<h2>前言</h2>    <p>在上篇文章 <a href="/misc/goto?guid=4959673442466158538" rel="nofollow,noindex">豆瓣电影，电视剧DM实战</a> 中提及到，我和室友们产生了剧荒，萌生出要做一个个人用的推荐系统，解决剧荒的问题，经过一轮的死缠烂打，这个个人推荐系统终于成型了。</p>    <p>今天来分享一下心得，对此感兴趣的朋友可以自己对着写一个。</p>    <h2>传统推荐系统算法</h2>    <p>首先介绍一下传统的推荐系统方法，之所以叫它传统，是因为大部分学习资料上都是用这一个方法。</p>    <p>我们来假设有这么一个矩阵(用 python 的列表表示):</p>    <pre>    [# A B C D E      [2,0,0,4,4], #1      [5,5,5,3,3], #2      [2,4,2,1,2]  #3      ......    ]  </pre>    <p>矩阵的行代表用户，列表示物品，其交点表示用户对该物品的评分。</p>    <p>假设现在 <strong>用户1</strong> 需要选商品，推荐系统则假设其会选择并未选择过的商品，因此，系统会在第一行中寻找评分为0的物品，显然会找到 <strong>B</strong> 和 <strong>C</strong> 。这时，该怎么知道是推荐 <strong>B</strong> 还是 <strong>C</strong> 呢？(假设用户只需推荐一个),这时则需要计算B、C和用户以前选择过的物品(已评分)的相似度。</p>    <p>仅仅算出相似度还不够，因为你不能判断这到底是好的那一部分相似还是坏的部分相似。所以这时，我们需要 <strong>引入用户的评分作为相似度计算的权重</strong> ， 评分X相似度 得到最后的得分（该得分会一直累加， <strong>则B的推荐得分会是B与A，D，E的相似得分的累加和</strong> ）。这样一来，评分低物品的最后得分自然就低，评分高的物品自然得分就高，这时问题就简化成排序问题了。</p>    <p>显然，上述问题的核心在于如何计算相似度。</p>    <p>这里给出计算相似度的两种方法：</p>    <ul>     <li> <p>欧式距离法</p> <p>以 <strong>B</strong> 和 <strong>A</strong> 的相似度为例：</p> <p>similar = 1/sqrt((0-2)^2 + (5-5)^2 + (4-2)^2 ……) 最后B与A的相似得分还得乘上评分， score = similar * 2</p> </li>     <li> <p>余弦相似度</p> <p>$$costheta=frac{Acdot B}{||A||||B||}$$</p> <p>AB为两列向量，||A||表示A的2范数</p> <p>特别注意一点的是，cos的取值是-1~1,我们需要将其归一化，即把范围弄成在0~1上。于是相似度计算公司变成 0.5 + 0.5*cos</p> </li>    </ul>    <h2>少用户推荐系统的创新</h2>    <p>在上述的内容中，我们可以发现传统的方法有一个特出的问题， 传统的算法需要大量的用户评分，即矩阵的行数需要较多才能得出的结果才值得参考 。这一个需求咋看起来是没什么问题，也符合我们的逻辑，唯有数据量足够，我们才能找到较为准确的规律嘛。</p>    <p>但回到我的需求上来说，这可是一个明显的缺点，在前言我说明的需求上说过 <strong>这是一个给宿舍甚至是个人使用的推荐系统。</strong></p>    <p>也就是说:</p>    <ul>     <li> <p>我们无法提供大量数据。</p> </li>     <li> <p>我们很懒，我们最可能是告诉系统我从它的推荐中采纳了哪一部的电影，而不会去评分，我们可能告诉它质量是否可以接受，但不会像豆瓣用户那样给出0~10的准确分数。</p> </li>    </ul>    <p>因此，传统的推荐算法有很多不适合我需求的地方，但是看问题要看本质。 无非就是根据用户的特性，或者根据商品特性，进行与训练好的模型进行相似性比较。 抓住这些特点，我做了少少的"创新"</p>    <ul>     <li> <p>不基于用户的评分作相似度，而是用商品的 label 做标准</p> <p>现在很多商品尤其是音乐或者电影，都会具有自己的 label ，比如说 喜剧 ， 悬疑 ，其次还有 主演 ， 导演 等可以作为其特征。电商平台上也有诸如商品种类 衣服 , 女鞋 ， 包包 ,等，而某些物品，例如衣服，那么衣服的 品牌 ， size ，都可以作为用户的一个选择的特征。</p> </li>    </ul>    <ul>     <li> <p>用户模型是动态更新的</p> <p>这一点不难理解，如果一个用户长期使用使用该系统，那么他的选择中很可能已经覆盖了大量的label，这时基于label的推荐系统则很难区分该用户的喜好。这是我们有两个解决方法。第一个是允许用户自定义label，比如SF就可以自定义问题或文章的标签，这样增大了label的多样性。当然，这个解决方案只能算一个缓解的方案，要想彻底解决，我觉得需要给特征选定有效期。</p> <p>增加有效期后，用户的选择可以反应出一个时间段内的需求。 假设这样一个场景，一名用户准备去旅游了，他可能会大量浏览旅游用品的出售页面，例如一次性牙膏等，这时，就可以向该用户推荐出售旅行用品的网站了。而超过了特征的有效期，例如一周，这时用户已经旅游回来，因为特征已经无效，推荐系统不再推荐旅游用品（这样用户不会觉得莫名其妙。个人经历，现在某些网站就往往会出现明显已经超过我感兴趣时限的推荐），而是开始重新收集用户新一周浏览的特征，动态构建用户模型，推荐用户下一阶段他可能需要的物品</p> </li>    </ul>    <p>实现上述想法，在python中，我们可以这么做,实现如下字典</p>    <pre>  record = {      "labelName":(weight,time),      "labelName2":(weight,time)      ……  }    #labelName是标签名称，在该标签下有一个元组，元组的第一个字段是这个标签的权重。  #权重越大，表示用户越喜欢这个标签。  #第二个字段是创建该标签的起始时间</pre>    <p>在实现推荐时，则较为容易实现，给定 testList 。这时需要:</p>    <ul>     <li> <p>创建名 res 的空字典</p> </li>     <li> <p>遍历 testList ，每一个对象命名为 t</p> </li>     <li> <p>遍历 t 具有的 label ，根据 label 从 record 上获取信息。</p> </li>     <li> <p>同时获取当前时间 time2 ，如果 time2-time 超出了规定时限，则该标签的信息无效，忽略该 label ，同时删除 record 里面的对应的字段。</p> </li>     <li> <p>若该标签有效，则 t 的得分加1，并将t的下标 index 作为 key 假如到一个 res 中</p> </li>     <li> <p>遍历完成后，对 res 字典按 value 排序</p> </li>     <li> <p>最后，可以根据需要对排序结果进行访问。并入只获取最高的前5名。</p> </li>    </ul>    <p>这样，一个 <strong>适合少用户的推荐系统</strong> 就弄出来啦~</p>    <p>现在正在宿舍投入运行，至于效果如何可能要一段时间才知道了</p>    <h2>后话</h2>    <p><a href="/misc/goto?guid=4959673442555217507" rel="nofollow,noindex">github 地址</a></p>    <p>说明一下，github上 <strong>只是提供了一个实现了上述改进后思路的类</strong> recommend.py ，并不是一个成型的推荐系统，你可以下载后，根据这个类进行二次开发，比如:</p>    <ul>     <li> <p>利用flask框架包装成一个web应用</p> </li>     <li> <p>结合该类并利用SMTP协议，弄一个自动往邮箱发信息的脚本，推荐的电影信息</p> </li>     <li> <p>将类实例化，弄出简单的命令行应用</p> </li>    </ul>    <p>迟下我会上传一个使用falsk封装的一个简单的 webserver 去github,可以通过 web API 请求，返回 json 格式的电影信息。</p>    <p>如有错误，望指正。</p>    <p> </p>    <p>来自： <a href="/misc/goto?guid=4959673442635318251" rel="nofollow">https://segmentfault.com/a/1190000005152849</a></p>    <p> </p>