-
Notifications
You must be signed in to change notification settings - Fork 4
/
bayesian-personalized-ranking.ipynb
578 lines (578 loc) · 19.1 KB
/
bayesian-personalized-ranking.ipynb
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
{
"cells": [
{
"cell_type": "markdown",
"metadata": {},
"source": [
"# BPR Bayesian Personalized Ranking"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"---"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"ThetaLog.com"
]
},
{
"cell_type": "code",
"execution_count": 1,
"metadata": {},
"outputs": [],
"source": [
"# Load các thư viện cần thiết\n",
"import os\n",
"import math\n",
"import numpy as np\n",
"import pandas as pd\n",
"from urllib.request import urlopen\n",
"from zipfile import ZipFile\n",
"from scipy.sparse import csr_matrix, dok_matrix\n",
"from sklearn.metrics import roc_auc_score\n",
"\n",
"np.random.seed(12)"
]
},
{
"cell_type": "code",
"execution_count": 2,
"metadata": {},
"outputs": [],
"source": [
"def load_movielens_data():\n",
" \"\"\"\n",
" Tải tập tin dữ liệu từ trang chủ grouplens\n",
" Tập dữ liệu: ml-100k\n",
"\n",
" :return dataframe: pandas df\n",
" \"\"\"\n",
" zipurl = 'http://files.grouplens.org/datasets/movielens/ml-100k.zip'\n",
" zipresp = urlopen(zipurl)\n",
"\n",
" # Nếu không có thì tài về từ mạng internet\n",
" if not os.path.isdir('ml-100k'):\n",
" print('Downloading: http://files.grouplens.org/datasets/movielens/ml-100k.zip')\n",
" with open(\"ml-100k.zip\", \"wb\") as file:\n",
" file.write(zipresp.read())\n",
" file.close()\n",
" print('Completed!')\n",
"\n",
" # Giải nén\n",
" zipdata = ZipFile(\"ml-100k.zip\")\n",
" zipdata.extractall(path = '')\n",
" zipdata.close()\n",
"\n",
" # Load dữ liệu từ Pandas\n",
" file_path = os.path.join('ml-100k', 'u.data')\n",
" names = ['users', 'items', 'ratings', 'timestamp']\n",
" dataframe = pd.read_csv(file_path, sep = '\\t', names = names)\n",
" return dataframe"
]
},
{
"cell_type": "code",
"execution_count": 3,
"metadata": {},
"outputs": [],
"source": [
"dataframe = load_movielens_data()"
]
},
{
"cell_type": "code",
"execution_count": 4,
"metadata": {},
"outputs": [
{
"data": {
"text/html": [
"<div>\n",
"<style scoped>\n",
" .dataframe tbody tr th:only-of-type {\n",
" vertical-align: middle;\n",
" }\n",
"\n",
" .dataframe tbody tr th {\n",
" vertical-align: top;\n",
" }\n",
"\n",
" .dataframe thead th {\n",
" text-align: right;\n",
" }\n",
"</style>\n",
"<table border=\"1\" class=\"dataframe\">\n",
" <thead>\n",
" <tr style=\"text-align: right;\">\n",
" <th></th>\n",
" <th>users</th>\n",
" <th>items</th>\n",
" <th>ratings</th>\n",
" <th>timestamp</th>\n",
" </tr>\n",
" </thead>\n",
" <tbody>\n",
" <tr>\n",
" <th>0</th>\n",
" <td>196</td>\n",
" <td>242</td>\n",
" <td>3</td>\n",
" <td>881250949</td>\n",
" </tr>\n",
" <tr>\n",
" <th>1</th>\n",
" <td>186</td>\n",
" <td>302</td>\n",
" <td>3</td>\n",
" <td>891717742</td>\n",
" </tr>\n",
" <tr>\n",
" <th>2</th>\n",
" <td>22</td>\n",
" <td>377</td>\n",
" <td>1</td>\n",
" <td>878887116</td>\n",
" </tr>\n",
" <tr>\n",
" <th>3</th>\n",
" <td>244</td>\n",
" <td>51</td>\n",
" <td>2</td>\n",
" <td>880606923</td>\n",
" </tr>\n",
" <tr>\n",
" <th>4</th>\n",
" <td>166</td>\n",
" <td>346</td>\n",
" <td>1</td>\n",
" <td>886397596</td>\n",
" </tr>\n",
" </tbody>\n",
"</table>\n",
"</div>"
],
"text/plain": [
" users items ratings timestamp\n",
"0 196 242 3 881250949\n",
"1 186 302 3 891717742\n",
"2 22 377 1 878887116\n",
"3 244 51 2 880606923\n",
"4 166 346 1 886397596"
]
},
"execution_count": 4,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"# Xem thử dữ liệu trông thế nào\n",
"dataframe.head()"
]
},
{
"cell_type": "code",
"execution_count": 5,
"metadata": {},
"outputs": [],
"source": [
"def convert_to_bpr_mat(dataframe, threshold=3):\n",
" \"\"\"\n",
" Chuyển đổi DataFrame MovieLens 100K ban đầu sang ma trận BPR\n",
" Mỗi dòng là Users\n",
" Mỗi cột là Item\n",
" Định dạng ma trận thưa\n",
"\n",
" :param dataframe: pandas df movielens 100K\n",
" :param threshold: ngưỡng ratings chấp nhận nên khuyến nghị\n",
" :return bpr_mat: np.array - ma trận thưa bpr\n",
" \"\"\"\n",
" tempdf = dataframe.copy()\n",
" tempdf['positive'] = tempdf['ratings'].apply(func=lambda x: 0 if x < threshold else 1)\n",
"\n",
" # Vì tập dữ liệu này đánh index từ 1 nên chuyển sang kiểu category\n",
" # để tránh việc chúng ta có ma trận\n",
" tempdf['users'] = tempdf['users'].astype('category')\n",
" tempdf['items'] = tempdf['items'].astype('category')\n",
"\n",
" bpr_mat = csr_matrix((tempdf['positive'],\n",
" (tempdf['users'].cat.codes,\n",
" tempdf['items'].cat.codes)))\n",
" bpr_mat.eliminate_zeros()\n",
" del tempdf\n",
" return bpr_mat"
]
},
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [],
"source": [
"bpr_mat = convert_to_bpr_mat(dataframe)"
]
},
{
"cell_type": "code",
"execution_count": 7,
"metadata": {},
"outputs": [],
"source": [
"def split_to_train_test(bpr_mat, test_ratio = 0.2, verbose=True):\n",
" \"\"\"\n",
" Chia tập dữ liệu ra thành tập train & tập test\n",
"\n",
" :param bpr_mat: ma trận bpr\n",
" :param test_ratio: float - tỉ lệ test set\n",
"\n",
" :return train: ma trận bpr train\n",
" :return test: ma trận bpr test\n",
" \"\"\"\n",
" # Số lượng người dùng\n",
" n_users = bpr_mat.shape[0]\n",
" # Dùng ma trận thưa Dictionary Of Keys tối ưu hơn cho công đoạn này\n",
" train = bpr_mat.copy().todok()\n",
" test = dok_matrix(train.shape) # Lưu ý hiện tại test là ma trận 0\n",
"\n",
" # với mỗi người dùng u\n",
" # chia số trường hợp nên khuyến nghị với tỉ lệ test_ratio đươc cho\n",
" # phần nào thuộc về test\n",
" for u in range(n_users):\n",
" split_index = bpr_mat[u].indices\n",
" # đếm số trường hợp nên khuyến nghị\n",
" count_positive = split_index.shape[0]\n",
" n_splits = math.ceil(test_ratio * count_positive)\n",
" test_index = np.random.choice(split_index, size=n_splits, replace=False)\n",
" # Xem như dữ liệu chưa biết trong tập train\n",
" train[u, test_index] = 0\n",
" # Xem như dữ liệu nhìn thấy trong tập test\n",
" test[u, test_index] = 1\n",
"\n",
" train, test = train.tocsr(), test.tocsr()\n",
"\n",
" # Nếu cần in thông tin ra ngoài\n",
" if verbose:\n",
" print('BPR matrix with %d stored elements' % bpr_mat.nnz)\n",
" print('Train matrix with %d stored elements' % train.nnz)\n",
" print('Test matrix with %d stored elements' % test.nnz)\n",
" return train, test"
]
},
{
"cell_type": "code",
"execution_count": 8,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"BPR matrix with 82520 stored elements\n",
"Train matrix with 65641 stored elements\n",
"Test matrix with 16879 stored elements\n"
]
}
],
"source": [
"bpr_train, bpr_test = split_to_train_test(bpr_mat, test_ratio=0.2, verbose=True)"
]
},
{
"cell_type": "code",
"execution_count": 9,
"metadata": {},
"outputs": [],
"source": [
"def predict_bpr(W, H, user=None):\n",
" \"\"\"\n",
" Hàm trả về X_hat\n",
"\n",
" :param W: ma trận W từ MF\n",
" :param H: ma trận H từ MF\n",
" :param user: người dùng (nếu None mặt định trả về tất cả)\n",
"\n",
" :return predict_scores: điểm dự đoán từ BPR MF\n",
" \"\"\"\n",
" if user is None:\n",
" return W @ H.T\n",
" else:\n",
" return W[user] @ H.T\n",
"\n",
"def recommend_bpr(bpr_matrix, predict_score, user, n_rmd_items=None):\n",
" \"\"\"\n",
" Dự đoán những sản phẩm mà người dùng muốn mua\n",
" Những sản phẩm nào đã thích rồi thì không trả về nữa\n",
" Trả về index theo bpr_matrix (đánh từ 0)\n",
"\n",
" :param bpr_matrix: ma trận bpr hiện tại\n",
" :param predict_score: điểm dự đoán các item\n",
" :param user: số thứ tự người dùng của predict score\n",
" :param n_rmd_items: số lượng sản phẩm trả về, mặc định tất cả\n",
"\n",
" :return rmd_items: danh sách các sản phẩm khuyến nghị\n",
" \"\"\"\n",
" # Số lượng sản phẩm\n",
" n_items = bpr_matrix.shape[1]\n",
" # những sản phẩm đã thích rồi\n",
" liked_items = bpr_matrix[user].indices\n",
" scores = predict_score.copy()\n",
"\n",
" # index ban đầu khi chưa sắp xếp\n",
" sort_index = np.arange(0, n_items)\n",
"\n",
" # Xóa các sản phẩm đã mua\n",
" sort_index = np.delete(sort_index, liked_items)\n",
" scores = np.delete(scores, liked_items)\n",
"\n",
" # sắp xếp và trả về theo số thứ tự của score\n",
" arg_sort = np.argsort(-scores)\n",
"\n",
" # dùng sort_index để lấy số thứ tự ban đầu\n",
" rmd_items = sort_index[arg_sort]\n",
"\n",
" if len(rmd_items) >= n_rmd_items and n_rmd_items is not None:\n",
" rmd_items = rmd_items[: n_rmd_items]\n",
" return rmd_items\n",
"\n",
"def auc_score(predict_mat, bpr_mat):\n",
" \"\"\"\n",
" Tính Area under the ROC curve (AUC)\n",
" cho bài toán hệ khuyến nghị\n",
"\n",
" :param predict_mat: ma trận dữ đoán bpr mf\n",
" :param bpr_mat: ma trận train hoặc test\n",
" :return auc: area under the roc curve\n",
" \"\"\"\n",
" auc = 0.0\n",
" n_users, n_items = bpr_mat.shape\n",
"\n",
" # u và row tương ứng user và bp\n",
" for u in range(n_users):\n",
" y_pred = predict_mat[u]\n",
" y_true = np.zeros(n_items)\n",
" y_true[bpr_mat[u].indices] = 1\n",
" auc += roc_auc_score(y_true, y_pred)\n",
" auc /= n_users\n",
" return auc"
]
},
{
"cell_type": "code",
"execution_count": 10,
"metadata": {},
"outputs": [],
"source": [
"def learn_bpr_mf_sgd(bpr_mat, alpha=0.01, lamb=0.01, k=12, n_iters=10000):\n",
" \"\"\"\n",
" Thuật toán học BPR MF SGD (một điểm dữ liệu duy nhất)\n",
"\n",
" :param bpr_mat: ma trận bpr\n",
" :param alpha: hệ số learning rate\n",
" :param lamb: hệ số lambda của bình thường hóa regularization\n",
" :param k: số lượng latent factor trong bài toán MF\n",
" :param n_iters: số vòng lặp\n",
"\n",
" :return W: ma trận W\n",
" :return H: ma trận H\n",
" \"\"\"\n",
" n_users, n_items = bpr_mat.shape\n",
" # Khởi tạo ma trận W và ma trận H\n",
" W = np.ones(shape=(n_users, k))\n",
" H = np.ones(shape=(n_items, k))\n",
" # Tập các sản phẩm nên khuyến nghị\n",
" pos = np.split(bpr_mat.indices, bpr_mat.indptr)[1:-1]\n",
" # Tập các sản phẩm không nên khuyến nghị\n",
" neg = [np.setdiff1d(np.arange(0, n_items,1), e) for e in pos]\n",
"\n",
" # lặp\n",
" for _ in range(n_iters):\n",
" # ngẫu nghiên 3 bộ (u,i,j) từ D_S\n",
" u = np.random.randint(0, n_users)\n",
" i = pos[u][np.random.randint(0, len(pos[u]))]\n",
" j = neg[u][np.random.randint(0, len(neg[u]))]\n",
"\n",
" # Tính xuij\n",
" xui = (W[u] * H[i]).sum()\n",
" xuj = (W[u] * H[j]).sum()\n",
" xuij = xui - xuj\n",
"\n",
" # mũ tự nhiên e của xuij\n",
" exp_xuij = np.exp(xuij)\n",
"\n",
" # sgd cho tham số Theta (W và H)\n",
" W[u] = W[u] + alpha * ( exp_xuij / (1+exp_xuij) * (H[i] - H[j]) + lamb * W[u])\n",
" H[i] = H[i] + alpha * ( exp_xuij / (1+exp_xuij) * W[u] + lamb * H[i])\n",
" H[j] = H[j] + alpha * ( exp_xuij / (1+exp_xuij) * (-W[u]) + lamb * H[j])\n",
" return W, H"
]
},
{
"cell_type": "code",
"execution_count": 11,
"metadata": {},
"outputs": [],
"source": [
"def learn_bpr_mf_mini_batch(bpr_mat, batch=100, alpha=0.01, lamb=0.01, k=12, n_iters=100):\n",
" \"\"\"\n",
" Thuật toán học BPR MF Mini Batch\n",
"\n",
" :param bpr_mat: ma trận bpr\n",
" :param batch: số lượng điểm dữ liệu mỗi n_iters\n",
" :param alpha: hệ số learning rate\n",
" :param lamb: hệ số lambda của bình thường hóa regularization\n",
" :param k: số lượng latent factor trong bài toán MF\n",
" :param n_iters: số vòng lặp\n",
"\n",
" :return W: ma trận W\n",
" :return H: ma trận H\n",
" \"\"\"\n",
" n_users, n_items = bpr_mat.shape\n",
" # Khởi tạo ma trận W và ma trận H\n",
" W = np.ones(shape=(n_users, k))\n",
" H = np.ones(shape=(n_items, k))\n",
" # Tập các sản phẩm nên khuyến nghị\n",
" # (chuyển về numpy luôn cho tiện)\n",
" pos = np.array(np.split(bpr_mat.indices, bpr_mat.indptr)[1:-1])\n",
" # Tập các sản phẩm không nên khuyến nghị\n",
" neg = np.array([np.setdiff1d(np.arange(0, n_items,1), e) for e in pos])\n",
"\n",
" # lặp\n",
" for _ in range(n_iters):\n",
" # mỗi u,i,j là một np array index\n",
" u = np.random.choice(np.arange(0,n_users), batch, replace=False)\n",
" i = []\n",
" j = []\n",
" for users in u:\n",
" i.append(pos[users][np.random.randint(0, len(pos[users]))])\n",
" j.append(neg[users][np.random.randint(0, len(neg[users]))])\n",
" i = np.array(i)\n",
" j = np.array(j)\n",
"\n",
" # Tính xuij\n",
" xui = (W[u] * H[i]).sum(axis=1)\n",
" xuj = (W[u] * H[j]).sum(axis=1)\n",
" xuij = xui - xuj\n",
"\n",
" # mũ tự nhiên e của xuij\n",
" exp_xuij = np.exp(xuij).reshape(batch, 1)\n",
"\n",
" # minibatch gradient descent cho Theta (W và H)\n",
" W[u] = W[u] + alpha * ( exp_xuij / (1+exp_xuij) * (H[i] - H[j]) + lamb * W[u])\n",
" H[i] = H[i] + alpha * ( exp_xuij / (1+exp_xuij) * W[u] + lamb * H[i])\n",
" H[j] = H[j] + alpha * ( exp_xuij / (1+exp_xuij) * (-W[u]) + lamb * H[j])\n",
" return W, H"
]
},
{
"cell_type": "code",
"execution_count": 12,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Train: 0.841916\n",
"Test: 0.828263\n"
]
}
],
"source": [
"W_sgd, H_sgd = learn_bpr_mf_sgd(bpr_train, n_iters=10000, k=12)\n",
"pred_mat_sgd = predict_bpr(W_sgd, H_sgd)\n",
"\n",
"print('Train: %f' % auc_score(pred_mat_sgd, bpr_train))\n",
"print('Test: %f' % auc_score(pred_mat_sgd, bpr_test))"
]
},
{
"cell_type": "code",
"execution_count": 13,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"Train: 0.842083\n",
"Test: 0.829265\n"
]
}
],
"source": [
"W_mb, H_mb = learn_bpr_mf_mini_batch(bpr_train, batch=100, n_iters=100, k=12)\n",
"pred_mat_mb = predict_bpr(W_mb, H_mb)\n",
"\n",
"print('Train: %f' % auc_score(pred_mat_mb, bpr_train))\n",
"print('Test: %f' % auc_score(pred_mat_mb, bpr_test))"
]
},
{
"cell_type": "code",
"execution_count": 14,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"[257 287 180 99 49]\n"
]
}
],
"source": [
"u = 28\n",
"n_rmd_items = 5\n",
"score = predict_bpr(W_mb, H_mb, u)\n",
"rmd_items = recommend_bpr(bpr_train, score, u, n_rmd_items)\n",
"print(rmd_items)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"# Tham khảo"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"01. Steffen Rendle, Christoph Freudenthaler, Zeno Gantner and Lars Schmidt-Thieme. BPR: Bayesian Personalized Ranking from Implicit Feedback. \n",
"02. Weike Panand, Li Chen. GBPR: Group Preference Based Bayesian Personalized Ranking for One-Class Collaborative Filtering. Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence. https://www.aaai.org/ocs/index.php/IJCAI/IJCAI13/paper/viewFile/6316/7124\n",
"03. Michael D. Ekstrand, Joseph A Konstan. Personalized Ranking (with Daniel Kluver). Matrix Factorization and Advanced Techniques - University of Minnesota. https://www.coursera.org/lecture/matrix-factorization/personalized-ranking-with-daniel-kluver-s3XJo\n",
"04. Kim Falk. Practical Recommender Systems. Manning Publications.\n",
"05. Ethen (MingYu) Liu. Bayesian Personalized Ranking. http://ethen8181.github.io/machine-learning/recsys/4_bpr.html\n",
"06. Alfredo Láinez Rodrigo, Luke de Oliveira. Distributed Bayesian Personalized Ranking in Spark. https://stanford.edu/~rezab/classes/cme323/S16/projects_reports/rodrigo_oliveira.pdf"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.7.3"
}
},
"nbformat": 4,
"nbformat_minor": 2
}