KTV歌曲推薦-深刻淺出協同過濾

前言

推薦算法有不少，最基礎的就是協同過濾，前段時間對KTV數據比較感興趣，你們去唱歌也只是唱熟悉的歌，那是否是有辦法給你們一些建議拓展一下唱歌的寬度呢。KTV推薦可能要考慮不少因素，好比唱歌者的音域，年齡，地區，喜愛，等等。初版算法暫時只從item base的角度出發去給用戶推薦。因爲是我的興趣，因此沒有模型反饋迭代的過程，有興趣的能夠本身實現。

協同過濾算法

協同過濾又叫行爲類似召回，其實就是基於共現的一種類似度計算。 Item Base的協同過濾算法有幾個關鍵概念：

類似度計算

類似度計算有不少種：共現類似度，歐幾里得距離，皮爾遜相關係數，等等這裏使用的是共現類似度，公式以下：

其中N(i)爲喜歡i歌曲的用戶數，一樣N(j)爲喜歡j歌曲的用戶數，分子爲同時喜歡i,j的用戶數。該公式爲改良公式，分子中加入了N(j)對類似度進行懲罰。這裏不細講。

ItemBase和UserBase

UserBase

尋找興趣類似的用戶，而後將偏好相同的用戶的歌曲推薦給被推薦用戶，表中發現A和C用戶都喜歡i和k歌曲因此兩個用戶類似，因此將C用戶的歌曲l推薦給A用戶。若是用共現的方式去表述就是。這裏細節計算的時候會涉及到用戶打分和類似用戶數據排序彙總。我這裏都是概述。

用戶/歌曲	歌曲i	歌曲j	歌曲k	歌曲l
用戶A	1		1	推薦
用戶B		1
用戶C	1		1	1

ItemBase

與UserBase相似，計算類似的時候使用的是歌曲矩陣找到類似的歌曲，而後根據用戶歷史數據進行推薦，大概原理以下表。表中發現i,k歌曲同事被A,B兩個用戶喜歡，因此i,k類似，若是C用戶喜歡i歌曲那麼他應該也喜歡類似的k歌曲.

用戶/歌曲	歌曲i	歌曲j	歌曲k
用戶A	1		1
用戶B	1	1	1
用戶C	1		推薦

這裏使用的是ItemBase

算法實現

獲得用戶對歌曲的one hot矩陣

• 將歌曲去重，按歌名排序
• 獲得歌曲和索引的轉換字典

計算獲得歌曲對歌曲的共現度矩陣

• 計算共現矩陣

• 計算單個歌曲的出現次數

• 計算共現率值公式計算共現度

推薦

若是用戶喜歡i歌曲則

獲得推薦歌曲爲k歌曲

代碼實現

獲取數據

import elasticsearch
import elasticsearch.helpers
import re
import numpy as np
import operator

def trim_song_name(song_name):
    """
    處理歌名，過濾掉無用內容和空白
    """
    song_name = song_name.strip()
    song_name = re.sub("-?【.*?】", "", song_name)
    song_name = re.sub("-?（.*?）", "", song_name)
    song_name = re.sub("-?(.*?)", "", song_name)
    return song_name

def get_data(size=0):
    """
    獲取uid=>做品名list的字典
    """
    cur_size=0
    ret = {}
    
    es_client = elasticsearch.Elasticsearch()
    search_result = elasticsearch.helpers.scan(
        es_client, 
        index="ktv_works", 
        doc_type="ktv_works", 
        scroll="10m",
        query={}
    )

    all_songs_list = []
    all_songs_set = set()
    for hit_item in search_result:
        cur_size += 1
        if size>0 and cur_size>size:
            break
            
        item = hit_item['_source']
        work_list = item['item_list']
        ret[item['uid']] = [trim_song_name(item['songname']) for item in work_list]
        
    return ret

def get_uniq_song_sort_list(song_dict):
    """
    合併重複歌曲並按歌曲名排序
    """
    return sorted(list(set(np.concatenate(list(song_dict.values())).tolist())))

類似度計算

import math

# 共現數矩陣
col_show_count_matrix = np.zeros((song_count, song_count))
one_trik_matrix = np.zeros(song_count)
for i in range(song_count):
    for j in range(song_count):
        if i>j: # 對角矩陣只計算一半的矩陣
            one_trik_matrix = np.zeros(song_count)
            one_trik_matrix[i] = 1
            one_trik_matrix[j] = 1
            
            ret_m = user_song_one_hot_matrix.dot(one_trik_matrix.T)
            col_show_value = len([ix for ix in ret_m if ix==2])
            col_show_count_matrix[i,j] = col_show_value
            col_show_count_matrix[j,i] = col_show_value

# 類似度矩陣
col_show_rate_matrix = np.zeros((song_count, song_count))

# 歌曲count N(i)矩陣
song_count_matrix = np.zeros(song_count)
for i in range(song_count):
    song_col = user_song_one_hot_matrix[:,i]
    song_count_matrix[i] = len([ix for ix in song_col if ix>=1])

# 類似度矩陣計算
for i in range(song_count):
    for j in range(song_count):
        if i>j: # 對角矩陣只計算一半的矩陣
            # 類似度計算 N(i)nN(j)/sqart(N(i)*N(j))
            rate_value = col_show_count_matrix[i,j]/math.sqrt(song_count_matrix[i]*song_count_matrix[j])
            col_show_rate_matrix[i,j] = rate_value
            col_show_rate_matrix[j,i] = rate_value

推薦

import operator

def get_songs_from_recommand(col_recommand_matrix):
    return [(int_to_song[k],r_value) for k,r_value in enumerate(col_recommand_matrix) if r_value>0]

input_song = "十年"
# 構造被推薦矩陣
one_trik_matrix = np.zeros(song_count)
one_trik_matrix[song_to_int[input_song]] = 1

col_recommand_matrix = col_show_rate_matrix.dot(one_trik_matrix.T)
recommand_array = get_songs_from_recommand(col_recommand_matrix)
sorted_x = sorted(recommand_array, key=lambda k:k[1], reverse=True)

# 獲取推薦結果
print(sorted_x)

結果

[('三生三世', 0.5773502691896258), ('下個路口見', 0.5773502691896258), ('不分手的戀愛', 0.5773502691896258),...]