基于MyMediaLite平台方法探究.docVIP

基于MyMediaLite平台方法探究 　　摘 要：推荐系统是互联网和电子商务的产物。它是建立在对海量数据训练的基础上的一种智能平台，能够向顾客提供个性化的信息服务和决策。随着电子商务大数据的高速发展，推荐系统正逐渐成为学术界的研究热点之一。针对推荐系统理论性强、内容抽象的特点，本文介绍了以MyMediaLite为平台的个性化推荐实践方案，并详细阐述了其具体的实施过程。通过介绍MyMediaLite的系统结构框架，以及分析基于MyMediaLite的实验过程，为研究者使用MyMediaLite推荐系统库进行算法研究奠定了基础。 　　关键词：个性化推荐；机器学习；MyMediaLite；推荐系统；协同过滤 　　中图分类号：TP317 文献标识码：A 　　Abstract：The recommendation system is the product of Internet and e-commerce.It is an intelligent platform built on the basis of massive data training.It provides personalized information service and decision-making to customers.With the rapid development of big data in electronic commerce，the recommendation system is becoming one of the hot topics in the academic field.In view of the highly theoretical and abstract nature of the recommendation system，this paper introduces the personalized recommending practice scheme based on MyMediaLite，and expounds its specific implementation process in detail.By introducing the system framework of MyMediaLite and analyzing the experimental process based on MyMediaLite，it establishes a foundation for researchers to conduct studies on the algorithms with MyMediaLite recommendation system library. 　　Keywords：personalized recommendation；machine learning；Mymedialite；the recommendation system；collaborative 　　filtering 　　1 引言（Introduction） 　　互联网的日益普及，使得电子商务成为人??生活中不可或缺的一部分。随着大量商品和用户群体的涌入，电子商务系统中的数据量呈爆炸式增长，这便使得推荐系统获得了极大的发展空间。短时间内涌现出很多诸如SVDFeature[1]、MyMediaLite[2]、Apache Mahout[3]等知名的开源推荐系统。SVDFeature包含一个很灵活的Matrix Factorization推荐框架，能方便地实现奇异值分解（SVD）和改进的SVD++[4]等算法。Apache Mahout是一种能实现大多数分布式机器学习和数据挖掘的平台。其中有一部分包含了推荐算法中的协同过滤算法，但大部分其他类型推荐算法并未涉及。MyMediaLite提供了多种项目预测和评级预测任务下先进的算法，以及为大多数推荐模型提供了增量式更新数据。与其他平台相比，MyMediaLite囊括的算法与模型更加全面，对于推荐系统的系统学习和研究更有帮助。 　　2 MyMediaLite推荐系统库（MyMediaLite 　　recommendation system library） 　　2.1 MyMediaLite简介 　　MyMediaLite是由德国希尔德海姆大学基于微软.NET平台开发的轻量级、多用途、可拓展的推荐系统算法库。它包含了包括SVD++算法、K-近邻（KNN）[5]算法和直接优化物品排序的矩阵分解算法（BPRMF）[6]等在内的几十个不同的推荐算法。除了提供了常见场景的推荐算法，MyMediaLite也有Social Matrix Factor