BPRPlus:基於多種隱式反饋的BPR變形算法開源庫

很快，寒假就要過去了，在這15天的時間裏，小編一直在做一件事：開發一個支持多種隱式反饋的BPR變形算法框架。

終於，功夫不負有心人。在經過了每天晚上的編寫，近3400行代碼的BPRPlus框架初步形成。github地址：https://github.com/liuchenailq/BPRPlus.

 

BPR算法簡介

推薦系統有兩大問題：評分預測和排序優化。評分預測一般使用顯示數據集，如評分數據，目標是預測缺失的評分。排序優化一般使用隱式數據集，如用戶行爲（購買、點擊、分享）記錄，目標給用戶推薦一個排序的物品集。

BPR（ Bayesian Personalized Ranking）算法是解決排序優化問題經典算法，它假設用戶有過行爲的物品應該排在沒有行爲的物品之前，所以它使用用戶行爲數據來訓練模型。但它只使用一種行爲數據，比如你的目標是提高購買率，那麼BPR只用購買行爲數據來訓練算法。

爲了充分利用隱式數據（點擊、瀏覽等行爲數據），基於多種隱式反饋的BPR變形算法被相繼提出。實驗表明，充分利用輔助隱式反饋確實能提升BPR算法的效果。

本系統BPRPlus就是基於此背景下產生的，目標就是爲基於多種隱式反饋的各種BPR變形算法提供快速實現。

到目前，系統已經完成了主反饋數據讀取模塊、輔助反饋數據讀取模塊、數據集劃分模塊、推薦算法模塊、評價模塊。

 

BPRPlus主要特性如下:

   1. 基於配置文件：通過配置文件控制系統的所有參數

   2. 並行計算：系統內部應用並行計算解決性能問題

   3.支持多種隱式反饋：支持多種隱式反饋數據的讀取

   4. 結果可視化：訓練過程的loss可視化、評價指標可視化

 

接下來主要做如下工作：

1. 增加其他評價指標

2. 增加其他變形BPR算法

3. 考慮做網頁版，方便使用

 

---