UserCF-and-FM-Based-RecSys

基于CF与FM的汽车资讯推荐系统

1.数据

• 认识数据
• 测试集与测试集

2.模型

• UserCF
• FM

3.评测

4.备注

1.数据

• 1.1 认识数据
  数据按天存储，每一天的log数据记录着每一个用户的行为。 体现用户与资讯文章之间的交互。
  其中包括用户对文章的点击，在该文章界面的停留时间，当前行为的发生时间，文章所属于的community等等。

每天的log数据，是一个二维表。每一行是一个行为记录。

uid : 用户id   (int)  
snsid : 资讯文章id  （int）  
is_click : 是否点击 （0：未点击，1：点击）  
duration : 停留时间  （s,未点击为-1.0）  
tdate : 事务时间  （YY-MM-DD）  
comuntitylist : 文章所属community   
ishotshow : 是否是hotshow  
click_count : 文章点击总数量  
read_count ; 文章阅读总数量   
comment_count ： 文章评论总数  
forward : 是否转发  
authorid : 文章作者id  

• 1.2 训练集
  选取5月11日到6月3的最活跃1000个用户作为偏好集. 其他用户与该1000用户计算相似度 去除无点击的用户，无点击文章 ，得到uid×snsid即 231052×6838的数据集
  按照每个用户的点击量排序 ,选择点击量最多的即最活跃的1000个用户。作为参照。测试集中的每一个用户与这1000个用户计算相似度。

• 去除无点击(僵尸)用户，无点击文章

• 1.3 测试集
  使用6月1日到6月3日的log作为测试数据。
  对6月1日到6月3日的N个活跃用户作为测试用户进行UserCF推荐， N取1000，5000，10000，50000
  若用户在此日中点击了推荐的文章，则表明推荐正确。

2.模型

2.1 UserCF

基于用户的协同过滤系统，通过其近邻(即偏好相似的用户)的爱好向用户做推荐。

• 寻找相似用户
• 通过其相似爱好向用户做推荐。
• 在用户看到文章集中选取30篇文章，排序后作为推荐结果

采用pearson相似度，通过近邻25个邻居获得其偏好

• pearson相似度
• 25个邻居 (可调整)
• 在用户看得到的文章中做推荐

2.2 FM

什么是FM？
使用FM的一个开源实现tffm ( TensorFlow Factorization Machine）[https://github.com/geffy/tffm]
调用方法：

3.评测

评测指标

• TopK 点击率

3.1 UserCF

对6月1日到6月3日的N个活跃用户作为测试用户评测
N取1000，5000，10000，50000 计算推荐的文章中的Top 10,Top20,Top30的点击率

• 原始log中的Total点击率

可见，相对与原始推荐系统而言，再采用UserCF作为推荐模型时，其TopK点击率有了显著的提升，尤其是对于那些相对活跃的用户。

3.2 FM

可见，相对与原始推荐系统而言，再采用FM作为推荐模型时，其TopK点击率提升更加明显。

FM vs UserCF

• 性能：FM推荐速度更快
• TopK 点击率 FM相对于UserCF约提升30%左右

4.备注

• 从OSS上下载数据
• 使用多线程 见
• FM训练，使用tensorflow-serving，以及调用

python run.py --gpu 2 --gap 30 --date 2018-06-01 --feature uid,snsid,authorid

tensorflow_model_server --port=9000 --model_base_path=/root/export

调用见test_cliet.py