lightfm

ไลท์เอฟเอ็ม

สถานะการสร้าง
ลินุกซ์
OSX (ปิดใช้งาน OpenMP)
Windows (ปิดใช้งาน OpenMP)

LightFM คือการใช้ Python ของอัลกอริธึมการแนะนำยอดนิยมจำนวนหนึ่งสำหรับข้อเสนอแนะทั้งโดยนัยและชัดเจน รวมถึงการใช้งาน BPR และการสูญเสียการจัดอันดับ WARP อย่างมีประสิทธิภาพ ใช้งานง่าย รวดเร็ว (ผ่านการประมาณค่าโมเดลแบบมัลติเธรด) และให้ผลลัพธ์คุณภาพสูง

นอกจากนี้ยังทำให้สามารถรวมทั้งข้อมูลเมตาของรายการและข้อมูลผู้ใช้เข้ากับอัลกอริธึมการแยกตัวประกอบเมทริกซ์แบบเดิมได้ โดยแสดงถึงผู้ใช้แต่ละรายการและรายการเป็นผลรวมของการนำเสนอคุณลักษณะที่แฝงอยู่ จึงช่วยให้คำแนะนำสามารถสรุปรายการใหม่ (ผ่านคุณลักษณะรายการ) และผู้ใช้ใหม่ (ผ่านคุณลักษณะผู้ใช้)

สำหรับรายละเอียดเพิ่มเติม โปรดดูเอกสารประกอบ

ต้องการความช่วยเหลือ? ติดต่อฉันทางอีเมล Twitter หรือ Gitter

การติดตั้ง

ติดตั้งจาก pip :

 pip install lightfm

หรือคอนดา:

 conda install -c conda-forge lightfm

เริ่มต้นอย่างรวดเร็ว

การติดตั้งแบบจำลองผลตอบรับโดยนัยบนชุดข้อมูล MovieLens 100k นั้นง่ายมาก:

 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 ()

บทความและแบบฝึกหัดเกี่ยวกับการใช้ LightFM

1. เรียนรู้การจัดอันดับโมเดล Sketchfab ด้วย LightFM
2. การฝังข้อมูลเมตาสำหรับผู้ใช้และรายการคำแนะนำแบบ Cold-Start
3. ระบบการแนะนำ - เรียนรู้ Python สำหรับวิทยาศาสตร์ข้อมูล
4. การใช้ LightFM เพื่อแนะนำโครงการให้กับที่ปรึกษา

วิธีการอ้างอิง

โปรดอ้างอิง LightFM ถ้ามันช่วยในการวิจัยของคุณ คุณสามารถใช้รายการ BibTeX ต่อไปนี้:

 @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},
}

การพัฒนา

ยินดีต้อนรับคำขอดึง วิธีติดตั้งเพื่อการพัฒนา:

1. โคลนพื้นที่เก็บข้อมูล: git clone [email protected]:lyst/lightfm.git
2. ตั้งค่าสภาพแวดล้อมเสมือน: cd lightfm && python3 -m venv venv && source ./venv/bin/activate
3. ติดตั้งเพื่อการพัฒนาโดยใช้ pip: pip install -e . && pip install -r test-requirements.txt
4. คุณสามารถรันการทดสอบได้โดยการรัน . ./venv/bin/py.test tests
5. LightFM ใช้สีดำเพื่อบังคับใช้การจัดรูปแบบโค้ด และใช้ flake8 สำหรับการเป็นขุย ดูที่ lint-requirements.txt
6. [ไม่บังคับ]: คุณสามารถติดตั้ง pre-commit เพื่อกำหนดรูปแบบและ Linting ในเครื่องได้ ติดตั้งด้วย:

   pip install pre-commit
   pre-commit install

เมื่อทำการเปลี่ยนแปลงไฟล์นามสกุล .pyx คุณจะต้องเรียกใช้ python setup.py cythonize เพื่อสร้างไฟล์นามสกุล .c ก่อนที่จะรัน pip install -e . -