lightfm

光调频

构建状态
Linux
OSX（禁用 OpenMP）
Windows（禁用 OpenMP）

LightFM 是许多流行的隐式和显式反馈推荐算法的 Python 实现，包括 BPR 和 WARP 排名损失的高效实现。它易于使用，速度快（通过多线程模型估计），并产生高质量的结果。

它还使得将项目和用户元数据合并到传统的矩阵分解算法中成为可能。它将每个用户和项目表示为其特征的潜在表示的总和，从而允许推荐泛化到新项目（通过项目特征）和新用户（通过用户特征）。

有关更多详细信息，请参阅文档。

需要帮助吗？通过电子邮件、Twitter 或 Gitter 与我联系。

安装

从pip安装：

 pip install lightfm

或康达：

 conda install -c conda-forge lightfm

快速入门

在 MovieLens 100k 数据集上拟合隐式反馈模型非常简单：

 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 ()

有关使用 LightFM 的文章和教程

1. 学习使用 LightFM 对 Sketchfab 模型进行排名
2. 用户和项目冷启动建议的元数据嵌入
3. 推荐系统 - 学习 Python 进行数据科学
4. 使用 LightFM 向顾问推荐项目

如何引用

如果 LightFM 对您的研究有帮助，请引用它。您可以使用以下 BibTeX 条目：

 @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},
}

发展

欢迎请求请求。安装用于开发：

1. 克隆存储库： git clone [email protected]:lyst/lightfm.git
2. 设置虚拟环境： cd lightfm && python3 -m venv venv && source ./venv/bin/activate
3. 使用 pip 安装它以进行开发： pip install -e . && pip install -r test-requirements.txt
4. 您可以通过运行./venv/bin/py.test tests来运行测试。
5. LightFM 使用 black 强制代码格式化，使用 flake8 进行 linting，请参阅lint-requirements.txt 。
6. [可选]：您可以在本地安装预提交以进行格式化和 linting。安装：

   pip install pre-commit
   pre-commit install

更改.pyx扩展文件时，您需要运行python setup.py cythonize以便在运行pip install -e .之前生成扩展.c文件。 。