基于cmfrec的矩阵分解推荐系统教程:融合辅助信息的协同过滤
2025-06-07 08:38:40作者:苗圣禹Peter
概述
本教程将详细介绍如何使用cmfrec库构建基于显式反馈数据的推荐系统,重点展示如何利用用户和物品的辅助信息来提升推荐效果。我们将以MovieLens100k数据集为例,该数据集包含约10万条电影评分,来自943位用户对1664部电影的1-5星评价。
矩阵分解基础
矩阵分解是推荐系统中最流行的技术之一,其核心思想是将用户-物品交互矩阵X近似分解为两个低维矩阵的乘积:
X ≈ ABᵀ + μ + b_A + b_B
其中:
- A和B是低维潜在因子矩阵(通常30-100维)
- μ是全局平均评分
- b_A和b_B分别是用户和物品的偏置项
cmfrec库默认使用带L2正则化的交替最小二乘法(ALS)进行优化,并采用动态调整的正则化强度。
数据准备
我们从recommenderlab包中加载MovieLens100k数据,并将其转换为COO格式的稀疏矩阵:
library(cmfrec)
library(Matrix)
library(MatrixExtra)
library(recommenderlab)
data("MovieLense")
X <- as.coo.matrix(MovieLense@data)
训练测试集划分
我们将数据随机分为75%训练集和25%测试集:
subsample_coo_matrix <- function(X, indices) {
X@i <- X@i[indices]
X@j <- X@j[indices]
X@x <- X@x[indices]
return(X)
}
set.seed(123)
n_ratings <- length(X@x)
ix_train <- sample(n_ratings, floor(0.75*n_ratings), replace=FALSE)
X_train <- subsample_coo_matrix(X, ix_train)
X_test <- subsample_coo_matrix(X, -ix_train)
基础矩阵分解模型
首先我们构建一个经典的矩阵分解模型:
model.classic <- CMF(X_train, k=25, lambda=0.1, scale_lam=TRUE, verbose=FALSE)
模型评估
我们使用均方根误差(RMSE)评估模型在测试集上的表现:
print_rmse <- function(X_test, X_hat, model_name) {
rmse <- sqrt(mean((X_test@x - X_hat@x)^2))
cat(sprintf("RMSE for %s is: %.4f\n", model_name, rmse))
}
pred_classic <- predict(model.classic, X_test)
print_rmse(X_test, pred_classic, "classic model")
作为对比,非个性化模型的RMSE通常更高:
model.baseline <- MostPopular(X_train, lambda=10, scale_lam=FALSE)
pred_baseline <- predict(model.baseline, X_test)
print_rmse(X_test, pred_baseline, "non-personalized model")
模型优化技巧
我们可以通过以下方式改进基础模型:
- 使用Cholesky分解代替共轭梯度法
- 增加迭代次数
- 添加隐式特征共同分解
model.improved <- CMF(X_train, k=25, lambda=0.1, scale_lam=TRUE,
add_implicit_features=TRUE, w_main=0.75, w_implicit=0.25,
use_cg=FALSE, niter=30, verbose=FALSE)
融入辅助信息
集体矩阵分解(Collective Matrix Factorization)通过同时分解交互矩阵和辅助信息矩阵来提升推荐效果:
X ≈ ABᵀ + μ + b_A + b_B
U ≈ ACᵀ + μ_U
I ≈ BDᵀ + μ_I
其中U和I分别是用户和物品的特征矩阵。
准备辅助数据
我们从原始数据中提取用户和电影的特征:
# 用户特征
U <- MovieLenseUser
U$id <- NULL; U$zipcode <- NULL
U$age2 <- U$age^2
U$age <- (U$age - mean(U$age))/sd(U$age)
U$age2 <- (U$age2 - mean(U$age2))/sd(U$age2)
U <- model.matrix(~.-1, data=U)
# 电影特征
I <- MovieLenseMeta
I$title <- NULL; I$url <- NULL
I$year <- ifelse(is.na(I$year), median(I$year, na.rm=TRUE), I$year)
I$year2 <- I$year^2
I$year <- (I$year - mean(I$year))/sd(I$year)
I$year2 <- (I$year2 - mean(I$year2))/sd(I$year2)
I <- as.coo.matrix(I)
构建融合辅助信息的模型
model.w.sideinfo <- CMF(X_train, U=U, I=I, NA_as_zero_item=TRUE,
k=25, lambda=0.1, scale_lam=TRUE,
niter=30, use_cg=FALSE, include_all_X=FALSE,
w_main=0.75, w_user=0.5, w_item=0.5, w_implicit=0.5,
center_U=FALSE, center_I=FALSE, verbose=FALSE)
模型比较
下表展示了不同模型的RMSE表现:
| 模型类型 | RMSE |
|---|---|
| 非个性化模型 | 1.0516 |
| 经典矩阵分解 | 0.9431 |
| 改进的经典模型 | 0.9398 |
| 融合辅助信息的模型 | 0.9395 |
生成推荐列表
在实际应用中,我们通常需要为用户生成Top-N推荐列表。cmfrec提供了多种预测函数支持冷启动和热启动场景。
为现有用户推荐
# 重新训练全量数据模型
model.classic <- CMF(X, k=20, lambda=10, scale_lam=FALSE, verbose=FALSE)
model.w.sideinfo <- CMF(X, U=U, I=I, k=20, lambda=10, scale_lam=FALSE,
w_main=0.75, w_user=0.125, w_item=0.125, verbose=FALSE)
# 获取用户推荐
topN_classic <- topN(model.classic, user=10, n=5)
topN_sideinfo <- topN(model.w.sideinfo, user=10, n=5)
注意事项
- 由于数据量较小,RMSE的标准误差较大
- 模型超参数未经充分调优
- 测试集中可能包含训练集未出现的用户和物品
- RMSE指标可能掩盖过拟合问题
- 在小数据集上,动态调整的正则化可能产生不稳定的推荐结果
本教程展示了cmfrec库在构建推荐系统时的核心功能,通过合理利用辅助信息,我们可以构建出更加强大和灵活的推荐模型。
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp Cafe Menu项目中link元素的void特性解析2 freeCodeCamp课程中屏幕放大器知识点优化分析3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp课程视频测验中的Tab键导航问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp博客页面工作坊中的断言方法优化建议7 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析8 freeCodeCamp英语课程填空题提示缺失问题分析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp音乐播放器项目中的函数调用问题解析
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 Python案例资源下载 - 从入门到精通的完整项目代码合集
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
246
2.44 K
deepin linux kernel
C
24
6
仓颉编译器源码及 cjdb 调试工具。
C++
116
89
React Native鸿蒙化仓库
JavaScript
216
297
仓颉编程语言测试用例。
Cangjie
34
79
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
355
1.69 K
暂无简介
Dart
545
119
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.01 K
595
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
407
Ascend Extension for PyTorch
Python
84
118