本文為 AI 研習社編譯的技術博客，原標題 ：

Building a book Recommendation System using Keras

作者 | Gilbert Tanner

翻譯 | 王逍遙、孫稚昊2、UPDATA

校對 | 就2       整理 | 菠蘿妹

原文鏈接：

https://towardsdatascience.com/building-a-book-recommendation-system-using-keras-1fba34180699

用 Keras 實現(xiàn)圖書推薦系統(tǒng)

圖 1： Photo by Brandi Redd on Unsplash

推薦系統(tǒng)試圖依據(jù)用戶舊物品評級或偏好來預測對某一物品的評級或偏好。為了提高服務質(zhì)量，幾乎每個大公司都使用推薦系統(tǒng)。

在本文中，我們將研究如何使用Embedding來創(chuàng)建圖書推薦系統(tǒng)。  

對于我們的數(shù)據(jù)，我們將使用goodbooks-10k數(shù)據(jù)集，它包含1萬種不同的圖書和大約100萬個評級。它有三個特性:book_id、user_id和評級（rating）。

如果您不想自己從Kaggle下載數(shù)據(jù)集，可以從我的my Github repository中獲得本文所涉及的文件和完整代碼。  

嵌入是一種映射，從離散的對象(如單詞或在我們的例子里是圖書id)到連續(xù)值向量的映射。這可以用來發(fā)現(xiàn)離散對象之間的相似性，如果不使用嵌入層，模型就不會發(fā)現(xiàn)這些相似性。

嵌入向量是低維的并且在訓練網(wǎng)絡時得到更新。下圖顯示了使用谷歌開源的高緯數(shù)據(jù)可視化 Tensorflows Embedding Projector  創(chuàng)建的嵌入示例。

圖 2：Projector Embeddings

首先使用Pandas加載數(shù)據(jù)集。之后將數(shù)據(jù)集拆分為訓練集和測試集，我們將創(chuàng)建兩個變量，分別用來存儲去重后的用戶id和書籍id(并不是用戶數(shù)量)。

dataset = pd.read_csv('ratings.csv')
train, test = train_test_split(dataset, test_size=0.2, random_state=42)
n_users = len(dataset.user_id.unique())
n_books = len(dataset.book_id.unique())

圖3：Rating-Dataset Head

數(shù)據(jù)集已經(jīng)被清洗過，所以我們無需做更多的數(shù)據(jù)清洗或者數(shù)據(jù)預處理的步驟。

  建立嵌入模型

使用Keras 的深度學習框架可以很容易地創(chuàng)建神經(jīng)網(wǎng)絡嵌入模型，以及處理多個輸入和輸出層。

我們的模型有以下的結構：

    1. 輸入：包括書和用戶

    2. 嵌入層：書和用戶的嵌入

    3.點乘：使用點乘來合并各個嵌入向量

在一個嵌入模型中，嵌入的權重要在訓練中學習得到。這些嵌入不僅能用來從數(shù)據(jù)中提取信息，他們本身也可以被提取或者可視化。

為了簡單起見，我不在模型最后加上全連接層，雖然加上可以提高不少準確率。如果你想要更精確的模型，你可以加上試試。

下面是創(chuàng)建模型的代碼：

from keras.layers import Input, Embedding, Flatten, Dot, Dense
from keras.models import Model
book_input = Input(shape=[1], name="Book-Input")
book_embedding = Embedding(n_books, 5, name="Book-Embedding")(book_input)
book_vec = Flatten(name="Flatten-Books")(book_embedding)

user_input = Input(shape=[1], name="User-Input")
user_embedding = Embedding(n_users, 5, name="User-Embedding")(user_input)
user_vec = Flatten(name="Flatten-Users")(user_embedding)

prod = Dot(name="Dot-Product", axes=1)([book_vec, user_vec])
model = Model([user_input, book_input], prod)
model.compile('adam', 'mean_squared_error')

現(xiàn)在我們已經(jīng)建好了模型，準備訓練模型。由于模型包含兩個輸入層（一個是書籍輸入，一個是用戶輸入），我們需要將訓練集組合成一個數(shù)組作為 x 輸入。在本文中， 我對模型訓練了 10 epochs，如果想得到更好的結果，你可以訓練更長的時間。

下面是訓練代碼：

history = model.fit([train.user_id, train.book_id], train.rating, epochs=10, verbose=1)
model.save('regression_model.h5')

嵌入可以被用來可視化一些概念，比如不同書之間的關系。為了可視化這些概念，我們需要減少向量維讀，通過一些降維的技術，比如 主成分分析 （PCA），或者t-分布領域嵌入算法(t-SNE）。

從10000維開始 （每一維是一本書），我們通過嵌入模型把它減少到5維，再通過PCA 或t-SNE 把它減少到2維。

首先，我們用 get_layer 函數(shù)來提取嵌入：

# Extract embeddings
book_em = model.get_layer('Book-Embedding')
book_em_weights = book_em.get_weights()[0]

現(xiàn)在我們用PCA來把嵌入轉(zhuǎn)化為2維向量，并且用Seaborn把結果畫成散點圖：

from sklearn.decomposition import PCA
import seaborn as sns

pca = PCA(n_components=2)
pca_result = pca.fit_transform(book_em_weights)
sns.scatterplot(x=pca_result[:,0], y=pca_result[:,1])

圖4：Visualizing embeddings with PCA

同樣的事也可以用t-SNE：

from sklearn.manifold import TSNE

tsne = TSNE(n_components=2, verbose=1, perplexity=40, n_iter=300)
tnse_results = tsne.fit_transform(book_em_weights)
sns.scatterplot(x=tnse_results[:,0], y=tnse_results[:,1])

  圖5：Visualizing embeddings with TSNE

使用我們訓練的模型進行推薦很簡單。我們只需要輸入一個用戶和所有圖書，然后選擇對該特定用戶具有最高預測評級的圖書。

下面的代碼顯示了對特定用戶進行預測的過程：

# Creating dataset for making recommendations for the first user
book_data = np.array(list(set(dataset.book_id)))
user = np.array([1 for i in range(len(book_data))])
predictions = model.predict([user, book_data])
predictions = np.array([a[0] for a in predictions])
recommended_book_ids = (-predictions).argsort()[:5]
print(recommended_book_ids)
print(predictions[recommended_book_ids])

這段代碼輸出：

array([4942, 7638, 8853, 9079, 9841], dtype=int64)
array([5.341809 , 5.159592 , 4.9970446, 4.9722786, 4.903894 ], dtype=float32)

導入圖書 csv ，得到更多的信息：

books = pd.read_csv(‘books.csv’)
books.head()

print(books[books[‘id’].isin(recommended_book_ids)])

嵌入是一種把離散的物體，比如單詞，轉(zhuǎn)化為連續(xù)值向量的方法。嵌入對尋找物體相似度，可視化等目標很有幫助，并且可以用來做另一個機器學習模型的輸入。

這個例子肯定不是完美的，有很多方法可以被嘗試來提高準確率。但對于高級的問題，用嵌入來學習輸入是一個好的出發(fā)帶你。

下面的方法可以得到更好的結果：

• 在點乘后加入全連接層

• 訓練更多輪

• 對評分列做歸一化

• 等等

如果你喜歡這篇文章，可以訂閱我的youtube頻道，并且在社交網(wǎng)絡上關注我。

如果有任何問題，可以到我的twitter 上評論。

感謝Dipanjan (DJ) Sarkar.

想要繼續(xù)查看該篇文章相關鏈接和參考文獻？

長按鏈接點擊打開或點擊【用 Keras 實現(xiàn)圖書推薦系統(tǒng)】：

https://ai.yanxishe.com/page/TextTranslation/1300

AI研習社每日更新精彩內(nèi)容，觀看更多精彩內(nèi)容：雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

五個很厲害的 CNN 架構

一文帶你讀懂計算機視覺

用Pytorch做深度學習（第一部分）

Python高級技巧：用一行代碼減少一半內(nèi)存占用

等你來譯：

(Python)3D人臉處理工具face3d

25個能放到數(shù)據(jù)湖中的語音研究數(shù)據(jù)集

如何在數(shù)據(jù)科學面試中脫穎而出 

Apache Spark SQL以及DataFrame的基本概念，架構以及使用案例