recoreco

命令行上快速的商品对推荐。

安装

目前，安装 recoreco 的唯一便捷方式是通过 Rust 的包管理器 cargo

$ cargo install recoreco

快速入门

Recoreco 从用户与商品之间的交互中计算出高度相关的商品对（在“对 X 感兴趣的人也对 Y 感兴趣”的意义上）。

它是一个命令行工具，期望一个 CSV 文件 作为输入，其中每行表示用户与商品之间的交互，包含一个 用户标识符 和一个 商品标识符，它们由一个 制表符 分隔。默认情况下，Recoreco 以 JSON 格式输出每个商品的前 10 个相关商品（没有特定的排名）。

如果您想更多地了解 recoreco 所基于的方法背后的数学原理，请查看关于 实用机器学习：推荐系统创新 的书籍和我朋友 Ted Dunning 关于 实时小狗和小马 的演讲。

示例：使用 recoreco 查找相关的音乐艺术家

作为示例，我们将从 last.fm 爬取的 音乐数据集 中计算相关艺术家。数据包含 358,868 个用户与 292,365 个乐队之间的 17,535,655 次交互。

第一步，我们下载数据，解压缩并查看格式
$wget http://mtg.upf.edu/static/datasets/last.fm/lastfm-dataset-360K.tar.gz
$tar xvfz lastfm-dataset-360K.tar.gz

$ head lastfm-dataset-360K/usersha1-artmbid-artname-plays.tsv
00000c289a1829a808ac09c00daf10bc3c4e223b	3bd73256-3905-4f3a-97e2-8b341527f805	betty blowtorch	2137
00000c289a1829a808ac09c00daf10bc3c4e223b	f2fb0ff0-5679-42ec-a55c-15109ce6e320	die Ärzte	1099
00000c289a1829a808ac09c00daf10bc3c4e223b	b3ae82c2-e60b-4551-a76d-6620f1b456aa	melissa etheridge	897
00000c289a1829a808ac09c00daf10bc3c4e223b	3d6bbeb7-f90e-4d10-b440-e153c0d10b53	elvenking	717
00000c289a1829a808ac09c00daf10bc3c4e223b	bbd2ffd7-17f4-4506-8572-c1ea58c3f9a8	juliette & the licks	706

我们需要我们的输入只包含用户和商品的交互，因此我们创建一个新的 CSV 文件，其中只包含原始数据的前一列（散列的 userid）和第三列（艺术家名称）

$cat lastfm-dataset-360K/usersha1-artmbid-artname-plays.tsv|cut -f1,3 >plays.csv

现在 CSV 文件格式正确

$ head plays.csv 
00000c289a1829a808ac09c00daf10bc3c4e223b	betty blowtorch
00000c289a1829a808ac09c00daf10bc3c4e223b	die Ärzte
00000c289a1829a808ac09c00daf10bc3c4e223b	melissa etheridge
00000c289a1829a808ac09c00daf10bc3c4e223b	elvenking
00000c289a1829a808ac09c00daf10bc3c4e223b	juliette & the licks

接下来，我们调用 recoreco，将其指向CSV文件作为输入，并要求它将输出写入名为 artists.json 的文件中。它将读取CSV文件两次，一次用于计算数据的一些统计信息，第二次用于计算实际的项到项推荐。请注意，recoreco 非常快，在我的机器上计算时间不到一分钟。

$ recoreco --inputfile=plays.csv --outputfile=artists.json

Reading plays.csv to compute data statistics (pass 1/2)
Found 17535655 interactions between 358868 users and 292365 items.
Reading plays.csv to compute 10 item indicators per item (pass 2/2)
194996130 cooccurrences observed, 34015ms training time, 292365 items rescored
Writing indicators...

artists.json 文件现在包含了计算结果。让我们使用JSON处理器 jq 看一下一些艺术家的推荐。

谁与 迈克尔·杰克逊 有强烈的关联？

$jq'select(.for_item=="michael jackson")'artists.json

{
  "for_item": "michael jackson",
  "indicated_items": [
    "justin timberlake",
    "queen",
    "kanye west",
    "amy winehouse",
    "britney spears",
    "madonna",
    "rihanna",
    "beyoncé",
    "daft punk",
    "u2"
  ]
}

我最喜欢的乐队是 Hot Water Music，让我们看看人们与他们关联的乐队

$jq'select(.for_item=="hot water music")'artists.json

{
  "for_item": "hot water music",
  "indicated_items": [
    "lifetime",
    "the get up kids",
    "the lawrence arms",
    "the gaslight anthem",
    "dillinger four",
    "propagandhi",
    "the bouncing souls",
    "strike anywhere",
    "jawbreaker",
    "chuck ragan"
  ]
}

最后，我们寻找与 Paco de Lucia 类似的艺术家，以纪念Ted为Veoh构建搜索引擎的日子：）

$jq'select(.for_item=="paco de lucia")'artists.json

{
  "for_item": "paco de lucia",
  "indicated_items": [
    "miguel poveda",
    "cserhati zsuzsa",
    "ramón veloz",
    "szarka tamás",
    "camaron de la isla",
    "cseh tamás - másik jános",
    "duquende",
    "amr diab",
    "chuck brown & eva cassidy",
    "keympa"
  ]
}

程序化使用

recoreco 也可以作为库包含在你的Rust程序中。我们提供了一个 基本示例 来说明如何这样做。请务必查阅 文档 以获取更多详细信息。