LibRecommender

概览

LibRecommender是一个易于使用的推荐系统，专注于端到端的推荐过程。它包含训练（libreco）和服务（libserving）模块，让用户能够快速训练和部署各种推荐模型。

主要特点包括：

• 实现了多种流行的推荐算法，如FM、DIN、LightGCN等。详见完整算法列表。
• 混合推荐系统，允许用户使用协同过滤或基于内容的特征。可以随时添加新特征。
• 内存占用低，自动将分类特征和多值分类特征转换为稀疏表示。
• 支持显式和隐式数据集的训练，以及隐式数据的负采样。
• 提供端到端工作流程，即数据处理/预处理 -> 模型训练 -> 评估 -> 保存/加载 -> 服务。
• 支持冷启动预测和推荐。
• 支持动态特征和序列推荐。
• 为所有算法提供统一且友好的API。
• 易于使用新数据中的新用户/物品重新训练模型。

使用方法

纯协同过滤示例 ：

import numpy as np
import pandas as pd
from libreco.data import random_split, DatasetPure
from libreco.algorithms import LightGCN  # 纯数据，算法LightGCN
from libreco.evaluation import evaluate

data = pd.read_csv("examples/sample_data/sample_movielens_rating.dat", sep="::",
                   names=["user", "item", "label", "time"])

# 将整个数据集分为三部分：训练、评估和测试
train_data, eval_data, test_data = random_split(data, multi_ratios=[0.8, 0.1, 0.1])

train_data, data_info = DatasetPure.build_trainset(train_data)
eval_data = DatasetPure.build_evalset(eval_data)
test_data = DatasetPure.build_testset(test_data)
print(data_info)  # 用户数: 5894, 物品数: 3253, 数据稀疏度: 0.4172 %

lightgcn = LightGCN(
    task="ranking",
    data_info=data_info,
    loss_type="bpr",
    embed_size=16,
    n_epochs=3,
    lr=1e-3,
    batch_size=2048,
    num_neg=1,
    device="cuda",
)
# 在训练过程中监控评估数据的指标
lightgcn.fit(
    train_data,
    neg_sampling=True,
    verbose=2,
    eval_data=eval_data,
    metrics=["loss", "roc_auc", "precision", "recall", "ndcg"],
)

# 对测试数据进行最终评估
evaluate(
    model=lightgcn,
    data=test_data,
    neg_sampling=True,
    metrics=["loss", "roc_auc", "precision", "recall", "ndcg"],
)

# 预测用户2211对物品110的偏好
lightgcn.predict(user=2211, item=110)
# 为用户2211推荐7个物品
lightgcn.recommend_user(user=2211, n_rec=7)

# 冷启动预测
lightgcn.predict(user="ccc", item="not item", cold_start="average")
# 冷启动推荐
lightgcn.recommend_user(user="are we good?", n_rec=7, cold_start="popular")

包含特征的示例 ：

import numpy as np
import pandas as pd
from libreco.data import split_by_ratio_chrono, DatasetFeat
from libreco.algorithms import YouTubeRanking  # 特征数据，算法YouTubeRanking

data = pd.read_csv("examples/sample_data/sample_movielens_merged.csv", sep=",", header=0)
# 基于时间将数据分为训练集和测试集
train_data, test_data = split_by_ratio_chrono(data, test_size=0.2)
# 指定完整的列信息
稀疏列 = ["性别", "职业", "类型1", "类型2", "类型3"]
密集列 = ["年龄"]
用户列 = ["性别", "年龄", "职业"]
物品列 = ["类型1", "类型2", "类型3"]

训练数据, 数据信息 = DatasetFeat.build_trainset(
    训练数据, 用户列, 物品列, 稀疏列, 密集列
)
测试数据 = DatasetFeat.build_testset(测试数据)
print(数据信息)  # 用户数: 5962, 物品数: 3226, 数据稀疏度: 0.4185 %

ytb排序 = YouTubeRanking(
    任务="排序",
    数据信息=数据信息,
    嵌入维度=16,
    训练轮数=3,
    学习率=1e-4,
    批量大小=512,
    使用批归一化=True,
    隐藏单元=(128, 64, 32),
)
ytb排序.拟合(
    训练数据,
    负采样=True,
    详细程度=2,
    打乱=True,
    评估数据=测试数据,
    评估指标=["损失", "roc_auc", "精确率", "召回率", "map", "ndcg"],
)

# 预测用户2211对物品110的偏好
ytb排序.预测(用户=2211, 物品=110)
# 为用户2211推荐7个物品
ytb排序.为用户推荐(用户=2211, 推荐数=7)

# 冷启动预测
ytb排序.预测(用户="ccc", 物品="不是物品", 冷启动="平均")
# 冷启动推荐
ytb排序.为用户推荐(用户="我们还好吗?", 推荐数=7, 冷启动="热门")

## 数据格式

就是普通的数据格式，每行代表一个样本。重要的是，模型假设`用户`、`物品`和`标签`列索引分别为0、1和2。如果不是这种情况，你可能需要更改列顺序。以`movielens-1m`数据集为例：

> 1::1193::5::978300760<br>
> 1::661::3::978302109<br>
> 1::914::3::978301968<br>
> 1::3408::4::978300275

此外，如果你想使用其他元特征（如年龄、性别、类别等），你需要告诉模型哪些列是[`稀疏列`, `密集列`, `用户列`, `物品列`]，这意味着所有特征必须在同一个表中。参见上面的`YouTubeRanking`示例。

**还要注意，你的数据不应包含缺失值。**

## 文档

教程和API文档托管在[librecommender.readthedocs.io](https://librecommender.readthedocs.io/en/latest/)。

示例脚本在[examples/](https://github.com/massquantity/LibRecommender/tree/master/examples)文件夹下。

## 安装与依赖

从pypi安装：

```shell
$ pip install -U LibRecommender

从源代码构建：

$ git clone https://github.com/massquantity/LibRecommender.git
$ cd LibRecommender
$ pip install .

libreco的基本依赖：

• Python >= 3.6
• TensorFlow >= 1.15, < 2.16
• PyTorch >= 1.10
• Numpy >= 1.19.5
• Pandas >= 1.0.0
• Scipy >= 1.2.1, < 1.13.0
• scikit-learn >= 0.20.0
• gensim >= 4.0.0
• tqdm
• nmslib（可选，用于近似相似度搜索。参见Embedding）
• DGL（可选，用于GraphSage和PinSage。参见实现细节）
• Cython >= 0.29.0, < 3（可选，用于从源代码构建）

如果你使用的是Python 3.6，你还需要安装dataclasses，这在Python 3.7中首次引入。

LibRecommender已在TensorFlow 1.15、2.6、2.10和2.12下测试过。如果在运行过程中遇到任何问题，随时开一个issue。

**TensorFlow 2.16开始使用Keras 3.0，因此不再支持tf1语法。**目前支持的版本是1.15 - 2.15。

已知问题：

• 有时可能会遇到类似ValueError: numpy.ndarray size changed, may indicate binary incompatibility. Expected 88 from C header, got 80 from PyObject的错误。在这种情况下，尝试升级numpy，版本1.22.0或更高可能是一个安全选择。
• 在保存TensorFlow模型以用于服务时，你可能会遇到错误消息：Fatal Python error: Segmentation fault (core dumped)。 这个问题很可能与protobuf库有关，所以你应该根据你的本地tensorflow版本遵循官方推荐的版本。 通常，建议使用protobuf < 4.24.0。

下表显示了一些兼容的版本组合：

libserving的可选依赖项：

• Python >= 3.7
• sanic >= 22.3
• requests
• aiohttp
• pydantic
• ujson
• redis
• redis-py >= 4.2.0
• faiss >= 1.5.2
• TensorFlow Serving == 2.8.2

Docker

也可以在Docker容器中使用该库，无需安装依赖项，详见Docker。

参考文献

<sup id="fn1">[1] 类别：pure指仅使用行为数据的协同过滤算法，feat指可包含其他辅助特征。<a href="#ref1" title="返回正文中的脚注1。">↩</a></sup>

<sup id="fn2">[2] 序列：利用用户行为序列的算法。<a href="#ref2" title="返回正文中的脚注2。">↩</a></sup>

<sup id="fn3">[3] 图：利用图信息的算法，包括图嵌入（GE）和图神经网络（GNN）。<a href="#ref3" title="返回正文中的脚注3。">↩</a></sup>

<sup id="fn4">[4] 嵌入：能生成最终用户和物品嵌入的算法。<a href="#ref4" title="返回正文中的脚注4。">↩</a></sup>

技术支持