Question

我有一个数据框如下，每行代表一个事务（即用户001听Nirvana，也听Metallica，但不是Slayer）

userid   artist      gender    country
001      nirvana     m         germany
001      metallica   m         germany
002      slayer      m         usa
003      nirvana     m         germany
003      metallica   m         germany
...      ...         ...       ...

现在我需要对此进行预处理以执行基于项目的推荐。我需要以某种方式最终得到歌曲元素之间的余弦相似度矩阵

             nirvana       metallica      slayer
nirvana                    0.2            0
metallica    0.24                         0
slayer       0             0

这是建立一个推荐系统，所以如果有人能指出我正确的方向或给我一个方法我会很感激。

Answer 1

方式

执行此操作的步骤包括：

转换数据集

创建歌曲/歌曲数据框

计算每个单元格的余弦相似度

<强>转化

要转换数据集，我们使用plyr库来获取Country是德国的子集（我只对德国感兴趣）库（plyr） data.germany＆lt ;-（data [data $ country％in％＆＃34; Germany＆＃34;，]）

然后我们想创建一个频率表，我们只想要用户收听的歌曲

germany.frequency<-as.data.frame((table(data.germany$user,data.germany$artist,dnn=c("user","artist")))) germany.frequency<-subset(germany.frequency,Freq>=1)

然后我们填充二进制矩阵，其中1表示用户收听的歌曲

germany.users <- as.matrix(unique(data.germany$user)) germany.artists <- as.matrix(unique(data.germany$artist)) holder <- matrix(NA, nrow=nrow(germany.users),ncol=nrow(germany.artists),dimnames=list((germany.users),(germany.artists))) holder[,] <- 0 for(i in 1:nrow(holder)) { for(j in 1:ncol(holder)) { if(nrow(subset(germany.frequency, (user == rownames(holder)[i] & artist == colnames(holder)[j])))>0) { holder[i,j]<-1 } } } # Reorder the column names alphabetically data.germany<-(holder[,order(colnames(holder))])

我们现在已经阅读了持有人矩阵。注意：对于循环需要很长时间在R.

基于项目的相似性

删除用户列并创建一个新数据框

data.germany.ibs <- (data.germany[,!(names(data.germany) %in% c("user"))])

创建一个辅助函数来计算两个向量之间的余弦

getCosine <- function(x,y) { this.cosine <- sum(x*y) / (sqrt(sum(x*x)) * sqrt(sum(y*y))) return(this.cosine) }

创建占位符数据框列出项目与项目

holder <- matrix(NA, nrow=ncol(data.germany.ibs),ncol=ncol(data.germany.ibs),dimnames=list(colnames(data.germany.ibs),colnames(data.germany.ibs))) data.germany.ibs.similarity <- as.data.frame(holder)

让我们用余弦相似度填充那些空白区域

for(i in 1:ncol(data.germany.ibs)) { for(j in 1:ncol(data.germany.ibs)) { data.germany.ibs.similarity[i,j]= getCosine(data.germany.ibs[i],data.germany.ibs[j]) }

}

输出相似性结果到文件

write.csv(data.germany.ibs.similarity,file="final-germany-similarity.csv")

获取每个
的前10名邻居
data.germany.neighbours <- matrix(NA, nrow=ncol(data.germany.ibs.similarity),ncol=11,dimnames=list(colnames(data.germany.ibs.similarity))) for(i in 1:ncol(data.germany.ibs)) { data.germany.neighbours[i,] <- (t(head(n=11,rownames(data.germany.ibs.similarity[order(data.germany.ibs.similarity[,i],decreasing=TRUE),][i])))) }

将邻居结果输出到文件

write.csv(file="final-germany-item-neighbours.csv",x=data.germany.neighbours[,-1])

Answer 2

我建议使用arules包并传递用户ID和艺术家。该包装有非常明确的说明。快速而简单......生成的规则具有高质量。

假设您需要基于项目的CF并且没有别的办法，请尝试使用推荐实验室软件包。它有预先构建的功能可能会有所帮助，虽然我发现它很脆弱，而且没有很多文档。

我发现大多数人将推荐引擎和协同过滤视为同义词，而不是根本不同。

R数据帧转换

2 个答案: