यह ट्यूटोरियल एक तंत्रिका सहयोगी फ़िल्टरिंग (NCF) सिफारिश प्रणाली को लागू करने के लिए Pytorch का उपयोग करके आपको चलाएगा। NCF जटिल उपयोगकर्ता-आइटम इंटरैक्शन को मॉडल करने के लिए तंत्रिका नेटवर्क का उपयोग करके पारंपरिक मैट्रिक्स कारक का विस्तार करता है।
परिचय
तंत्रिका सहयोगी फ़िल्टरिंग (NCF) सिफारिश प्रणालियों के निर्माण के लिए एक अत्याधुनिक दृष्टिकोण है। रैखिक मॉडल पर भरोसा करने वाले पारंपरिक सहयोगी फ़िल्टरिंग विधियों के विपरीत, NCF उपयोगकर्ताओं और वस्तुओं के बीच गैर-रैखिक संबंधों को पकड़ने के लिए गहरी सीख का उपयोग करता है।
इस ट्यूटोरियल में, हम:
- Movielens डेटासेट तैयार करें और अन्वेषण करें
- NCF मॉडल आर्किटेक्चर को लागू करें
- मॉडल को प्रशिक्षित करें
- इसके प्रदर्शन का मूल्यांकन करें
- उपयोगकर्ताओं के लिए सिफारिशें उत्पन्न करें
सेटअप और पर्यावरण
सबसे पहले, आइए आवश्यक पुस्तकालयों को स्थापित करें और उन्हें आयात करें:
!pip install torch numpy pandas matplotlib seaborn scikit-learn tqdm
import os
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from tqdm import tqdm
import random
torch.manual_seed(42)
np.random.seed(42)
random.seed(42)
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f"Using device: {device}")
डेटा लोडिंग और तैयारी
हम Movielens 100k डेटासेट का उपयोग करेंगे, जिसमें उपयोगकर्ताओं से 100,000 मूवी रेटिंग शामिल हैं:
!wget -nc https://files.grouplens.org/datasets/movielens/ml-100k.zip
!unzip -q -n ml-100k.zip
ratings_df = pd.read_csv('ml-100k/u.data', sep='t', names=('user_id', 'item_id', 'rating', 'timestamp'))
movies_df = pd.read_csv('ml-100k/u.item', sep='|', encoding='latin-1',
names=('item_id', 'title', 'release_date', 'video_release_date',
'IMDb_URL', 'unknown', 'Action', 'Adventure', 'Animation',
'Children', 'Comedy', 'Crime', 'Documentary', 'Drama', 'Fantasy',
'Film-Noir', 'Horror', 'Musical', 'Mystery', 'Romance', 'Sci-Fi',
'Thriller', 'War', 'Western'))
print("Ratings data:")
print(ratings_df.head())
print("nMovies data:")
print(movies_df(('item_id', 'title')).head())
print(f"nTotal number of ratings: {len(ratings_df)}")
print(f"Number of unique users: {ratings_df('user_id').nunique()}")
print(f"Number of unique movies: {ratings_df('item_id').nunique()}")
print(f"Rating range: {ratings_df('rating').min()} to {ratings_df('rating').max()}")
print(f"Average rating: {ratings_df('rating').mean():.2f}")
plt.figure(figsize=(10, 6))
sns.countplot(x='rating', data=ratings_df)
plt.title('Distribution of Ratings')
plt.xlabel('Rating')
plt.ylabel('Count')
plt.show()
ratings_df('label') = (ratings_df('rating') >= 4).astype(np.float32)
एनसीएफ के लिए डेटा तैयारी
अब, आइए हमारे NCF मॉडल के लिए डेटा तैयार करें:
train_df, test_df = train_test_split(ratings_df, test_size=0.2, random_state=42)
print(f"Training set size: {len(train_df)}")
print(f"Test set size: {len(test_df)}")
num_users = ratings_df('user_id').max()
num_items = ratings_df('item_id').max()
print(f"Number of users: {num_users}")
print(f"Number of items: {num_items}")
class NCFDataset(Dataset):
def __init__(self, df):
self.user_ids = torch.tensor(df('user_id').values, dtype=torch.long)
self.item_ids = torch.tensor(df('item_id').values, dtype=torch.long)
self.labels = torch.tensor(df('label').values, dtype=torch.float)
def __len__(self):
return len(self.user_ids)
def __getitem__(self, idx):
return {
'user_id': self.user_ids(idx),
'item_id': self.item_ids(idx),
'label': self.labels(idx)
}
train_dataset = NCFDataset(train_df)
test_dataset = NCFDataset(test_df)
batch_size = 256
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)
मॉडल वास्तुकला
अब हम तंत्रिका सहयोगी फ़िल्टरिंग (NCF) मॉडल को लागू करेंगे, जो सामान्यीकृत मैट्रिक्स फैक्टराइजेशन (GMF) और मल्टी-लेयर Perceptron (MLP) घटकों को जोड़ता है:
class NCF(nn.Module):
def __init__(self, num_users, num_items, embedding_dim=32, mlp_layers=(64, 32, 16)):
super(NCF, self).__init__()
self.user_embedding_gmf = nn.Embedding(num_users + 1, embedding_dim)
self.item_embedding_gmf = nn.Embedding(num_items + 1, embedding_dim)
self.user_embedding_mlp = nn.Embedding(num_users + 1, embedding_dim)
self.item_embedding_mlp = nn.Embedding(num_items + 1, embedding_dim)
mlp_input_dim = 2 * embedding_dim
self.mlp_layers = nn.ModuleList()
for idx, layer_size in enumerate(mlp_layers):
if idx == 0:
self.mlp_layers.append(nn.Linear(mlp_input_dim, layer_size))
else:
self.mlp_layers.append(nn.Linear(mlp_layers(idx-1), layer_size))
self.mlp_layers.append(nn.ReLU())
self.output_layer = nn.Linear(embedding_dim + mlp_layers(-1), 1)
self.sigmoid = nn.Sigmoid()
self._init_weights()
def _init_weights(self):
for m in self.modules():
if isinstance(m, nn.Embedding):
nn.init.normal_(m.weight, mean=0.0, std=0.01)
elif isinstance(m, nn.Linear):
nn.init.kaiming_uniform_(m.weight)
if m.bias is not None:
nn.init.zeros_(m.bias)
def forward(self, user_ids, item_ids):
user_embedding_gmf = self.user_embedding_gmf(user_ids)
item_embedding_gmf = self.item_embedding_gmf(item_ids)
gmf_vector = user_embedding_gmf * item_embedding_gmf
user_embedding_mlp = self.user_embedding_mlp(user_ids)
item_embedding_mlp = self.item_embedding_mlp(item_ids)
mlp_vector = torch.cat((user_embedding_mlp, item_embedding_mlp), dim=-1)
for layer in self.mlp_layers:
mlp_vector = layer(mlp_vector)
concat_vector = torch.cat((gmf_vector, mlp_vector), dim=-1)
prediction = self.sigmoid(self.output_layer(concat_vector)).squeeze()
return prediction
embedding_dim = 32
mlp_layers = (64, 32, 16)
model = NCF(num_users, num_items, embedding_dim, mlp_layers).to(device)
print(model)
मॉडल को प्रशिक्षित करना
चलो हमारे NCF मॉडल को प्रशिक्षित करते हैं:
criterion = nn.BCELoss()
optimizer = optim.Adam(model.parameters(), lr=0.001, weight_decay=1e-5)
def train_epoch(model, data_loader, criterion, optimizer, device):
model.train()
total_loss = 0
for batch in tqdm(data_loader, desc="Training"):
user_ids = batch('user_id').to(device)
item_ids = batch('item_id').to(device)
labels = batch('label').to(device)
optimizer.zero_grad()
outputs = model(user_ids, item_ids)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
total_loss += loss.item()
return total_loss / len(data_loader)
def evaluate(model, data_loader, criterion, device):
model.eval()
total_loss = 0
predictions = ()
true_labels = ()
with torch.no_grad():
for batch in tqdm(data_loader, desc="Evaluating"):
user_ids = batch('user_id').to(device)
item_ids = batch('item_id').to(device)
labels = batch('label').to(device)
outputs = model(user_ids, item_ids)
loss = criterion(outputs, labels)
total_loss += loss.item()
predictions.extend(outputs.cpu().numpy())
true_labels.extend(labels.cpu().numpy())
from sklearn.metrics import roc_auc_score, average_precision_score
auc = roc_auc_score(true_labels, predictions)
ap = average_precision_score(true_labels, predictions)
return {
'loss': total_loss / len(data_loader),
'auc': auc,
'ap': ap
}
num_epochs = 10
history = {'train_loss': (), 'val_loss': (), 'val_auc': (), 'val_ap': ()}
for epoch in range(num_epochs):
train_loss = train_epoch(model, train_loader, criterion, optimizer, device)
eval_metrics = evaluate(model, test_loader, criterion, device)
history('train_loss').append(train_loss)
history('val_loss').append(eval_metrics('loss'))
history('val_auc').append(eval_metrics('auc'))
history('val_ap').append(eval_metrics('ap'))
print(f"Epoch {epoch+1}/{num_epochs} - "
f"Train Loss: {train_loss:.4f}, "
f"Val Loss: {eval_metrics('loss'):.4f}, "
f"AUC: {eval_metrics('auc'):.4f}, "
f"AP: {eval_metrics('ap'):.4f}")
plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(history('train_loss'), label="Train Loss")
plt.plot(history('val_loss'), label="Validation Loss")
plt.title('Loss During Training')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.legend()
plt.subplot(1, 2, 2)
plt.plot(history('val_auc'), label="AUC")
plt.plot(history('val_ap'), label="Average Precision")
plt.title('Evaluation Metrics')
plt.xlabel('Epoch')
plt.ylabel('Score')
plt.legend()
plt.tight_layout()
plt.show()
torch.save(model.state_dict(), 'ncf_model.pth')
print("Model saved successfully!")
सिफारिशें उत्पन्न करना
अब आइए उपयोगकर्ताओं के लिए सिफारिशें उत्पन्न करने के लिए एक फ़ंक्शन बनाएं:
def generate_recommendations(model, user_id, n=10):
model.eval()
user_ids = torch.tensor((user_id) * num_items, dtype=torch.long).to(device)
item_ids = torch.tensor(range(1, num_items + 1), dtype=torch.long).to(device)
with torch.no_grad():
predictions = model(user_ids, item_ids).cpu().numpy()
items_df = pd.DataFrame({
'item_id': range(1, num_items + 1),
'score': predictions
})
user_rated_items = set(ratings_df(ratings_df('user_id') == user_id)('item_id').values)
items_df = items_df(~items_df('item_id').isin(user_rated_items))
top_n_items = items_df.sort_values('score', ascending=False).head(n)
recommendations = pd.merge(top_n_items, movies_df(('item_id', 'title')), on='item_id')
return recommendations(('item_id', 'title', 'score'))
test_users = (1, 42, 100)
for user_id in test_users:
print(f"nTop 10 recommendations for user {user_id}:")
recommendations = generate_recommendations(model, user_id, n=10)
print(recommendations)
print(f"nMovies that user {user_id} has rated highly (4-5 stars):")
user_liked = ratings_df((ratings_df('user_id') == user_id) & (ratings_df('rating') >= 4))
user_liked = pd.merge(user_liked, movies_df(('item_id', 'title')), on='item_id')
user_liked(('item_id', 'title', 'rating'))
आगे मॉडल का मूल्यांकन
आइए कुछ अतिरिक्त मैट्रिक्स की गणना करके हमारे मॉडल का आगे मूल्यांकन करें:
def evaluate_model_with_metrics(model, test_loader, device):
model.eval()
predictions = ()
true_labels = ()
with torch.no_grad():
for batch in tqdm(test_loader, desc="Evaluating"):
user_ids = batch('user_id').to(device)
item_ids = batch('item_id').to(device)
labels = batch('label').to(device)
outputs = model(user_ids, item_ids)
predictions.extend(outputs.cpu().numpy())
true_labels.extend(labels.cpu().numpy())
from sklearn.metrics import roc_auc_score, average_precision_score, precision_recall_curve, accuracy_score
binary_preds = (1 if p >= 0.5 else 0 for p in predictions)
auc = roc_auc_score(true_labels, predictions)
ap = average_precision_score(true_labels, predictions)
accuracy = accuracy_score(true_labels, binary_preds)
precision, recall, thresholds = precision_recall_curve(true_labels, predictions)
plt.figure(figsize=(10, 6))
plt.plot(recall, precision, label=f'AP={ap:.3f}')
plt.xlabel('Recall')
plt.ylabel('Precision')
plt.title('Precision-Recall Curve')
plt.legend()
plt.grid(True)
plt.show()
return {
'auc': auc,
'ap': ap,
'accuracy': accuracy
}
metrics = evaluate_model_with_metrics(model, test_loader, device)
print(f"AUC: {metrics('auc'):.4f}")
print(f"Average Precision: {metrics('ap'):.4f}")
print(f"Accuracy: {metrics('accuracy'):.4f}")
कोल्ड स्टार्ट विश्लेषण
आइए विश्लेषण करें कि हमारा मॉडल कुछ रेटिंग (कोल्ड स्टार्ट समस्या) के साथ नए उपयोगकर्ताओं या उपयोगकर्ताओं के लिए कैसे प्रदर्शन करता है:
user_rating_counts = ratings_df.groupby('user_id').size().reset_index(name="count")
user_rating_counts('group') = pd.cut(user_rating_counts('count'),
bins=(0, 10, 50, 100, float('inf')),
labels=('1-10', '11-50', '51-100', '100+'))
print("Number of users in each rating frequency group:")
print(user_rating_counts('group').value_counts())
def evaluate_by_user_group(model, ratings_df, user_groups, device):
results = {}
for group_name, user_ids in user_groups.items():
group_ratings = ratings_df(ratings_df('user_id').isin(user_ids))
group_dataset = NCFDataset(group_ratings)
group_loader = DataLoader(group_dataset, batch_size=256, shuffle=False)
if len(group_loader) == 0:
continue
model.eval()
predictions = ()
true_labels = ()
with torch.no_grad():
for batch in group_loader:
user_ids = batch('user_id').to(device)
item_ids = batch('item_id').to(device)
labels = batch('label').to(device)
outputs = model(user_ids, item_ids)
predictions.extend(outputs.cpu().numpy())
true_labels.extend(labels.cpu().numpy())
from sklearn.metrics import roc_auc_score
try:
auc = roc_auc_score(true_labels, predictions)
results(group_name) = auc
except:
results(group_name) = None
return results
user_groups = {}
for group in user_rating_counts('group').unique():
users_in_group = user_rating_counts(user_rating_counts('group') == group)('user_id').values
user_groups(group) = users_in_group
group_performance = evaluate_by_user_group(model, test_df, user_groups, device)
plt.figure(figsize=(10, 6))
groups = ()
aucs = ()
for group, auc in group_performance.items():
if auc is not None:
groups.append(group)
aucs.append(auc)
plt.bar(groups, aucs)
plt.xlabel('Number of Ratings per User')
plt.ylabel('AUC Score')
plt.title('Model Performance by User Rating Frequency (Cold Start Analysis)')
plt.ylim(0.5, 1.0)
plt.grid(axis="y", linestyle="--", alpha=0.7)
plt.show()
print("AUC scores by user rating frequency:")
for group, auc in group_performance.items():
if auc is not None:
print(f"{group}: {auc:.4f}")
व्यावसायिक अंतर्दृष्टि और विस्तार
def analyze_predictions(model, data_loader, device):
model.eval()
predictions = ()
true_labels = ()
with torch.no_grad():
for batch in data_loader:
user_ids = batch('user_id').to(device)
item_ids = batch('item_id').to(device)
labels = batch('label').to(device)
outputs = model(user_ids, item_ids)
predictions.extend(outputs.cpu().numpy())
true_labels.extend(labels.cpu().numpy())
results_df = pd.DataFrame({
'true_label': true_labels,
'predicted_score': predictions
})
plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
sns.histplot(results_df('predicted_score'), bins=30, kde=True)
plt.title('Distribution of Predicted Scores')
plt.xlabel('Predicted Score')
plt.ylabel('Count')
plt.subplot(1, 2, 2)
sns.boxplot(x='true_label', y='predicted_score', data=results_df)
plt.title('Predicted Scores by True Label')
plt.xlabel('True Label (0=Disliked, 1=Liked)')
plt.ylabel('Predicted Score')
plt.tight_layout()
plt.show()
avg_scores = results_df.groupby('true_label')('predicted_score').mean()
print("Average prediction scores:")
print(f"Items user disliked (0): {avg_scores(0):.4f}")
print(f"Items user liked (1): {avg_scores(1):.4f}")
analyze_predictions(model, test_loader, device)
यह ट्यूटोरियल कार्यान्वयन को प्रदर्शित करता है तंत्रिका सहयोगी फ़िल्टरिंगतंत्रिका नेटवर्क के साथ मैट्रिक्स कारक का संयोजन करने वाली एक गहरी सीखने की सिफारिश प्रणाली। का उपयोग Movielens डेटासेट और पिटोरच, हमने एक मॉडल बनाया जो व्यक्तिगत सामग्री सिफारिशें उत्पन्न करता है। कार्यान्वयन कोल्ड स्टार्ट समस्या सहित प्रमुख चुनौतियों को संबोधित करता है और एयूसी और सटीक-रिकॉल घटता जैसे प्रदर्शन मैट्रिक्स प्रदान करता है। इस नींव को हाइब्रिड दृष्टिकोण, ध्यान तंत्र, या विभिन्न व्यावसायिक सिफारिश परिदृश्यों के लिए वेब एप्लिकेशन के साथ बढ़ाया जा सकता है।
यह रहा कोलैब नोटबुक। इसके अलावा, हमें फॉलो करना न भूलें ट्विटर और हमारे साथ जुड़ें तार -चैनल और लिंक्डइन जीआरओयूपी। हमारे साथ जुड़ने के लिए मत भूलना 85K+ एमएल सबरेडिट।

ASJAD MarkTechPost में एक प्रशिक्षु सलाहकार है। वह भारतीय प्रौद्योगिकी संस्थान, खड़गपुर में मैकेनिकल इंजीनियरिंग में B.Tech को बनाए रख रहे हैं। असजाद एक मशीन लर्निंग और डीप लर्निंग उत्साही है जो हमेशा हेल्थकेयर में मशीन लर्निंग के अनुप्रयोगों पर शोध कर रहा है।
