没有评级的推荐 (Azure ML)

Question

我正在尝试建立一个实验来创建推荐（使用电影评级示例数据库），但不使用评级。我只是认为，如果用户对某些电影进行了评分，那么他会对其他对他的电影进行评分的用户评分的其他电影感兴趣。

我可以考虑，例如，评级是 1（存在于数据库中）或 0（不存在），但在那种情况下，我如何转换初始数据以反映这一点？

我找不到关于这种情况的任何示例或教程，而且我真的不知道如何进行。我应该在将数据注入算法之前对其进行转换吗？ And/or 有什么我应该使用的特定算法吗？

Answer 1

如果您希望在 AML 中使用 Matchbox Recommender，您是正确的，您需要识别一些不存在于原始数据集中的用户-电影对, 并将这些添加到零评级中。（我假设您已经将所有真实的用户电影对设置为 1，如上所述。）

我建议生成一些随机候选对并确认它们不存在于执行 R（或 Python）脚本模块的训练数据中。我不知道你的数据集特征的名称，但这里有一些 R 中的伪代码可以做到这一点：

library(dplyr)
df <- maml.mapInputPort(1)  # input dataset of observed user-movie pairs
all_movies <- unique(df[['movie']])
all_users <- unique(df[['user']])
n <- 30  # number of random pairs to start with

negative_observations <- data.frame(movie = sample(all_movies, n, replace=TRUE),
                                    user = sample(all_users, n, replace=TRUE),
                                    rating = rep(0, n))          
acceptable_negative_observations <- anti_join(unique(negative_observations), df, by=c('movie', 'user'))
df <- rbind(df, acceptable_negative_observations)
maml.mapOutputPort("df");

或者，您可以在 Cortana Intelligence Gallery R/AML 中尝试类似 association rule learning which would not require you to add in the fake zero ratings. Martin Machac has posted a nice example 的方法。

没有评级的推荐 (Azure ML)

Recommendations without ratings (Azure ML)

machine-learning

azure-machine-learning-studio