lightfm

光調頻

建置狀態
Linux
OSX（停用 OpenMP）
Windows（停用 OpenMP）

LightFM 是許多流行的隱式和明確回饋推薦演算法的 Python 實現，包括 BPR 和 WARP 排名損失的高效實現。它易於使用，速度快（透過多線程模型估計），並產生高品質的結果。

它也使得將項目和用戶元資料合併到傳統的矩陣分解演算法中成為可能。它將每個用戶和項目表示為其特徵的潛在表示的總和，從而允許推薦泛化到新項目（透過項目特徵）和新用戶（透過用戶特徵）。

有關更多詳細信息，請參閱文件。

需要幫助嗎？透過電子郵件、Twitter 或 Gitter 與我聯繫。

安裝

從pip安裝：

 pip install lightfm

或康達：

 conda install -c conda-forge lightfm

快速入門

在 MovieLens 100k 資料集上擬合隱式回饋模型非常簡單：

 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 ()

有關使用 LightFM 的文章和教程

1. 學習使用 LightFM 對 Sketchfab 模型進行排名
2. 用戶和專案冷啟動建議的元資料嵌入
3. 推薦系​​統 - 學習 Python 進行資料科學
4. 使用 LightFM 向顧問推薦項目

如何引用

如果 LightFM 對您的研究有幫助，請引用它。您可以使用以下 BibTeX 條目：

 @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},
}

發展

歡迎請求請求。安裝用於開發：

1. 複製儲存庫： git clone [email protected]:lyst/lightfm.git
2. 設定虛擬環境： cd lightfm && python3 -m venv venv && source ./venv/bin/activate
3. 使用 pip 安裝它以進行開發： pip install -e . && pip install -r test-requirements.txt
4. 您可以透過執行./venv/bin/py.test tests來執行測試。
5. LightFM 使用 black 強製程式碼格式化，使用 flake8 進行 linting，請參閱lint-requirements.txt 。
6. [可選]：您可以在本機安裝預先提交以進行格式化和 linting。安裝：

   pip install pre-commit
   pre-commit install

更改.pyx擴充檔時，您需要執行python setup.py cythonize以便在執行pip install -e .之前產生擴充功能.c檔。 。