代码将在内部构造某种矩阵。对于 Mahout，所有推荐器的输入（当作为文件提供时）是一个 CSV 文件，其中包含类似userID,itemID,rating.

于 2011-03-15T09:31:56.310 回答
2

数据集： http ://www.grouplens.org/node/73

SVD：SAGE如果您不了解如何进行 SVD，为什么不直接做呢？Wolfram alpha 或http://www.bluebit.gr/matrix-calculator/将为您分解矩阵，或者它在维基百科上。

于 2011-03-14T04:14:17.427 回答