最近做电影推荐，主要目的是结合算法评价工具选取最优推荐算法。为了缩短开发周期，我们采用了开源社区的R语言包recommenderlab。四周时间下来，主要的开发工作已结束，包括前台设计实现，后台数据准备及算法实现。做完一个项目，总结一下，看看自己的收获，也供大家参考。如有不对之处，望不吝指点。
(1) recommenderlab简介
recommenderlab是一个用于做推荐的R包，提供了多种推荐算法，包括UBCF(User Based Collaborative Filtering)， IBCF(Item Based Collaborative Filtering), Popular, Random，SVD，PCA，AR等。recommenderlab的核心数据结构是RatingMatrix（评分矩阵），，该矩阵记录了user对item的评分。以RatingMatrix为输入，利用上述算法估计用户对尚未评价item的评分，并依此为依据进行推荐。recommenderlab的详细内容请参见recommenderlab项目主页：。
(2) 数据准备
我们采用rottentomatoes网上的电影数据，包括用户的评价数据和电影的一些基本信息。因为我们用的是collaborative filtering，所以此处的电影基本信息仅限于电影名，电影海报，电影平均评分。rottentomatoes提供了下载电影数据的api。 首先需要注册一个账户，获取一个apikey，然后用这个apikey下载电影数据。关于rottentomatoes数据下载的详细api请参见rottentomatoes开发者网站：。 另外，github上的JTomato项目实现了获取rottentomatoes电影数据的java程序，请参见：https://github.com/geeordanoh/JTomato。
(3) 训练推荐模型
recommenderlab中的Recommender类用于训练推荐模型，在调用Recommender之前，我们必须导入训练数据并将其转换成RatingMatrix。
library(recommenderlab)rating <- read.table("/tmp/rating_rt.csv",sep=",")r <- as(as(rating[1],"list")[[1]],"numeric")c <- as(as(rating[2],"list")[[1]],"numeric")v <- as(as(rating[3],"list")[[1]],"numeric")rowNames <- as(c(1:max(r)),"character")colNames <- as(c(1:max(c)),"character")sm <- sparseMatrix(r,c,x=v,dimnames=list(rowNames,colNames))rm <- new("realRatingMatrix",data=sm)#rm <- normalize(rm)rec <- Recommender(rm,method="UBCF", parameter=list(method="pearson",nn=30))save(rec_ubcf_cosine,file="/tmp/rec_ubcf.rda")首先导入recommenderlab包，然后从csv文件读入data frame。 data frame是R语言的数据结构，如读者不熟悉可参见书籍《R in action》。 读入的rating以三元组形式 (即<user, item,rating>的格式) 表示评价矩阵，而RatingMatrix的构造函数以sparseMatrix为数据源，故需构造sparseMatrix 。 3~8行代码构造了稀疏矩阵sm，然后就基于sm构造RatingMatrix。recommenderlab中的RatingMatrix是一个抽象类，它有两个子类：binaryRatingMatrix和realRatingMatrix，分别用于0-1评分模型和多级评分模型。在此，我们采用的是realRatingMatrix。
每个用户的打分标准各不相同，有的用户评分总体偏高，有的偏低。为了消除这种用户的评分差异，我们需要对realRatingMatrix做normalization。但是，因为recommenderlab在Recommder类做模型训练时默认对输入数据做了center normalization，故我们不需要额外的标准化。center是标准化方法之一，有关标准化方法请参见recommenderlab提供的recommenderlab文档:。
第11行代码调用Recommender类的构造函数训练推荐模型，这里method指定推荐算法, parameter传入推荐算法的参数。method="pearson"表示采用pearson相关系数做相似度计算，nn=30表示以30个最近邻作为neighborhood。
完成模型训练后我们得到了训练模型rec，为了方便多次推荐，我们将rec保存在磁盘文件中，每次推荐时只需load该文件即可。
(4) 预测与推荐
训练好推荐模型后，就可以做推荐了。recommenderlab提供了predict方法预测用户评分，该方法提供了两种type，一种是"ratings"，另一种是"topN"。 当type=“ratings”时，predict预测用户对所有未评分item的打分，返回一个RatingMatrix对象；当type=“topN”时，predict直接返回用户评分最高的前N个item。 topN是默认type。
library(recommenderlab)user_rating <- read.table("/tmp/user_rating.csv",sep=",")r <- user_rating[1]r <- as(r[[1]],"numeric")c <- user_rating[2]c <- as(c[[1]],"numeric")v <- user_rating[3]v <- as(v[[1]],"numeric")sm <- sparseMatrix(r,c,x=v,dims=c(max(r),movie_num))rm <- new("realRatingMatrix",data=sm)rm <- normalize(rm)load("/tmp/rec_ubcf.rda")pre <- predict(rec,rm,n=10)preList <- as(pre,"list")recommendation <- data.frame(RECOMMENDED_ITEM=preList[[1]])
第2~10行代码从csv文件读取用户对已知item的评价，并将其转换成realRatingMatrix。第11行代码对rm进行标准化。然后，我们导入训练模型，并调用predict方法预测出用户最喜欢的前10个item。predict方法返回一个topNList类的对象，14~15行代码将该对象转换成data frame结构。
(5) 总结recommenderlab提供了多种推荐算法，并可以根据需要调整算法参数。R语言提供了对多种编程语言 (包括C/C++, java等)的支持，开发者可以从C/C++或java程序中调用recommenderlab中的方法，这样可以很大程度上提高开发效率。但从实践结果来看，R语言包的运行效率一般。当然，有利则有弊。另外，目前recommenderlab还没有提供comtent-based推荐算法。
人生重要的不是所站的位置，而是所朝的方向
