推荐系统之矩阵分解及其Python代码实现

有如下R(5,4)的打分矩阵：（“-”表示用户没有打分）

其中打分矩阵R(n,m)是n行和m列，n表示user个数，m行表示item个数

那么，如何根据目前的矩阵R（5,4）如何对未打分的商品进行评分的预测（如何得到分值为0的用户的打分值）？

——矩阵分解的思想可以解决这个问题，其实这种思想可以看作是有监督的机器学习问题（回归问题）。

矩阵R可以近似表示为P与Q的乘积：R（n,m）≈ P(n,K)*Q(K,m)

矩阵分解的过程中，将原始的评分矩阵 $R_{m \times n}$

矩阵P(n,K)表示n个user和K个特征之间的关系矩阵，这K个特征是一个中间变量，矩阵Q(K,m)的转置是矩阵Q(m,K)，矩阵Q(m,K)表示m个item和K个特征之间的关系矩阵，这里的K值是自己控制的，可以使用交叉验证的方法获得最佳的K值。为了得到近似的R(n,m)，必须求出矩阵P和Q，如何求它们呢？

【方法】

1. 首先令

2. 损失函数：使用原始的评分矩阵与重新构建的评分矩阵之间的误差的平方作为损失函数，即：

如果R(i,j)已知，则R(i,j)的误差平方和为：

　　最终，需要求解所有的非“-”项的损失之和的最小值：

3. 使用梯度下降法获得修正的p和q分量：

　　求解损失函数的负梯度：

根据负梯度的方向更新变量：

4. 不停迭代直到算法最终收敛（直到sum(e^2) <=阈值）

（Plus：为了防止过拟合，增加正则化项）

【加入正则项的损失函数求解】

1. 首先令

2. 通常在求解的过程中，为了能够有较好的泛化能力，会在损失函数中加入正则项，以对参数进行约束，加入 $L_{2}$

$L_{2}$

3. 使用梯度下降法获得修正的p和q分量：

　　求解损失函数的负梯度：

　　根据负梯度的方向更新变量：

4. 不停迭代直到算法最终收敛（直到sum(e^2) <=阈值）

【预测】利用上述的过程，我们可以得到矩阵和， $P_{m \times k}$

【Python代码实现如下】（基于Python 3.X ；使用正则项）

 1 # !/usr/bin/env python
 2 # encoding: utf-8
 3 __author__ = 'Scarlett'
 4 #矩阵分解在打分预估系统中得到了成熟的发展和应用
 5 # from pylab import *
 6 import matplotlib.pyplot as plt
 7 from math import pow
 8 import numpy
 9 
10 
11 def matrix_factorization(R,P,Q,K,steps=5000,alpha=0.0002,beta=0.02):
12     Q=Q.T  # .T操作表示矩阵的转置
13     result=[]
14     for step in range(steps):
15         for i in range(len(R)):
16             for j in range(len(R[i])):
17                 if R[i][j]>0:
18                     eij=R[i][j]-numpy.dot(P[i,:],Q[:,j]) # .dot(P,Q) 表示矩阵内积
19                     for k in range(K):
20                         P[i][k]=P[i][k]+alpha*(2*eij*Q[k][j]-beta*P[i][k])
21                         Q[k][j]=Q[k][j]+alpha*(2*eij*P[i][k]-beta*Q[k][j])
22         eR=numpy.dot(P,Q)
23         e=0
24         for i in range(len(R)):
25             for j in range(len(R[i])):
26                 if R[i][j]>0:
27                     e=e+pow(R[i][j]-numpy.dot(P[i,:],Q[:,j]),2)
28                     for k in range(K):
29                         e=e+(beta/2)*(pow(P[i][k],2)+pow(Q[k][j],2))
30         result.append(e)
31         if e<0.001:
32             break
33     return P,Q.T,result
34 
35 if __name__ == '__main__':
36     R=[
37         [5,3,0,1],
38         [4,0,0,1],
39         [1,1,0,5],
40         [1,0,0,4],
41         [0,1,5,4]
42     ]
43 
44     R=numpy.array(R)
45 
46     N=len(R)
47     M=len(R[0])
48     K=2
49 
50     P=numpy.random.rand(N,K) #随机生成一个 N行 K列的矩阵
51     Q=numpy.random.rand(M,K) #随机生成一个 M行 K列的矩阵
52 
53     nP,nQ,result=matrix_factorization(R,P,Q,K)
54     print("原始的评分矩阵R为：
",R)
55     R_MF=numpy.dot(nP,nQ.T)
56     print("经过MF算法填充0处评分值后的评分矩阵R_MF为：
",R_MF)
57 
58 #-------------损失函数的收敛曲线图---------------
59 
60     n=len(result)
61     x=range(n)
62     plt.plot(x,result,color='r',linewidth=3)
63     plt.title("Convergence curve")
64     plt.xlabel("generation")
65     plt.ylabel("loss")
66     plt.show()

运行结果如下：

损失函数的收敛曲线图：

【代码的GitHub地址】

https://github.com/shenxiaolinZERO/CoolRSer/blob/master/CoolRSer/MatrixFactorization.py

【Reference】

1、 Matrix Factorization: A Simple Tutorial and Implementation in Python

2、矩阵分解在推荐系统的应用以及python代码的实现