r - 基于项目的协同过滤在推荐实验室 r 中不断运行

Question

我有一个稀疏矩阵sparse，其中 1100 列对应于产品，超过 130k 行对应于用户。此稀疏矩阵中的值为 1 或 NA，其中 1 对应于“购买”，NA 对应于“不购买”。

我将此矩阵转换为 arealRatingMatrix并尝试以这种方式构建 IBCF 模型：

item_rec <- Recommender(sparse[1:nrow(sparse)],method="IBCF", 
                        param=list(method="Cosine",k=30, normalize_sim_matrix = F,
                                   alpha = 0.5, na_as_zero = F))

这个命令已经运行了几个小时，而另一个带有UBCF方法的模型在几秒钟内完成：

rec <- Recommender(sparse[1:nrow(sparse)],method="UBCF", 
                   param=list(method="Cosine",nn=5, minRating=1))

虽然项目-项目相似度矩阵可能需要更多时间来构建，但花费这么多时间是正常的，还是我的代码或我的方法有问题（比如，我应该将其转换为 abinaryRatingMatrix还是使用不同的参数？ )

Answer 1

余弦距离现在是在密集矩阵上计算的（希望有一天会添加稀疏实现）。我认为创建完整矩阵然后计算距离需要很长时间。

您是否尝试过较小的样本？也许 1000 或 10000 行？