没有评级的建议 (Azure ML)

Question

我正在尝试构建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，那么他会对其他已被也评价过他的电影的用户评分的电影感兴趣。

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

我找不到任何关于这种情况的示例或教程，我真的不知道如何继续。我应该在将数据注入算法之前对其进行转换吗？和/或有什么我应该使用的特定算法？

Answer 1

如果您希望在 AML 中使用 Matchbox Recommender，那么您是正确的，您需要识别一些 原始数据集中不存在的用户电影对，并将它们添加到评分为零。 （我假设您已经将所有真实的用户-电影对设置为评级为 1，如上所述。）

我建议生成一些随机候选对，并在执行 R（或 Python）脚本模块的训练数据中确认它们不存在。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，您可以尝试association rule learning 之类的方法，该方法不需要您添加虚假的零评级。 Martin Machac 在 Cortana 智能库中发布了 nice example，介绍如何在 R/AML 中执行此操作。