如何通过LightFM python包生成用户对用户推荐？

Question

我正在通过以下代码创建一个数据集：

from lightfm.data import Dataset
from lightfm import LightFM

dataset = Dataset()


dataset.fit((row['id'] for row in user_queryset.values()),
            (row['id'] for row in item_queryset.values()))


num_users, num_items = dataset.interactions_shape()


(interactions_sparse_matrix, weights) = dataset.build_interactions(
        (
            (
                row['user_id']
                ,row['item_id']
                ,row['weight']
            )
        )
        for row in queryset.values()
    )

dataset.fit_partial(
    items=(x['item_id'] for x in items_list),
    item_features=(x['feature_id'] for x in item_features_list)
    )
dataset.fit_partial(
    users=(x['user_id'] for x in users_list),
    user_features=(x['feature_id'] for x in user_features_list)
    )
item_features = dataset.build_item_features(
    ((x['item_id'], [x['property_id']])
    for x in item_features_list))
user_features = dataset.build_user_features(
    ((x['user_id'], [x['property_id']])
    for x in user_features_list))

并且我通过以下方式生成一个训练模型：

model = LightFM(loss='bpr')
model.fit(
        interactions_sparse_matrix
        ,item_features=item_features
        ,user_features=user_features
        )

然后我使用sklearn的cosine_similarity方法来获取相似性：

from scipy import sparse
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

users_sparse_matrix = sparse.csr_matrix(users_embed)
similarities = cosine_similarity(users_sparse)

但是当打印similarities.shape它的返回时：

(14, 14)

虽然我有5个用户，我认为它一定是(5,5)，我错了吗？类似于下面的矩阵：

1    0.2   0.8    0.4    0.6
0.2   1    ...    ...    ...
0.8  ...    1     ...    ...
0.4  ...   ...     1     ...
0.6  ...   ...    ...     1

如何让用户及其分数推荐给用户？谢谢

我的LightFM版本是: 1.15

我用的是python 3.6

Answer 1

问题不在于您的代码。人们对user_embedding的概念有误解。user_embedding矩阵是以用户特征的数量为行，以组件的数量为列的矩阵。有了这个矩阵，为了得到每个用户之间具有余弦相似度的相似度，您需要将user_feature矩阵与user_embedding相乘，最后计算user_feature矩阵与user_embedding矩阵的点积的余弦相似度。