tensorflow 2.0中矩阵分解的WALS方法

Question

我正在使用WALS方法来执行矩阵分解。最初在tensorflow 1.13中，我可以使用

from tensorflow.contrib.factorization.python.ops import factorization_ops 

如文档所述

可以从factorization_ops调用Wals模型。

factorization_ops.WALSModel

在tensorflow 2.0中使用相同的命令给出以下错误

'tensorflow.contrib.factorization ModuleNotFoundError:没有名为的模块

通过问题，似乎没有办法在tensorflow 2.0+中使用WALSModel。

另外，在tensorflow版本更新中也提到了这里，tf.contrib已被废弃，功能要么迁移到核心TensorFlow API，要么迁移到生态系统项目，如tensorflow/addons或tensorflow/io，或者完全删除。

如何在tensorflow 2.0中使用WALS模型(目前我在windows机器上使用2.0.0-rc0 )？是WALSModel被删除了，还是我遗漏了一些信息？

Answer 1

我相信TF-2.0 ...The官方推荐模式是神经协作滤波器不支持WALS

我希望这能帮到你。

我

Answer 2

我也有同样的问题，但不幸的是，我没有时间自己写一个库。我正在考虑几种可能的选择：

1. 坚持使用TF1.X，直到有人创建库
2. 切换到使用lightfm继续使用WALS
3. 切换到神经协作过滤，使用嵌入层与角点和一个点积层。请参阅本文中的https://arxiv.org/abs/1708.05031，以及这个代码实现：

from tensorflow.keras.layers import Input, Embedding, Flatten, Dot, Dense
from tensorflow.keras.models import Model
#import tensorflow.distribute

def get_compiled_model(n_users, n_items, embedding_dims=20):
    # Product embedding
    prod_input = Input(shape=[1], name="Item-Input")
    prod_embedding = Embedding(n_items+1, embedding_dims, name="Item-Embedding")(prod_input)
    prod_vec = Flatten(name="Flatten-Product")(prod_embedding)

    # User embedding
    user_input = Input(shape=[1], name="User-Input")
    user_embedding = Embedding(n_users+1, embedding_dims, name="User-Embedding")(user_input)
    user_vec = Flatten(name="Flatten-Users")(user_embedding)

    # The output is the dot product of the two, i.e. a one-hot vector
    dot_product = Dot(name="Dot-Product", axes=1)([prod_vec, user_vec])

    # compile - uncomment these two lines to make training distributed
    # dist_strat = distribute.Strategy()
    # with dist_strat.scope():
    model = Model(inputs = [user_input, prod_input], outputs = dot_product)
    model.compile(
        optimizer='adam',
        loss='mean_squared_error'
    )
    return model

Answer 3

在计算资源和准确性(https://github.com/gtsoukas/cfzoo)方面，我已经将WALS的Tensorflow实现与其他实现进行了比较。比较表明，隐式package (https://github.com/benfred/implicit)是一个很好的替代品，提供了更好的性能。