问题标签 [recommender-systems]

我使用 Surprise 和 Pandas Dataframe 制作了一个推荐系统原型。我还制作了一个命令行工具，它接受一些参数（如用户 ID、推荐类型等），主要问题是导入 Pandas 和 Surprise 需要太多时间，我需要它来运行脚本不到一秒钟。代码已经优化，我还添加了一些缓存功能。有没有办法优化导入时间或加快一点？

我正在为我的应用程序寻找推荐系统，该系统根据用户购买历史推荐专辑。我发现了一些系统/算法，例如协同过滤（基于用户/项目/模型/，混合）。哪一个最适合我的应用？或者你能给我一些更好的解决方案吗？

第一行，从意外导入 Reader, Dataset, SVD 工作正常。就是这样，它无法从惊喜包中导入评估。

我已经使用 conda 安装了 scikit-surprise。我认为它已成功安装。

首先我创建攻击文件（基于https://grouplens.org/datasets/movielens中的 ua.base 文件），其结构如下所示：

• 从用户的id从1到893，它的数据是原始的。
• 从用户的 id 从893 到 943（50 个用户），我将其更改为攻击配置文件（其模式为爱/恨攻击模式），其对项目 id 19 的评分为 1（最小值），随机选择50 个项目有5在评级值（最大值）中，最后一部分为空。

我已经编写了计算每个配置文件的 RDMA 的函数。

我还阅读了一些文件（https://dslab.epfl.ch/people/zamfir/widm2005.pdf或http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.329.4891&rep= rep1&type=pdf )，它表示 RDMA 用于检测虚假配置文件。

但问题是我不知道什么时候可以接受一个 RDMA，一个 RDMA 不是。我只是不清楚它必须确定编码。

我是新来的。抱歉，如果我做了任何不方便的话。

为简单的文本推荐系统定义函数时出现此语法错误。我觉得这很简单，我忽略了。

出局：(86, 1033)

出去：

'def' 和函数名称都是它们在 jupyter 笔记本中的适当颜色。间距看起来不错。不知道这笔交易是什么。有什么帮助吗？谢谢你。

我编写了下面的代码来构建用户项目矩阵和相似度矩阵，对电影镜头数据集使用了惊喜。使用 100K 数据集很好，但我尝试为 10M 数据集编译它，它没有完成超过 4 小时。我相信原因是迭代。你能帮我解决这个问题吗？

我是 PySpark 的新手。我正在尝试使用python和pyspark.mllib.recommendation pakage为推荐目的实现ALS（交替最小二乘矩阵分解）。根据PySpark 文档，我发现我应该使用排名指标来评估系统的隐式反馈。但不幸的是，文档在 python 部分没有更新，当我尝试自己实现它时，我在 RDD 类型上遇到了一些不同的问题。请帮我找到错误。我不确定是否应该在createDataFrame使用.rdd或者我应该使用另一个函数来创建 rdd 类型......

这是错误：

py4j.protocol.Py4JJavaError: 调用 o207.meanAveragePrecision 时出错。：org.apache.spark.SparkException：作业因阶段失败而中止：阶段 213.0 中的任务 0 失败 1 次，最近一次失败：阶段 213.0 中丢失的任务 0.0（TID 273，本地主机，执行程序驱动程序）：java.lang.ClassCastException : java.lang.Long 不能在 org.apache.spark.sql.catalyst.expressions.GenericRow 的 org.apache.spark.sql.Row$class.getSeq(Row.scala:283) 中转换为 scala.collection.Seq .getSeq(rows.scala:166) at org.apache.spark.mllib.api.python.PythonMLLibAPI$$anonfun$newRankingMetrics$1.apply(PythonMLLibAPI.scala:1070) at org.apache.spark.mllib.api.python .PythonMLLibAPI$$anonfun$newRankingMetrics$1.apply(PythonMLLibAPI.scala:1070) 在 scala.collection.Iterator$$anon$11.next(Iterator.scala:410) 在 scala.collection。

对于许多算法，例如 SVD，现成的内置函数是：

1. predictions = algo.fit(trainset).test(testset) -- 打印测试集的预测评分（因此对于用户已经给出评分的电影）

2. predictions = algo.predict(uid, iid) -- 预测uid的iid的评分

但是我怎样才能top N为用户打印推荐的电影（即使这个用户还没有看过/给某些电影评分）。我试过了："algo.fit(trainset).test(data)"但它给了我错误？

我也尝试过使用 KNN 来惊喜地打印k nearest neighbors用户在惊喜包示例中，它有 u.item 文件，但是如果我想使用我自己的数据（一个具有 uid、iid 和评级的表），如何我可以计算"raw id"用户和项目的吗？

我正在使用 FIFA 2020 数据集为足球运动员构建基于内容的 RecSys。在这种情况下，球员是“项目”，他们的得分（头球能力、运球技巧、位置得分等）是“评分”。我已经创建了余弦相似度矩阵来对每个玩家的相似度得分进行排名。我的模型只是为了做到这一点：对于任何给定的玩家，我的模型将显示前 5 个最相似的其他玩家。

我现在正处于评估模型的阶段，并且面临一些问题。在网上做了一些阅读后，我收集到我可能无法使用 RMSE 或 MAE 等统计测量。更合适的一种是 Precision and Recall（或更具体地说，Mean Average Precision MAP）。

问题是，所有这些评估指标都需要实际用户来验证（例如，实际上选择克里斯蒂亚诺·罗纳尔多作为与莱昂内尔·梅西相似的“正确”球员）。回到原始数据集，它不像电影评分/亚马逊商品的情况，其中商品实际上是由不同用户评分的——FIFA 2020 只是每个玩家的分数和属性的集合。因此，我无法“预测”另一个用户对另一个玩家的评分并以此为基础进行推荐。

因此，我想问一下是否有其他建议来评估我的模型，就推荐的类似玩家的“正确”程度而言？再一次，我的模型只是旨在显示任何给定玩家的前 5 个最相似的玩家。

我需要使用 mahout 制作推荐系统。我的数据有以下数据片段：

• userID -> 用户的数字 id
• foodID -> 包含食物的数字 id（例如番茄酱的 id 为 88）
• 评级 -> 用户给该项目的评级从 1 到 5
• brandID -> foodID 品牌的数字 id（例如 Heinz 可能是 id 4）

使用下面的代码：

这给出了 itemID 及其相应值的输出，但是我没有得到 brandID 的结果。我不确定如何更改它，以便品牌ID 也可以包含在数据结构中。

谢谢你的帮助 ：）