推荐系统学习04-LibMF

Posted 2020-07-04 Lenskit

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了推荐系统学习04-LibMF相关的知识，希望对你有一定的参考价值。

介绍

LibMF的作者是大名鼎鼎的台湾国立大学，他们在机器学习领域享有盛名，近年连续多届KDD Cup竞赛上均获得优异成绩，并曾连续多年获得冠军。业界常用的LibSVM， Liblinear等都是他们开发的，开源代码的效率和质量都非常高。

LibMF是在潜在空间使用两个矩阵，接近一个不完全矩阵。（原句是：LIBMF is an open source tool for approximating an incomplete matrix using the product of two matrices in a latent space.）

矩阵分解（MF）通常在推荐系统中使用。LibMF有如下特点：

1、providing solvers for real-valued matrix factorization, binary matrix factorization, and one-class matrix factorization（为实值矩阵分解，二元矩阵分解和一类矩阵分解提供解决办法）
2、parallel computation in a multi-core machine （多核机器中并行计算）
3、using CPU instructions (e.g., SSE) to accelerate vector operations（可使用CPU指令，比如SSE来加速向量运算）
taking less than 20 minutes to converge to a reasonable level on a data set of 1.7B ratings（在1.7B等级大小的数据上花不到20分钟来聚集到一个合理的级数）
4、cross validation for parameter selection（参数选择的交叉验证）
5、supporting disk-level training, which largely reduces the memory usage（支持磁盘级训练，大大减小内存使用）

编译

在Ubuntu14.04上进行。环境需要g++4.6及以上。

将下载的压缩文件上传至Ubuntu，解压。

进入目录，输入“make”进行编译。

编译后可看到这些文件

数据格式

<row_idx> <col_idx> <value>

在demo目录中，文件real_matrix.tr.txt' 和 `real_matrix.te.txt'是真值矩阵分解real-valued matrix factorization (RVMF)演示的训练和测试数据集。二元矩阵分解binary matrix factorization (BMF)中，`binary_matrix.tr.txt' 和`binary_matrix.te.txt.'中<value>集是{-1, 1}。在一类矩阵分解（one-class MF）中，所有的<value>都是正的。

模型格式

LibMF把一个训练矩阵R变为一个k-by-m的矩阵 `P'和一个k-by-n的矩阵 `Q'，也就是R近似于 P'Q。训练过程结束后，这两个因子矩阵P和Ｑ被存到一个模型文件中。这个文件以如下打头：

　 `f': the loss function of the solved MF problem
     `m': the number of rows in the training matrix,
     `n': the number of columns in the training matrix,
     `k': the number of latent factors,
     `b': the average of all elements in the training matrix.

从第五行开始，Ｐ和Ｑ的列就被一行接一行的存储。每一行，都有两个领导标志跟在一列值后面。第一个标志是被存储列的名字，第二个标志表明值的类型。如果第二个标志是‘T’，列是真值。否则，列的所有值是NaN。举个例子：

            [1 NaN 2]         [-1 -2]
      P = |3 NaN 4|,     Q = |-3 -4|,
            [5 NaN 6]       [-5 -6]

并且b=0.5，则模型文件的内容是：

      --------model file--------
       m 3
       n 2
       k 3
       b 0.5
       p0 T 1 3 5
       p1 F 0 0 0
       p2 T 2 4 6
       q0 T -1 -3 -5
       q1 T -2 -4 -6
       --------------------------

使用

'mf-train'

用法: mf-train [options] training_set_file [model_file]

“mf-train”是LibMF最主要的训练命令。每次迭代，下列信息都被打印出来：

    - iter: the index of iteration
    - tr_xxxx: xxxx is the evaluation criterion on the training set
    - va_xxxx: the same criterion on the validation set if `-p' is set
    - obj: objective function value

这里的`tr_xxxx' 和 `obj' 都是估计的，因为计算真的值太耗时间了。
对于不同的损失，标准如下：

      <loss>: <evaluation criterion>
        -       0: root mean square error (RMSE)
        -       1: mean absolute error (MAE)
        -       2: generalized KL-divergence (KL)
        -       5: logarithmic loss
        -   6 & 7: accuracy
        - 10 & 11: pair-wise logarithmic loss (BprLoss)

'mf-predict'

用法:mf-predict [options] test_file model_file output_file

示例

在demo目录中，有一个“demo.sh”shell脚本，运行它可以用来演示。

下面做一些操作：

mf-train real_matrix.tr.txt model

train a model using the default parameters

mf-train -l1 0.05 -l2 0.01 real_matrix.tr.txt model

train a model with the following regularization coefficients:

coefficient of L1-norm regularization on P = 0.05
coefficient of L1-norm regularization on Q = 0.05
coefficient of L2-norm regularization on P = 0.01
coefficient of L2-norm regularization on Q = 0.01

mf-train -l1 0.015,0 -l2 0.01,0.005 real_matrix.tr.txt model

train a model with the following regularization coefficients:

coefficient of L1-norm regularization on P = 0.05
coefficient of L1-norm regularization on Q = 0
coefficient of L2-norm regularization on P = 0.01
coefficient of L2-norm regularization on Q = 0.03

mf-train -f 5 -l1 0,0.02 -k 100 -t 30 -r 0.02 -s 4 binary_matrix.tr.txt model

train a BMF model using logarithmic loss and the following parameters:

coefficient of L1-norm regularization on P = 0
coefficient of L1-norm regularization on Q = 0.01
latent factors = 100
iterations = 30
learning rate = 0.02
threads = 4