开源精选 - 个性化推荐

源码：https://github.com/wolf-song-ml/RecommendationSystem

实战篇

1 项目技术架构

项目技术架构

2 项目涉及关键技术

• Redis：存储用户最近评测队列
• Mongdb：BI可视化查询
• Elastic Search：文本关键词模糊检索索引、类别完全匹配检索、More like this基于内容推荐api
• Flume：实时评测数据采集
• Kafka：采集数据中间消息通道 Kafka stream：消息转发中间管道
• Spark：spark sql、spark stream、spark M数据统计、加载数据源引擎、机器学习模型
• ScalaNLP：JAVA矩阵计算

理论篇

1 推荐系统的意义 - 解决信息过载

• 搜索引擎时代

分类导航：雅虎
搜索：谷歌、百度

• 个性化时代(提高用户粘度、增加营收)

系统自动推荐相关的东西：今日头条、豆瓣、电商

2 推荐系统的分类

• 基于人口统计学的推荐

• 基于内容的推荐

• 基于协同过滤的推荐

3 基于人口统计学的推荐

基于人口统计学的推荐机制（Demographic-based Recommendation）是一种最易于实现的推荐方法，它只是简单的根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户。

基于人口统计学的推荐

4 基于内容的推荐

4.1 定义

基于内容的推荐是在推荐引擎出现之初应用最为广泛的推荐机制，它的核心思想是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。

4.2 算法流程

• 对于物品的特征提取——打标签（tag）
• 对于文本信息的特征提取——关键词
• 生成分词特征向量矩阵

• 计算相似度，常用余弦相似度

  
  余弦相似度公式

4.3 核心代码

4.3.1 spark TF-IDF

// 核心部分： 用TF-IDF从内容信息中提取电影特征向量
// 创建一个分词器，默认按空格分词
val tokenizer = new Tokenizer().setInputCol("genres").setOutputCol("words")

// 用分词器对原始数据做转换，生成新的一列words
val wordsData = tokenizer.transform(movieTagsDF)

// 引入HashingTF工具，可以把一个词语序列转化成对应的词频
val hashingTF = new HashingTF().setInputCol("words").setOutputCol("rawFeatures").setNumFeatures(50)
val featurizedData = hashingTF.transform(wordsData)

// 引入IDF工具，可以得到idf模型
val idf = new IDF().setInputCol("rawFeatures").setOutputCol("features")
// 训练idf模型，得到每个词的逆文档频率
val idfModel = idf.fit(featurizedData)
// 用模型对原数据进行处理，得到文档中每个词的tf-idf，作为新的特征向量
val rescaledData = idfModel.transform(featurizedData)

val movieRecs = movieFeatures.cartesian(movieFeatures)
  .filter{
    // 把自己跟自己的配对过滤掉
    case (a, b) => a._1 != b._1
  }
  .map{
    case (a, b) => {
      val simScore = this.consinSim(a._2, b._2)
      ( a._1, ( b._1, simScore ) )
    }
  }
  .filter(_._2._2 > 0.6)    // 过滤出相似度大于0.6的
  .groupByKey()
  .map{
    case (mid, items) => MovieRecs( mid, items.toList.sortWith(_._2 > _._2).map(x => Recommendation(x._1, x._2)) )
  }
  .toDF()

4.3.2 ElasticSearch More like this

MoreLikeThisQueryBuilder query = QueryBuilders.moreLikeThisQuery(
        /*new String[]{"name", "descri", "genres", "actors", "directors", "tags"},*/
        new MoreLikeThisQueryBuilder.Item[]{new MoreLikeThisQueryBuilder.Item(Constant.ES_INDEX,
                Constant.ES_MOVIE_TYPE, String.valueOf(mid))});

5 基于协同过滤的推荐

5.1基于用户的协同过滤(UserCF)

计算用户的相似度，推荐相似用户的喜好

5.2 基于物品的协同过滤(ItemCF重点)

计算物品的相似度，推荐相似度高的物品(不同于基于内容的推荐)

5.2.1核心算法：计算同现相似度

同现相似度公式

5.2.2 核心算法实例

// ( mid1, (mid2, score) )
val simDF = cooccurrenceDF.map{
  row =>
    val coocSim = cooccurrenceSim( row.getAs[Long]("cocount"), row.getAs[Long]("count1"),
      row.getAs[Long]("count2") )
    ( row.getInt(0), ( row.getInt(1), coocSim ) )
}
  .rdd
  .groupByKey()
  .map{
    case (mid, recs) =>
      MoviesRecs( mid, recs.toList.sortWith(_._2>_._2).take(MAX_RECOMMENDATION)
        .map(x=>Recommendation(x._1,x._2)) )
  }
  .toDF()

5.3 基于隐语义算法模型推荐

5.3.1 思想

找到隐藏因子，可以对user和item进行关联

5.3.2 算法公式

隐式分解
损失函数最小化求解

5.3.3 核心算法实例

// 训练隐语义模型：Rating(user:Int, product:Int, rating:Double)
val trainData = ratingRDD.map(x => Rating(x._1, x._2, x._3))
// 多个变量赋值
val (rank, iterations, lambda) = (200, 5, 0.1)
val model = ALS.train(trainData, rank, iterations, lambda)

// 从rating数据中提取所有的uid和mid，并去重
val userRDD = ratingRDD.map(_._1).distinct()
val movieRDD = ratingRDD.map(_._2).distinct()
val userMovies = userRDD.cartesian(movieRDD)

// 调用model的predict方法预测评分
val preRatings = model.predict(userMovies)

val userRecs = preRatings
  .filter(_.rating > 0)
  .map(rating => (rating.user, (rating.product, rating.rating))) // Rating->(uid, (mid, score))
  .groupByKey()
  .map {
    case (uid, recs) => UserRecs(uid, recs.toList.sortWith(_._2 > _._2).take(USER_MAX_RECOMMENDATION).map(x => Recommendation(x._1, x._2)))
  }
  .toDF()