R数据帧转换

Question

我有一个数据框，如下所示，每一行代表一个事务（即用户001听了Nirvana，也听了Metallica，但听不到Slayer）

userid   artist      gender    country
001      nirvana     m         germany
001      metallica   m         germany
002      slayer      m         usa
003      nirvana     m         germany
003      metallica   m         germany
...      ...         ...       ...

现在，我需要对此进行预处理，以进行基于项目的推荐。 我需要以某种方式结束歌曲元素之间的余弦相似度矩阵

             nirvana       metallica      slayer
nirvana                    0.2            0
metallica    0.24                         0
slayer       0             0               

这是为了建立一个推荐系统，因此，如果有人可以向我指出正确的方向或给我一种方法，我将不胜感激。

Answer 1

方法

为此，需要执行以下步骤：

1. 转换数据集
2. 创建歌曲/歌曲数据框
3. 计算每个单元的余弦相似度

转型

为了转换数据集，我们使用plyr库来获取Country是德国（我只对德国感兴趣）的子集library（plyr）data.germany <-（data [data [data $ country％in％“ Germany”，]）

然后，我们要创建一个频率表，只希望用户听过的歌曲

germany.frequency<-as.data.frame((table(data.germany$user,data.germany$artist,dnn=c("user","artist"))))

germany.frequency<-subset(germany.frequency,Freq>=1)

然后，我们填充一个二进制矩阵，其中1表示用户收听的歌曲

germany.users <- as.matrix(unique(data.germany$user))
germany.artists <- as.matrix(unique(data.germany$artist))
holder <- matrix(NA, nrow=nrow(germany.users),ncol=nrow(germany.artists),dimnames=list((germany.users),(germany.artists)))
holder[,] <- 0
for(i in 1:nrow(holder)) {
  for(j in 1:ncol(holder)) {
    if(nrow(subset(germany.frequency, (user == rownames(holder)[i] & artist ==    colnames(holder)[j])))>0)
    {  holder[i,j]<-1 }  
  }
}

# Reorder the column names alphabetically
data.germany<-(holder[,order(colnames(holder))])

现在，我们读取了持有人矩阵。 注意：For循环在R中花费很长时间。

基于项目的相似性

删除用户列并创建一个新的数据框

data.germany.ibs <- (data.germany[,!(names(data.germany) %in% c("user"))])

创建一个辅助函数来计算两个向量之间的余弦

getCosine <- function(x,y) 
{
  this.cosine <- sum(x*y) / (sqrt(sum(x*x)) * sqrt(sum(y*y)))
  return(this.cosine)
}

创建占位符数据框列表项与项目

holder <- matrix(NA, nrow=ncol(data.germany.ibs),ncol=ncol(data.germany.ibs),dimnames=list(colnames(data.germany.ibs),colnames(data.germany.ibs)))

data.germany.ibs.similarity <- as.data.frame(holder)

让我们用余弦相似度填充那些空白处

for(i in 1:ncol(data.germany.ibs)) {
    for(j in 1:ncol(data.germany.ibs)) {
      data.germany.ibs.similarity[i,j]= getCosine(data.germany.ibs[i],data.germany.ibs[j])
}

}

将相似性结果输出到文件

write.csv(data.germany.ibs.similarity,file="final-germany-similarity.csv")

获取每个人的前10名邻居

data.germany.neighbours <- matrix(NA, nrow=ncol(data.germany.ibs.similarity),ncol=11,dimnames=list(colnames(data.germany.ibs.similarity)))

for(i in 1:ncol(data.germany.ibs)) 
{
    data.germany.neighbours[i,] <- (t(head(n=11,rownames(data.germany.ibs.similarity[order(data.germany.ibs.similarity[,i],decreasing=TRUE),][i]))))
}

将邻居结果输出到文件

  write.csv(file="final-germany-item-neighbours.csv",x=data.germany.neighbours[,-1])

Answer 2

我建议使用arules软件包并传递userid和artist。 该软件包有非常清晰的说明。 快速简单...生成的规则质量很高。

假设您需要基于项目的CF，并且没有其他操作，请尝试使用Recommender Lab软件包。 它具有预构建的功能，尽管我发现它不可靠并且没有很多文档，但可能会有所帮助。

我发现大多数人根本不将推荐引擎和协作过滤视为同义词。