Question

我正在尝试使用recommenderlab包在R中进行基于用户的推荐，但是我总是从模型中得到0（否）预测。

我的代码是：

library("recommenderlab")        
# Loading to pre-computed affinity data  
movie_data<-read.csv("D:/course/Colaborative filtering/data/UUCF Assignment Spreadsheet_user_row.csv")


movie_data[is.na(movie_data)] <- 0

rownames(movie_data) <- movie_data$X
movie_data$X <- NULL

# Convert it as a matrix
R<-as.matrix(movie_data)
# Convert R into realRatingMatrix data structure
#   realRatingMatrix is a recommenderlab sparse-matrix like data-structure
r <- as(R, "realRatingMatrix")
r

rec=Recommender(r[1:nrow(r)],method="UBCF", param=list(normalize = "Z-score",method="Cosine",nn=5, minRating=1))

recom <- predict(rec, r["1648"], n=5)
recom
as(recom, "list")

我一直这样出去就像：

as(recom, "list")
$`1648`
character(0)

我正在使用此链接中的用户行数据： https://drive.google.com/file/d/0BxANCLmMqAyIQ0ZWSy1KNUI4RWc/view 在该数据列A中包含用户ID，除此之外，每个电影名称都是电影评级。

感谢。

Answer 1

代码行movie_data[is.na(movie_data)] <- 0是错误的来源。对于realRatingMatrix（与binaryRatingMatrix不同），用户未评级的电影应为 NA 值，而不是零值。例如，以下代码给出了正确的预测：

library("recommenderlab")        
movie_data<-read.csv("UUCF Assignment Spreadsheet_user_row.csv")
rownames(movie_data) <- movie_data$X
movie_data$X <- NULL

R<-as.matrix(movie_data)
r <- as(R, "realRatingMatrix")    
rec=Recommender(r,method="UBCF", param=list(normalize = "Z-score",method="Cosine",nn=5, minRating=1))     
recom <- predict(rec, r["1648"], n=5)
as(recom, "list")
# [[1]]
# [1] "X13..Forrest.Gump..1994."    "X550..Fight.Club..1999."                                   
# [3] "X77..Memento..2000."         "X122..The.Lord.of.the.Rings..The.Return.of.the.King..2003."
# [5] "X1572..Die.Hard..With.a.Vengeance..1995."

R中基于用户的推荐

1 个答案: