0
| 本文作者： AI研習(xí)社-譯站 | 2018-12-14 10:10 |
本文為 AI 研習(xí)社編譯的技術(shù)博客，原標(biāo)題 ：
Building a book Recommendation System using Keras
作者 | Gilbert Tanner
翻譯 | 王逍遙、孫稚昊2、UPDATA
校對(duì) | 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(shí)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(píng)級(jí)或偏好來預(yù)測對(duì)某一物品的評(píng)級(jí)或偏好。為了提高服務(wù)質(zhì)量，幾乎每個(gè)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(duì)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(gè)評(píng)級(jí)。它有三個(gè)特性:book_id、user_id和評(píng)級(jí)（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(duì)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(duì)象之間的相似性，如果不使用嵌入層，模型就不會(huì)發(fā)現(xiàn)這些相似性。
嵌入向量是低維的并且在訓(xùn)練網(wǎng)絡(luò)時(shí)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(xùn)練集和測試集，我們將創(chuàng)建兩個(gè)變量，分別用來存儲(chǔ)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(yù)處理的步驟。
使用Keras 的深度學(xué)習(xí)框架可以很容易地創(chuàng)建神經(jīng)網(wǎng)絡(luò)嵌入模型，以及處理多個(gè)輸入和輸出層。
我們的模型有以下的結(jié)構(gòu)：
1. 輸入：包括書和用戶
2. 嵌入層：書和用戶的嵌入
3.點(diǎn)乘：使用點(diǎn)乘來合并各個(gè)嵌入向量
在一個(gè)嵌入模型中，嵌入的權(quán)重要在訓(xùn)練中學(xué)習(xí)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(zhǔn)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(zhǔn)備訓(xùn)練模型。由于模型包含兩個(gè)輸入層（一個(gè)是書籍輸入，一個(gè)是用戶輸入），我們需要將訓(xùn)練集組合成一個(gè)數(shù)組作為 x 輸入。在本文中， 我對(duì)模型訓(xùn)練了 10 epochs，如果想得到更好的結(jié)果，你可以訓(xùn)練更長的時(shí)間。
下面是訓(xùn)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(guān)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(shù)，比如 主成分分析 （PCA），或者t-分布領(lǐng)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(jié)果畫成散點(diǎn)圖：
from sklearn.decomposition import PCA
import seaborn as snspca = 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(xùn)練的模型進(jìn)行推薦很簡單。我們只需要輸入一個(gè)用戶和所有圖書，然后選擇對(duì)該特定用戶具有最高預(yù)測評(píng)級(jí)的圖書。
下面的代碼顯示了對(duì)特定用戶進(jìn)行預(yù)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(dǎo)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(duì)尋找物體相似度，可視化等目標(biāo)很有幫助，并且可以用來做另一個(gè)機(jī)器學(xué)習(xí)模型的輸入。
這個(gè)例子肯定不是完美的，有很多方法可以被嘗試來提高準(zhǔn)確率。但對(duì)于高級(jí)的問題，用嵌入來學(xué)習(xí)輸入是一個(gè)好的出發(fā)帶你。
下面的方法可以得到更好的結(jié)果：
在點(diǎn)乘后加入全連接層
訓(xùn)練更多輪
對(duì)評(píng)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(luò)上關(guān)注我。
如果有任何問題，可以到我的twitter 上評(píng)論。
感謝Dipanjan (DJ) Sarkar.
想要繼續(xù)查看該篇文章相關(guān)鏈接和參考文獻(xiàn)？
長按鏈接點(diǎn)擊打開或點(diǎn)擊【用 Keras 實(shí)現(xiàn)圖書推薦系統(tǒng)】：
https://ai.yanxishe.com/page/TextTranslation/1300
AI研習(xí)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)
一文帶你讀懂計(jì)算機(jī)視覺
等你來譯：
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
