lightfm

라이트FM

빌드 상태
리눅스
OSX(OpenMP 비활성화)
Windows(OpenMP 비활성화)

LightFM은 BPR 및 WARP 순위 손실의 효율적인 구현을 포함하여 암시적 및 명시적 피드백 모두를 위한 여러 인기 있는 추천 알고리즘을 Python으로 구현한 것입니다. 사용하기 쉽고 빠르며(멀티스레드 모델 추정을 통해) 고품질 결과를 생성합니다.

또한 항목과 사용자 메타데이터를 모두 기존 행렬 분해 알고리즘에 통합하는 것도 가능합니다. 이는 각 사용자와 항목을 해당 기능의 잠재 표현의 합계로 나타내므로 추천이 새 항목(항목 기능을 통해)과 새 사용자(사용자 기능을 통해)로 일반화될 수 있습니다.

자세한 내용은 설명서를 참조하세요.

도움이 필요하신가요? 이메일, 트위터, Gitter를 통해 저에게 연락해주세요.

설치

pip 에서 설치:

 pip install lightfm

또는 콘다:

 conda install -c conda-forge lightfm

빠른 시작

MovieLens 100k 데이터 세트에 암시적 피드백 모델을 적용하는 것은 매우 쉽습니다.

 from lightfm import LightFM
from lightfm . datasets import fetch_movielens
from lightfm . evaluation import precision_at_k

# Load the MovieLens 100k dataset. Only five
# star ratings are treated as positive.
data = fetch_movielens ( min_rating = 5.0 )

# Instantiate and train the model
model = LightFM ( loss = 'warp' )
model . fit ( data [ 'train' ], epochs = 30 , num_threads = 2 )

# Evaluate the trained model
test_precision = precision_at_k ( model , data [ 'test' ], k = 5 ). mean ()

LightFM 사용에 관한 기사 및 튜토리얼

1. LightFM을 사용하여 Sketchfab 모델의 순위를 매기는 방법 배우기
2. 사용자 및 항목 콜드 스타트 ​​권장 사항에 대한 메타데이터 임베딩
3. 추천 시스템 - 데이터 과학을 위한 Python 배우기
4. LightFM을 사용하여 컨설턴트에게 프로젝트 추천

인용 방법

연구에 도움이 된다면 LightFM을 인용해 주세요. 다음 BibTeX 항목을 사용할 수 있습니다.

 @inproceedings{DBLP:conf/recsys/Kula15,
  author    = {Maciej Kula},
  editor    = {Toine Bogers and
               Marijn Koolen},
  title     = {Metadata Embeddings for User and Item Cold-start Recommendations},
  booktitle = {Proceedings of the 2nd Workshop on New Trends on Content-Based Recommender
               Systems co-located with 9th {ACM} Conference on Recommender Systems
               (RecSys 2015), Vienna, Austria, September 16-20, 2015.},
  series    = {{CEUR} Workshop Proceedings},
  volume    = {1448},
  pages     = {14--21},
  publisher = {CEUR-WS.org},
  year      = {2015},
  url       = {http://ceur-ws.org/Vol-1448/paper4.pdf},
}

개발

풀 요청을 환영합니다. 개발을 위해 설치하려면:

1. 저장소를 복제하세요: git clone [email protected]:lyst/lightfm.git
2. 가상 환경 설정: cd lightfm && python3 -m venv venv && source ./venv/bin/activate
3. pip: pip install -e . && pip install -r test-requirements.txt
4. ./venv/bin/py.test tests 실행하여 테스트를 실행할 수 있습니다.
5. LightFM은 검정색을 사용하여 코드 서식을 적용하고 flake8을 사용하여 Lint를 사용합니다. lint-requirements.txt 참조하세요.
6. [선택 사항]: 서식 지정 및 Linting을 수행하기 전에 로컬로 사전 커밋을 설치할 수 있습니다. 다음을 사용하여 설치:

   pip install pre-commit
   pre-commit install

.pyx 확장 파일을 변경할 때 pip install -e . 실행하기 전에 확장 .c 파일을 생성하려면 python setup.py cythonize 실행해야 합니다. .