谷歌开源推荐系统库(TensorFlow Recommenders)

Posted 推荐系统与计算广告

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了谷歌开源推荐系统库(TensorFlow Recommenders)相关的知识,希望对你有一定的参考价值。

谷歌开源TensorFlow Recommenders库.


文章内容仅供学习使用,如有侵权请联系作者删除。

点击蓝字关注我哦





TensorFlow Recommenders

TensorFlow推荐器是一个使用TensorFlow构建推荐系统模型的库。它有助于构建推荐系统的全部工作流程:数据准备、模型制定、训练、评估和部署。它构建在Keras上,目标是让学习者有一个平缓的学习曲线,同时仍然给你构建复杂模型的灵活性。


安装(确保安装了TensorFlow 2.x)

pip install tensorflow-recommenders


TFRS使得:

  • 建立并评估灵活的推荐检索模型。

  • 自由地将item、user和上下文信息合并到推荐模型中。

  • 联合训练多目标推荐的多任务模型。









TFRS模块:


datasets:数据集模块

examples:示例中使用的功能模块

layers:图层模块

losses:损失函数模块

metrics:指标模块

models:模型模块

tasks:任务库模块









TFRS例子:


导入库

import tensorflow_datasets as tfds
import tensorflow_recommenders as tfrs


导入数据

# 评分数据.
ratings = tfds.load('movie_lens/100k-ratings', split="train")
# 电影特征数据.
movies = tfds.load('movie_lens/100k-movies', split="train")

# 选取特征.
ratings = ratings.map(lambda x: {
"movie_id": tf.strings.to_number(x["movie_id"]),
"user_id": tf.strings.to_number(x["user_id"])
})
movies = movies.map(lambda x: tf.strings.to_number(x["movie_id"]))


构建模型

# Build a model.
class Model(tfrs.Model):

def __init__(self):
super().__init__()

# user embedding.
self.user_model = tf.keras.layers.Embedding(
input_dim=2000, output_dim=64)
# movie embedding.
self.item_model = tf.keras.layers.Embedding(
input_dim=2000, output_dim=64)

# 在整个候选数据集上设置检索任务和评估指标。
self.task = tfrs.tasks.Retrieval(
metrics=tfrs.metrics.FactorizedTopK(
candidates=movies.batch(128).map(self.item_model)
)
)

def compute_loss(self, features: Dict[Text, tf.Tensor], training=False) -> tf.Tensor:

user_embeddings = self.user_model(features["user_id"])
movie_embeddings = self.item_model(features["movie_id"])

return self.task(user_embeddings, movie_embeddings)


模型训练和评估

model = Model()
model.compile(optimizer=tf.keras.optimizers.Adagrad(0.5))

# Randomly shuffle data and split between train and test.
tf.random.set_seed(42)
shuffled = ratings.shuffle(100_000, seed=42, reshuffle_each_iteration=False)

train = shuffled.take(80_000) # 取前8000做训练集
test = shuffled.skip(80_000).take(20_000) # 取80000-100000为测试集

# Train.
model.fit(train.batch(4096), epochs=5)

# Evaluate.
model.evaluate(test.batch(4096), return_dict=True)










更多细节请移步:


源码:

https://github.com/tensorflow/recommenders

指南:

https://www.tensorflow.org/recommenders/examples/quickstart

API: 

https://www.tensorflow.org/recommenders/api_docs/tfrs






以上是关于谷歌开源推荐系统库(TensorFlow Recommenders)的主要内容,如果未能解决你的问题,请参考以下文章

Google官方开源的推荐系统工具库介绍(含视频教程)

Google官方开源的推荐系统工具库介绍(含视频教程)

Google官方开源的推荐系统工具库介绍(含视频教程)

Google官方开源的推荐系统工具库介绍(含视频教程)

开源推荐 5快速入门 Google 机器学习系统 TensorFlow

要替代TensorFlow?谷歌开源机器学习库JAX