Question

我正在尝试通过PHP实现Slope One算法，以实现基于用户的项目推荐。为此，我正在使用OpenSlopeOne库。我遇到的问题是所生成的建议与用户完全无关。

目前我有两个表：user_ratings和slope_one。 user_ratings表非常简单。它包含该特定用户（user_id，item_id和user_item_rating）给出的每项评级。 slope_one表遵循OpenSlopeOne的默认架构：item_id1，item_id2，次数和评级。

使用以下SQL过程填充slope_one表：

CREATE PROCEDURE `slope_one`()
begin                    
    DECLARE tmp_item_id int;
    DECLARE done int default 0;                    
    DECLARE mycursor CURSOR FOR select distinct item_id from user_ratings;
    DECLARE CONTINUE HANDLER FOR NOT FOUND set done=1;
    open mycursor;
    while (!done) do
        fetch mycursor into tmp_item_id;
        if (!done) then
            insert into slope_one (select a.item_id as item_id1,b.item_id as item_id2,count(*) as times, sum(a.rating-b.rating) as rating from user_ratings a, user_ratings b where a.item_id = tmp_item_id and b.item_id != a.item_id and a.user_id=b.user_id group by a.item_id,b.item_id);
        end if;
    END while;
    close mycursor;
end

为了获取给定用户的最相关建议，我执行以下查询：

SELECT
    item.* 
FROM
    slope_one s,
    user_ratings u,
    item
WHERE 
    u.user_id = '{USER_ID}' AND 
    s.item_id1 = u.item_id AND 
    s.item_id2 != u.item_id AND
    item.id = s.item_id2
GROUP BY 
    s.item_id2 
ORDER BY
    SUM(u.rating * s.times - s.rating) / SUM(s.times) DESC
LIMIT 20

如前所述，这似乎不起作用。我正在使用相当大的数据集（10,000多条建议），但我没有看到任何形式的相关性。事实上，大多数建议似乎对用户来说都是相同的，即使是完全不同的项目评级。

Answer 1

（是的，我故意给出另一个答案。）

另一个答案是，所有这些算法都有优点和缺点，并且在某一天表现良好，但在其他方面表现不佳。但是我前段时间对于斜坡有一个类似的观察，甚至还得到了Daniel Lemire的一些评论，他最初提出了实施。

考虑当数据变得100％密集时会发生什么 - 每个用户对每个项目进行评级。项目A和项目B之间的评级差异是所有评级用户u的评级差异的平均值：平均值（r_uB-r_uA）。但是，正如所有用户评价的那样，仅接近B的平均评级（超过所有用户），减去A的平均评级：平均评分（r_uB） - 平均评分（r_uA）。称为平均值（B）和平均值（A）是为了方便。

想象一下整体平均评分最高的P项。 A和P之间的差异将大于A和任何其他B之间的差异;它是（平均（P） - 平均值（A）），相对于（平均值（B） - 平均值（A））。 P的差异总是高于任何其他B乘以（平均值（P） - 平均值（B））。

但是，由于该算法通过将这些差异添加到用户的评级来估计偏好，并对其进行平均，因此P始终成为所有用户的最佳建议。无论用户的评分是什么，无论差异如何，P（和平均）的总和最大。等等。

这是数据变得密集的趋势，我认为你已经看到了这种效应的回声。这不是“错误的”（毕竟P被高度评价！）但是当建议变得非个性化时，感觉直觉上不是最理想的。

Daniel Lemire表示，在一些后续文章中描述的更好的方法是将数据模型分为“正面”和“负面”评级，并从两者中构建独立模型。它避免了一些这样做并提供了更好的性能。

在Apache Mahout中实现的另一个变体是在估计的偏好计算中使用更好的权重。它可以选择对具有高标准偏差的差异和低标准偏差的差异进行加权。这有利于在许多用户上计算的差异。这是一个粗略的步骤，但有帮助。

Answer 2

您可以在Java implementation中尝试Apache Mahout。来自Mahout in Action的excerpt涵盖了其用法。这可能有助于作为第二个数据点，有助于区分算法与实现问题。

截至Mahout 0.9，停用者已经停止使用。看到 https://mahout.apache.org/

斜率一个实现提供了差的建议

2 个答案: