Implicit

用于隐式数据集的快速Python协同过滤。

该项目为隐式反馈数据集提供了几种不同流行推荐算法的快速Python实现：

交替最小二乘法(ALS)，如论文《基于隐式反馈数据集的协同过滤》和《隐式反馈协同过滤中共轭梯度法的应用》所述。
贝叶斯个性化排序(BPR)。
逻辑矩阵分解(LMF)
使用余弦相似度、TF-IDF或BM25作为距离度量的物品-物品最近邻模型。

所有模型都有多线程训练程序，使用Cython和OpenMP在所有可用的CPU核心上并行拟合模型。此外，ALS和BPR模型都有自定义CUDA内核，可在兼容的GPU上进行拟合。近似最近邻库如Annoy、NMSLIB和Faiss也可以被Implicit用来加速推荐。

安装

可以通过pip安装Implicit：

pip install implicit

使用pip安装将在x86_64 Linux、Windows和OSX上使用预构建的二进制wheel。这些wheel在Linux上包含GPU支持。

Implicit也可以通过conda安装：

# 仅CPU包
conda install -c conda-forge implicit

# CPU+GPU包
conda install -c conda-forge implicit implicit-proc=*=gpu

基本用法

import implicit

# 初始化模型
model = implicit.als.AlternatingLeastSquares(factors=50)

# 在用户/物品/置信度权重的稀疏矩阵上训练模型
model.fit(user_item_data)

# 为用户推荐物品
recommendations = model.recommend(userid, user_item_data[userid])

# 查找相关物品
related = model.similar_items(itemid)

examples文件夹中有一个程序，展示了如何使用此库在last.fm数据集上计算相似艺术家。

更多信息请参见文档。