使用 WALS 方法在 tensorflow 2.0 中进行矩阵分解

Question

我正在使用 WALS 方法来执行矩阵分解。最初在 tensorflow 1.13 中，我可以使用

导入 factorization_ops

from tensorflow.contrib.factorization.python.ops import factorization_ops 

如documentation中所述

Wals 模型可以使用 factorization_ops 调用

factorization_ops.WALSModel

在 tensorflow 2.0 中使用相同的命令给我以下错误

ModuleNotFoundError：没有名为“tensorflow.contrib.factorization”的模块

通过issue 似乎没有办法在 tensorflow 2.0+ 中使用 WALSModel。

在 tensorflow 发布更新中还提到 here 已弃用 tf.contrib，并且功能已迁移到核心 TensorFlow API、生态系统项目（例如 tensorflow/addons 或 tensorflow/io），或者完全删除。

如何在 tensorflow 2.0 中使用 WALS 模型（目前我在 windows 机器上使用 2.0.0-rc0）？ WALSModel 是否已被删除或我遗漏了一些信息？

Answer 1

相信TF 2.0不支持WALS...官方推荐型号为Neural Collaborative Filter (NCF)

我希望这会有所帮助。

M

Answer 2

我有同样的问题，但不幸的是我真的没有时间自己写一个库。我正在考虑几个潜在的选择：

1. 坚持使用 TF1.X，直到有人创建库

2. 切换到使用 lightfm 以继续使用 WALS

3. 使用带有 keras 的嵌入层和点积层切换到神经协同过滤。见这篇论文https://arxiv.org/abs/1708.05031，以及这段代码实现：

from tensorflow.keras.layers import Input, Embedding, Flatten, Dot, Dense
from tensorflow.keras.models import Model
#import tensorflow.distribute

def get_compiled_model(n_users, n_items, embedding_dims=20):
    # Product embedding
    prod_input = Input(shape=[1], name="Item-Input")
    prod_embedding = Embedding(n_items+1, embedding_dims, name="Item-Embedding")(prod_input)
    prod_vec = Flatten(name="Flatten-Product")(prod_embedding)

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

    # The output is the dot product of the two, i.e. a one-hot vector
    dot_product = Dot(name="Dot-Product", axes=1)([prod_vec, user_vec])

    # compile - uncomment these two lines to make training distributed
    # dist_strat = distribute.Strategy()
    # with dist_strat.scope():
    model = Model(inputs = [user_input, prod_input], outputs = dot_product)
    model.compile(
        optimizer='adam',
        loss='mean_squared_error'
    )
    return model

Answer 3

我将 WALS 的 Tensorflow 实现与其他实现在计算资源和准确性方面进行了比较 (https://github.com/gtsoukas/cfzoo)。比较表明 implicit Python 包 (https://github.com/benfred/implicit) 是一个很好的替代品，可提供卓越的性能。

Answer 4

我认为 WALS 已被删除。作为tf.contrib 的一部分，TF2 不支持它，我认为它不适合任何核心或子项目。 您最好的选择可能是将其作为第三方库提供。

我希望将它用于我的项目，但需要重新编写它（主要是复制 TF1 中的内容并使其作为与 TF2 兼容的单独库工作）降低了此任务的优先级...

如果您开始编写代码，请告诉我们。谢谢。

亚历克西斯。