Lightfm:处理用户和项目冷启动

Question

我记得lightfm的优点之一是模型没有冷启动问题，用户和项目都冷启动：lightfm original paper

然而，我仍然不明白如何使用lightfm来解决冷启动问题。我在user-item interaction data上训练我的模型。据我所知，我只能对我的数据集上存在的profile_ids进行预测。

def predict(self, user_ids, item_ids, item_features=None,
            user_features=None, num_threads=1):
    """
    Compute the recommendation score for user-item pairs.

    Arguments
    ---------

    user_ids: integer or np.int32 array of shape [n_pairs,]
         single user id or an array containing the user ids for the
         user-item pairs for which a prediction is to be computed
    item_ids: np.int32 array of shape [n_pairs,]
         an array containing the item ids for the user-item pairs for which
         a prediction is to be computed.
    user_features: np.float32 csr_matrix of shape [n_users, n_user_features], optional
         Each row contains that user's weights over features.
    item_features: np.float32 csr_matrix of shape [n_items, n_item_features], optional
         Each row contains that item's weights over features.
    num_threads: int, optional
         Number of parallel computation threads to use. Should
         not be higher than the number of physical cores.

    Returns
    -------

    np.float32 array of shape [n_pairs,]
        Numpy array containing the recommendation scores for pairs defined
        by the inputs.
    """

    self._check_initialized()

    if not isinstance(user_ids, np.ndarray):
        user_ids = np.repeat(np.int32(user_ids), len(item_ids))

    assert len(user_ids) == len(item_ids)

    if user_ids.dtype != np.int32:
        user_ids = user_ids.astype(np.int32)
    if item_ids.dtype != np.int32:
        item_ids = item_ids.astype(np.int32)

    n_users = user_ids.max() + 1
    n_items = item_ids.max() + 1

    (user_features,
     item_features) = self._construct_feature_matrices(n_users,
                                                       n_items,
                                                       user_features,
                                                       item_features)

    lightfm_data = self._get_lightfm_data()

    predictions = np.empty(len(user_ids), dtype=np.float64)

    predict_lightfm(CSRMatrix(item_features),
                    CSRMatrix(user_features),
                    user_ids,
                    item_ids,
                    predictions,
                    lightfm_data,
                    num_threads)

    return predictions

任何有助于我理解的建议或建议都将不胜感激。谢谢

Answer 1

就像任何其他推荐算法一样，如果没有给出关于全新用户的额外信息，LightFM就无法对这些用户做出预测。当尝试为新用户提供推荐时，技巧是根据算法在训练期间看到的特征来描述它们。

这可能是最好的解释，用一个例子。假设您的训练集中有ID在0到10之间的用户，并且您希望对ID为11的新用户进行预测。如果您所拥有的全部是新用户的ID，算法将无法进行预测:毕竟，它对用户11的首选项一无所知。然而，假设你有一些特征来描述用户:也许在注册过程中，每个用户都选择了他们的一些兴趣(例如，恐怖电影或浪漫喜剧)。如果在训练过程中存在这些特征，则该算法可以了解平均而言，哪些偏好与这些特征相关联，并且将能够为可以使用相同特征描述的任何新用户产生推荐。在此示例中，如果您可以提供用户11在注册过程中选择的首选项，您将能够对他们进行预测。

在LightFM实现中，所有这些特征都将被编码到特征矩阵中，可能是以one-hot编码的形式。在为用户11提供推荐时，您将为该用户构建一个新的特征矩阵:只要该特征矩阵只包含训练过程中出现的特征，您就能够做出预测。

请注意，通常具有仅对应于单个用户的功能是有用的-因此，“is user 0”功能、“Is user 1”功能等等。在新用户的情况下，这样的功能是无用的，因为在训练中没有模型可以用来学习该功能的信息。

Answer 2

这对我很有效：

if user_index is not None:
    predictions = model.predict([user_index, ], np.array(target_item_indices))
else:
    predictions = model.predict(0, np.array(target_item_indices), user_features=user_features)

在这里，user_features是一个稀疏数组，它是从训练模型时使用的特征集仔细组装而成的。

例如，如果我有一个新用户，并且该用户的特征类似于user_feature_list = ["id-2837", "Cape Town", "Woodstock", 7700]，那么我将构建特征数组，如下所示：

from scipy import sparse

user_feature_map = store_model.user_feature_map  # the feature map was persisted during the previous round of offline training
num_features = len(user_feature_list)
normalised_val = 1.0 / num_features
target_indices = []
for feature in user_feature_list:
    try:
        target_indices.append(user_feature_map[feature])
    except KeyError:
        print("new user feature encountered '{}'".format(feature))
        pass
print("target indices: {}".format(target_indices))
user_features = np.zeros(len(user_feature_map.keys()))
for i in target_indices:
    user_features[i] = normalised_val
user_features = sparse.csr_matrix(user_features)

先前通过对原始输入数据集调用LightFM的mapping()方法，在拟合后生成了user_feature_map：

dataset.fit(
    unique_user_ids,
    unique_item_ids,
    item_features=item_feature_list,
    user_features=user_feature_list
)

user_id_map, user_feature_map, item_id_map, item_feature_map = dataset.mapping()